《大规模分布式计算深入解析》14.3 图数据库选型:Neo4j/JanusGraph/TigerGraph/ArangoDB

四类引擎的存储、查询、事务与集群路线,用 lab 记账口径比出边界。

图数据库选型:Neo4j/JanusGraph/TigerGraph/ArangoDB

四类引擎分别代表四种路线:原生图存储、键值之上的分布式图、MPP 存算一体图、多模型文档图。选型把机制换算成遍历成本、扩展边界与一致性合同。

存储与遍历:原生图 vs 键值之上

Neo4j 用原生存储:节点记录 25 字节、关系记录 34 字节,关系双端 next 链实现免索引邻接,遍历成本等于邻接关系数(用例 58-63),多跳深度遍历不用扫全表。

JanusGraph 建在 Cassandra/HBase/Bigtable 之上,顶点与边落成宽表,多跳查询退化成分布式点查——每跳都是一次跨分区读。TigerGraph 把图数据切分到多台计算节点,查询编译成跨节点消息传递的 MPP 计划。ArangoDB 以文档存实体、以邻接索引存关系,图遍历走索引展开。

查询、事务与集群:三种合同

查询语言对应执行语义:Cypher 声明式模式匹配(query 用例 73-76)、Gremlin 链式遍历(用例 79)、GSQL 编译为分布式计划、AQL 混合文档与图操作。

事务上 Neo4j 单机 ACID,细粒度节点锁,非全库锁(txn 用例 95-98);分布式引擎依赖后端存储的一致性,事务边界随分区扩展变宽。集群上 Neo4j 因果集群 leader 写、多数派确认,3 节点容忍 1 台故障(cluster 用例 102-112);JanusGraph 的一致性交由 Cassandra 仲裁。

选型判据:把机制换成成本

多跳深度遍历密集的应用选原生图,靠免索引邻接把成本压在 O(度数)。超大规模且写多读多的场景选键值之上,牺牲单跳延迟换横向扩展。混合负载看多模型,避免文档与图双写。判据对照 lab:遍历成本 = 邻接关系数 7 对全表扫描 O(节点数)(用例 62-63);跨分区一跳的成本是跨区边数 = 每超步消息数(用例 35)。

验证

从卷十一实验包 解包,运行 lab.RunAll:store 用例 58-63 验证节点/关系记录字节与免索引邻接遍历成本,query 用例 73-76、79 验证模式匹配与 Gremlin 遍历语义,txn 用例 95-98 验证细粒度锁,cluster 用例 102-112 验证多数派与故障容忍。原生探针 neo4j-probe.sh 的免索引邻接 1..2 跳遍历与出度计数,印证用例 61-62。

卷十一目录 · 系列导读与实验

一手资料

继续阅读

探索更多技术文章

浏览归档,发现更多关于系统设计、工具链和工程实践的内容。

全部文章 返回首页

「books」更多文章

  1. 《大规模分布式计算深入解析》15.3 落地:从 Neo4j 到自研图引擎
  2. 《大规模分布式计算深入解析·图计算与图数据库内核》 · 目录与学习路径(45 篇)
  3. 《大规模分布式计算深入解析》15.2 十一卷主线:从切分到图