最近在抓取一些社交網(wǎng)站的數(shù)據(jù)，抓下來(lái)的數(shù)據(jù)用MySql存儲(chǔ)。問(wèn)我為什么用MySql，那自然是入門(mén)簡(jiǎn)單，并且我當(dāng)時(shí)只熟悉MySql。可是，隨著數(shù)據(jù)量越來(lái)越大，有一個(gè)問(wèn)題始終困擾著我，那就是社交關(guān)系的存儲(chǔ)。

就以新浪微博舉例，一個(gè)大V少則十幾萬(wàn)，多則幾千萬(wàn)的粉絲，這些關(guān)注關(guān)系要怎么存呢？在MySql中，一條關(guān)注關(guān)系（大V id，大V的一個(gè)粉絲 id）存為一條數(shù)據(jù)，那么當(dāng)用戶(hù)數(shù)量上來(lái)的時(shí)候，關(guān)注關(guān)系輕松破億，破十億，甚至上百億，并且為了保證每條數(shù)據(jù)的唯一性，還需要設(shè)置聯(lián)合索引，MySql就有些力不從心了。那么有人要說(shuō)了：分表呀。嗯，沒(méi)錯(cuò)，分表的確可以在插入端和讀取端提升一些速度。比如我們可以根據(jù)id哈希到100張表中。查詢(xún)一個(gè)用戶(hù)有哪些粉絲是快了，但是查詢(xún)一個(gè)用戶(hù)關(guān)注了哪些人時(shí)仍然需要遍歷全表。好，這時(shí)候我們還可以以（id，其關(guān)注的一個(gè)用戶(hù)的id）再構(gòu)造100張表，于是兩種查詢(xún)都快了。然而，后面那100張表是冗余數(shù)據(jù)，看著就不爽。并且生成一張子圖也不方便（需要多次寫(xiě)SQL查表）。

于是，在搜索更好的方案時(shí)無(wú)意間發(fā)現(xiàn)了圖形數(shù)據(jù)庫(kù)，查閱一番資料后感覺(jué)確實(shí)是個(gè)不錯(cuò)的選擇，畢竟業(yè)界的一些大佬，如twitter，Adobe等也在用。

那么，什么是圖形數(shù)據(jù)庫(kù)呢？在這里我貼上較為官方的定義：a database that uses graph structures for semantic queries with nodes, edges and properties to represent and store data – independent of the way the data is stored internally. It’s really the model and the implemented algorithms that matter.注意，這里只是說(shuō)數(shù)據(jù)模型是圖結(jié)構(gòu)的，沒(méi)有說(shuō)數(shù)據(jù)的存儲(chǔ)也一定要是圖結(jié)構(gòu)的。其數(shù)據(jù)模型如下圖

為什么要選擇圖形數(shù)據(jù)庫(kù)

拿比較常用的圖形數(shù)據(jù)庫(kù)Neo4j來(lái)舉例說(shuō)明，首先，先簡(jiǎn)要介紹一下Neo4j。Neo4j是由Java和Scala寫(xiě)成的一個(gè)NoSql數(shù)據(jù)庫(kù)，專(zhuān)門(mén)用于網(wǎng)絡(luò)圖的存儲(chǔ)。更詳細(xì)的內(nèi)容可見(jiàn)官網(wǎng)。作為一個(gè)圖形數(shù)據(jù)庫(kù)，Neo4j有以下優(yōu)點(diǎn)：

1.更快的數(shù)據(jù)庫(kù)操作。當(dāng)然，有一個(gè)前提條件，那就是數(shù)據(jù)量較大，在MySql中存儲(chǔ)的話(huà)需要許多表，并且表之間聯(lián)系較多（即有不少的操作需要join表）。

2.數(shù)據(jù)更直觀，相應(yīng)的SQL語(yǔ)句也更好寫(xiě)（Neo4j使用Cypher語(yǔ)言，與傳統(tǒng)SQL有很大不同）。

3.更靈活。不管有什么新的數(shù)據(jù)需要存儲(chǔ)，都是一律的節(jié)點(diǎn)和邊，只需要考慮節(jié)點(diǎn)屬性和邊屬性。而MySql中即意味著新的表，還要考慮和其他表的關(guān)系。

4.數(shù)據(jù)庫(kù)操作的速度并不會(huì)隨著數(shù)據(jù)庫(kù)的增大有明顯的降低。這得益于Neo4j特殊的數(shù)據(jù)存儲(chǔ)結(jié)構(gòu)和專(zhuān)門(mén)優(yōu)化的圖算法。

接著，試著從更深一些的層次看圖形數(shù)據(jù)庫(kù)。我將從Neo4j的數(shù)據(jù)存儲(chǔ)和數(shù)據(jù)讀寫(xiě)兩方面來(lái)說(shuō)明為什么選它。

1.數(shù)據(jù)存儲(chǔ)

Neo4j對(duì)于圖的存儲(chǔ)自然是經(jīng)過(guò)特別優(yōu)化的。不像傳統(tǒng)數(shù)據(jù)庫(kù)的一條記錄一條數(shù)據(jù)的存儲(chǔ)方式，Neo4j的存儲(chǔ)方式是：節(jié)點(diǎn)的類(lèi)別，屬性，邊的類(lèi)別，屬性等都是分開(kāi)存儲(chǔ)的，這將大大有助于提高圖形數(shù)據(jù)庫(kù)的性能。如下圖：

2.數(shù)據(jù)讀寫(xiě)

在Neo4j中，存儲(chǔ)節(jié)點(diǎn)時(shí)使用了"index-free adjacency"，即每個(gè)節(jié)點(diǎn)都有指向其鄰居節(jié)點(diǎn)的指針，可以讓我們?cè)贠(1)的時(shí)間內(nèi)找到鄰居節(jié)點(diǎn)。另外，按照官方的說(shuō)法，在Neo4j中邊是最重要的,是"first-class entities"，所以單獨(dú)存儲(chǔ)，這有利于在圖遍歷的時(shí)候提高速度，也可以很方便地以任何方向進(jìn)行遍歷。

為什么要選Neo4j

如今可供選擇的圖形數(shù)據(jù)庫(kù)也不少，為什么就選擇了Neo4j呢？我簡(jiǎn)要?dú)w結(jié)為以下幾點(diǎn)：

1.作為較早的一批圖形數(shù)據(jù)庫(kù)之一，文檔和各種技術(shù)博客較多。

2.最開(kāi)始曾嘗試過(guò)flockdb（據(jù)說(shuō)操作簡(jiǎn)單+輕量級(jí)），但是敗于安裝過(guò)程，依賴(lài)太多。

3.網(wǎng)上經(jīng)常有人將orientdb，arangodb與neo4j做對(duì)比，我當(dāng)然也考慮過(guò)orientdb和arangodb。從易用性來(lái)說(shuō)都差不多。速度上的話(huà)看過(guò)一些評(píng)測(cè)，arangodb應(yīng)該是相對(duì)最快的，因?yàn)槠涫褂昧嘶旌纤饕５菑姆€(wěn)定性來(lái)說(shuō)，neo4j是最好的。

最后做個(gè)總結(jié)吧。圖形數(shù)據(jù)庫(kù)是這幾年興起的，整體還不是很完善，而且適用面也是比較窄的。只有在明確自己的需求之后，才能確定是否選擇圖形數(shù)據(jù)庫(kù)。如果仍有疑慮，不確定是否有這個(gè)需求，或是在使用neo4j時(shí)遇到了難點(diǎn)，慧都學(xué)院推出的會(huì)是一個(gè)不錯(cuò)的選擇。由數(shù)據(jù)庫(kù)領(lǐng)域資深專(zhuān)家傾力打造的系統(tǒng)性講解，不僅有干貨，還有點(diǎn)對(duì)點(diǎn)問(wèn)答互動(dòng)，現(xiàn)在關(guān)注慧都學(xué)院官方微信公眾號(hào)即有機(jī)會(huì)獲得免費(fèi)聽(tīng)課券！（作者： | 編輯：學(xué)院君）

更多行業(yè)資訊，更新鮮的技術(shù)動(dòng)態(tài)，盡在。