最近在抓取一些社交網站的資料，抓下來的資料用MySql儲存。問我為什麼用MySql，那自然是入門簡單，並且我當時只熟悉MySql。可是，隨著資料量越來越大，有一個問題始終困擾著我，那就是社交關係的儲存。

就以新浪微博舉例，一個大V少則十幾萬，多則幾千萬的粉絲，這些關注關係要怎麼存呢？在MySql中，一條關注關係（大V id，大V的一個粉絲 id）存為一條資料，那麼當用戶數量上來的時候，關注關係輕鬆破億，破十億，甚至上百億，並且為了保證每條資料的唯一性，還需要設定聯合索引，MySql就有些力不從心了。那麼有人要說了：分表呀。嗯，沒錯，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id雜湊到100張表中。查詢一個使用者有哪些粉絲是快了，但是查詢一個使用者關注了哪些人時仍然需要遍歷全表。好，這時候我們還可以以（id，其關注的一個使用者的id）再構造100張表，於是兩種查詢都快了。然而，後面那100張表是冗餘資料，看著就不爽…並且生成一張子圖也不方便（需要多次寫SQL查表）。

於是，在搜尋更好的方案時無意間發現了圖形資料庫，查閱一番資料後感覺確實是個不錯的選擇，畢竟業界的一些大佬，如twitter，Adobe等也在用。

那麼，什麼是圖形資料庫呢？在這裡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.

進入今天的主題，我將以Neo4j為例，說明為什麼選擇圖形資料庫？

首先，先簡要介紹一下Neo4j。Neo4j是由Java和Scala寫成的一個NoSql資料庫，專門用於網路圖的儲存。更詳細的內容可見官網。作為一個圖形資料庫，Neo4j有以下優點：

• 更快的資料庫操作。當然，有一個前提條件，那就是資料量較大，在MySql中儲存的話需要許多表，並且表之間聯絡較多（即有不少的操作需要join表）。
• 資料更直觀，相應的SQL語句也更好寫（Neo4j使用Cypher語言，與傳統SQL有很大不同）。
• 更靈活。不管有什麼新的資料需要儲存，都是一律的節點和邊，只需要考慮節點屬性和邊屬性。而MySql中即意味著新的表，還要考慮和其他表的關係。
• 資料庫操作的速度並不會隨著資料庫的增大有明顯的降低。這得益於Neo4j特殊的資料儲存結構和專門優化的圖演算法。

接著，試著從更深一些的層次看圖形資料庫。我將從Neo4j的資料儲存和資料讀寫兩方面來說明為什麼選它。

1. 資料儲存
   Neo4j對於圖的儲存自然是經過特別優化的。不像傳統資料庫的一條記錄一條資料的儲存方式，Neo4j的儲存方式是：節點的類別，屬性，邊的類別，屬性等都是分開儲存的，這將大大有助於提高圖形資料庫的效能。如下圖：

2. 資料讀寫
   在Neo4j中，儲存節點時使用了”index-free adjacency”，即每個節點都有指向其鄰居節點的指標，可以讓我們在O(1)的時間內找到鄰居節點。另外，按照官方的說法，在Neo4j中邊是最重要的,是”first-class entities”，所以單獨儲存，這有利於在圖遍歷的時候提高速度，也可以很方便地以任何方向進行遍歷。

更多的資料可以看參考資料第一條。

關於為什麼選圖形資料庫就說到這。如今可供選擇的圖形資料庫也不少，為什麼就選擇了Neo4j呢？我簡要歸結為以下幾點：

• 作為較早的一批圖形資料庫之一，文件和各種技術部落格較多。
• 最開始曾嘗試過flockdb（據說操作簡單+輕量級），但是敗於安裝過程…，依賴太多。
• 網上經常有人將orientdb，arangodb與neo4j做對比，我當然也考慮過orientdb和arangodb。從易用性來說都差不多。速度上的話看過一些評測，arangodb應該是相對最快的，因為其使用了混合索引。但是從穩定性來說，neo4j是最好的。

時間有限，我並沒有通讀Neo4j的官方文件。但作為一個數據庫使用者，能大概地瞭解為什麼要選這個資料庫就已經足夠了。

最後做個總結吧。圖形資料庫是這幾年興起的，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後，才能確定是否選擇圖形資料庫。

參考資料