圖數(shù)據(jù)庫、圖計(jì)算、圖中臺(tái)都是用圖論的方式去構(gòu)造實(shí)體間關(guān)聯(lián)的網(wǎng)絡(luò)。其中，實(shí)體用頂點(diǎn)來表達(dá)，而實(shí)體間的關(guān)系用邊來表達(dá)。圖數(shù)據(jù)庫的這種簡潔、自由、高維、100%還原世界的數(shù)據(jù)建模的方式讓實(shí)體間的關(guān)聯(lián)關(guān)系的計(jì)算比基于二維表和 SQL 查詢模式的關(guān)系型數(shù)據(jù)庫高效成千上萬倍。

新的業(yè)務(wù)場景和市場對(duì)于數(shù)據(jù)間的關(guān)聯(lián)分析、深度下鉆、科學(xué)計(jì)量、多維度分析與數(shù)據(jù)價(jià)值抽取有著剛性的需求——這些剛需需要基于實(shí)時(shí)圖計(jì)算的技術(shù)、產(chǎn)品和方案來滿足。

近二十年以來，全球 IT 市場上涌現(xiàn)出了十多家圖數(shù)據(jù)庫服務(wù)商，從傳統(tǒng)的非常學(xué)術(shù)化的 RDF（資源定義框架）模式圖到更新銳的 LPG（標(biāo)簽屬性圖）或?qū)傩詧D，還有那些在傳統(tǒng)的 SQL 數(shù)據(jù)庫或 NoSQL 數(shù)據(jù)庫上搭建的各種多模（非原生圖）數(shù)據(jù)庫解決方案，例如 Oracle PGX Graph、HBase+JanusGraph 等方案。

大多數(shù)圖解決方案，在進(jìn)行類似于表連接的操作時(shí)或許可以獲得比傳統(tǒng)的關(guān)系型數(shù)據(jù)庫（例如 Oracle 或 Mysql）高出指數(shù)級(jí)（例如 5—1000 倍）的性能提升，但是它們?cè)诿鎸?duì)深度的搜索、關(guān)聯(lián)、計(jì)算或高并發(fā)、實(shí)時(shí)決策場景時(shí)任然會(huì)遇到巨大的挑戰(zhàn)（換言之，在深度數(shù)據(jù)挖掘與計(jì)算場景中，要比關(guān)系型數(shù)據(jù)庫、數(shù)倉有百萬倍以上的計(jì)算性能提升才有可能做到實(shí)時(shí)性）。

作為前沿科技的圖計(jì)算技術(shù)在近十年已歷經(jīng)四代演進(jìn)，第一代例如 JanusGraph，第二代例如 Neo4j、第三代例如 TigerGraph，第四代例如嬴圖——尤其在金融級(jí)環(huán)境中的應(yīng)用，無論是性能、功能亦或是用戶體驗(yàn)均得到指數(shù)級(jí)的增強(qiáng)和突破。

帶著這些問題，我們先來明確一些概念，厘清這些概念對(duì)于去偽存真意義重大。無論是數(shù)據(jù)庫、數(shù)據(jù)倉庫、數(shù)據(jù)湖泊還是數(shù)據(jù)中臺(tái)、計(jì)算引擎，性能一定是第一公民，性能低下的系統(tǒng)沒有可能作為業(yè)務(wù)支撐系統(tǒng)長期存在，然而，在以關(guān)系型數(shù)據(jù)庫為主體的數(shù)據(jù)庫市場中，存儲(chǔ)引擎才是一等公民，計(jì)算只是二等公民（如果讀者對(duì)于那些隨處可見的效率低下、靈活性差、可解釋性差、開發(fā)周期漫長的 SQL 存儲(chǔ)過程心有余悸的話）—— 在越來越多的業(yè)務(wù)場景中，圍繞著 SQL 理念而構(gòu)建的系統(tǒng)變成了阻礙業(yè)務(wù)前進(jìn)的最大障礙！這也是為什么 SQL 或關(guān)系型數(shù)據(jù)庫、數(shù)倉、數(shù)湖終將會(huì)消亡的底層邏輯。

我們知道，所有真正意義上的高性能系統(tǒng)（HPC/S 即高性能計(jì)算與存儲(chǔ)）的共通之處必有以下三條：

• 計(jì)算：高并發(fā)計(jì)算的能力（HPC）
• 存儲(chǔ)：內(nèi)存與外存的綜合優(yōu)化利用（HPS）
• 網(wǎng)絡(luò)：高吞吐、低延遲系統(tǒng)（HPN）

它們有著重要性主次先后的順序，計(jì)算能力解決后再解決存儲(chǔ)的問題，最后再解決網(wǎng)絡(luò)的問題。當(dāng)然，計(jì)算、存儲(chǔ)與網(wǎng)絡(luò)也是云計(jì)算的三要素，它們各自都可能會(huì)對(duì)應(yīng)著業(yè)務(wù)需求中的某些邏輯。但是，沒有任何一個(gè)高性能的數(shù)據(jù)庫級(jí)別的系統(tǒng)可以在不充分釋放算力的條件下實(shí)現(xiàn)高性能！任何一個(gè)鼓吹分布式但是在任一實(shí)例上不能做到充分并發(fā)的圖數(shù)據(jù)庫系統(tǒng)都是浪費(fèi)資源且無法創(chuàng)造真正、可持續(xù)的商業(yè)價(jià)值！

嬴圖創(chuàng)新性的發(fā)明，并在最嚴(yán)苛的金融級(jí)商用場景（高并發(fā)、低延遲）中成功的使用了如下技術(shù)：

• High-Density Parallel Graph Computing（高密度并發(fā)圖計(jì)算）
• LinearScalable Graph Computing（線性可擴(kuò)展圖計(jì)算能力）
• Ultra-Deep Graph Traversal（超深度圖遍歷能力）
• Dynamic Graph Pruning（動(dòng)態(tài)圖剪枝）

這些新技術(shù)的運(yùn)用為企業(yè)所帶來的直接收益就是：

• TCO 的有效降低（達(dá) 70%）
• 實(shí)施交付速度的大幅提升（交付周期縮短達(dá) 80%）
• 優(yōu)質(zhì)的用戶體驗(yàn)（整個(gè)系統(tǒng)的易用性、可用性、穩(wěn)定性）

對(duì)于圖數(shù)據(jù)庫系統(tǒng)而言，嬴圖創(chuàng)新性地使用了高密度并發(fā)圖計(jì)算基礎(chǔ)架構(gòu)、高并發(fā)、低延遲、支持遞歸查詢數(shù)據(jù)結(jié)構(gòu)，并對(duì)全部圖上的操作、查詢、計(jì)算和圖算法進(jìn)行了并行化改造，相比原生的串行化的圖算法，實(shí)現(xiàn)了指數(shù)級(jí)的性能提升這與優(yōu)化和互聯(lián)網(wǎng)企業(yè)所構(gòu)建的常見的 Web 中心式的分布式系統(tǒng)非常不同，Web 是無狀態(tài)的，但是圖的計(jì)算是有狀態(tài)的，圖計(jì)算更多的是“長鏈交易”的查詢與計(jì)算，這個(gè)與互聯(lián)網(wǎng)常見的“秒殺”系統(tǒng)背后的“短鏈交易”的查詢與計(jì)算的設(shè)計(jì)與實(shí)現(xiàn)有很大的差異。

低效的、錯(cuò)誤的分布式系統(tǒng)設(shè)計(jì)會(huì)有如下特征：

1. 系統(tǒng)的整體性能因水平分布的實(shí)例間的通信量指數(shù)級(jí)上升而導(dǎo)致性能的指數(shù)級(jí)下降，甚至（集群）完全不可用；
2. 集群的并發(fā)規(guī)模具象到單個(gè)實(shí)例的并發(fā)規(guī)模很低，或者說計(jì)算密度太低而導(dǎo)致的底層硬件資源的大幅浪費(fèi)。

以上兩點(diǎn)，恰恰就是嬴圖極力規(guī)避并解決的核心問題！

• Shared-Nothing 架構(gòu)，任意集群節(jié)點(diǎn)（實(shí)例）的下線不會(huì)造成整個(gè)集群無法工作；
• HTAP 架構(gòu)，在一個(gè)水平分布式集群內(nèi)融合了 OLTP+OLAP 的數(shù)據(jù)（業(yè)務(wù)）處理能力；
• 充分的對(duì)底層硬件，例如 X86 CPU 的高密度并發(fā)算力的釋放，同時(shí)支持 ARM 架構(gòu)。
• 面向圖的整體性而設(shè)計(jì)的線性可擴(kuò)展的系統(tǒng)架構(gòu)；
• 在圖上實(shí)現(xiàn)的深度搜索的能力；
• 動(dòng)態(tài)剪枝的能力：在圖上計(jì)算的時(shí)候，例如深度圖遍歷不會(huì)導(dǎo)致性能下降，甚至可以實(shí)現(xiàn)性能提升——例如通過動(dòng)態(tài)的圖上剪枝來實(shí)現(xiàn)指數(shù)級(jí)的性能提升；
• CAP 集群實(shí)現(xiàn)：保證集群的可用性、分區(qū)與數(shù)據(jù)一致性（最終一致性）。

嬴圖HTAP Cluster - 集群架構(gòu)示意圖

數(shù)據(jù)批量導(dǎo)入、動(dòng)態(tài)更新、點(diǎn)、邊查詢、過濾查詢、路徑查詢、模板查詢、K鄰查詢、實(shí)時(shí)圖算法、全圖算法、圖嵌入（圖神經(jīng)網(wǎng)絡(luò)計(jì)算）…… 嬴圖完成了全維度、一系列的性能指標(biāo)測試與壓力測試，尤其在對(duì)時(shí)效性、安全性、海量數(shù)據(jù)處理能力等要求更高的金融級(jí)商業(yè)場景應(yīng)用中，嬴圖以穩(wěn)定性、易用性、可集成性、功能性的多方性能優(yōu)勢領(lǐng)先于其他同類產(chǎn)品性能（評(píng)測結(jié)果對(duì)比如下圖所示）。