使用图形数据库将更好的进行数据存储

使用图形数据库将更好的进行数据存储

这意味着您编写的每个查询都有非常清晰，明确的语义。没有隐藏的假设，例如关系SQL，您必须知道FROM 子句中的表将如何 隐式形成笛卡尔积。除了易于使用之外，例如常规路径模式匹配，累加器概念允许精细控制以保持数据的中间查询状态。

它们具有优异的性能，可用于查询相关数据，无论大小。图表本质上是索引数据结构。它永远不需要加载或触摸给定查询的不相关数据。它们是实时大数据分析查询的绝佳解决方案。

图形数据库可以在同时支持查询的同时对大数据执行实时更新。这是现有大数据管理系统（如Hadoop HDFS）的一个主要缺点，因为它是专为数据湖设计的，其中顺序扫描和附加新数据（无随机搜索）是预期工作负载的特征，它是架构设计的选择确保整个文件的快速扫描I / O. 假设任何查询都会触及文件的大部分，而图形数据库只触及相关数据，因此顺序扫描不是优化假设。

图形数据库在为您的查询提供服务时提供灵活的在线模式演变。您可以不断添加和删除新的顶点或边缘类型或其属性，以扩展或缩小数据模型。大多数现有查询仍然有效！管理爆炸性和不断变化的对象类型非常方便。关系数据库无法轻易地适应这一要求，这在现代数据管理时代是司空见惯的。

此外，我们可以使用共享一些公共顶点的多个可达性查询来扩展单对顶点可达性查询。可以将一组可达性路径查询捆绑在一起以相互约束以形成有趣的子图模式。这就是所谓的联合图查询（CQ）。CQ允许用户提出子图模式并要求数据库返回与此模式匹配的所有子图实例。例如，给予公司，找到直接或间接投资公司的投资者； 投资者与公司的创始人有直接或间接的联系。

在关系数据库中很难做到可达性查询，因为没有预定数量的JOIN。如果我们根据路径的某些测量值对连接（路径）进行排序会变得更加困难。例如，找到两个城市之间所有航班时刻表的短路径; 在社交图上找到对我来说距离最短的人可以将我连接到某个目标用户等。在图查询语言的边缘模式中使用正则表达式来表达这类递归路径查询很容易。相比之下，即使使用SQL 99 递归子句，在SQL中执行此操作也非常困难。

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。