最近在抓取一些社交網(wǎng)站的數(shù)據(jù)，抓下來的數(shù)據(jù)用MySql存儲。問我為什么用MySql，那自然是入門簡單，并且我當(dāng)時只熟悉MySql。可是，隨著數(shù)據(jù)量越來越大，有一個問題始終困擾著我，那就是社交關(guān)系的存儲。

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(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的一個粉絲 id）存為一條數(shù)據(jù)，那么當(dāng)用戶數(shù)量上來的時候，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(jù)id哈希到100張表中。查詢一個用戶有哪些粉絲是快了，但是查詢一個用戶關(guān)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(guān)注的一個用戶的id）再構(gòu)造100張表，于是兩種查詢都快了。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SQL查表）。

于是，在搜索更好的方案時無意間發(fā)現(xiàn)了圖形數(shù)據(jù)庫，查閱一番資料后感覺確實是個不錯的選擇，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，這里只是說數(shù)據(jù)模型是圖結(jié)構(gòu)的，沒有說數(shù)據(jù)的存儲也一定要是圖結(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

拿比較常用的圖形數(shù)據(jù)庫Neo4j來舉例說明，首先，先簡要介紹一下Neo4j。Neo4j是由Java和Scala寫成的一個NoSql數(shù)據(jù)庫，專門用于網(wǎng)絡(luò)圖的存儲。更詳細的內(nèi)容可見官網(wǎng)。作為一個圖形數(shù)據(jù)庫，Neo4j有以下優(yōu)點：

1.更快的數(shù)據(jù)庫操作。當(dāng)然，有一個前提條件，那就是數(shù)據(jù)量較大，在MySql中存儲的話需要許多表，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語句也更好寫（Neo4j使用Cypher語言，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，都是一律的節(jié)點和邊，只需要考慮節(jié)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(guān)系。

4.數(shù)據(jù)庫操作的速度并不會隨著數(shù)據(jù)庫的增大有明顯的降低。這得益于Neo4j特殊的數(shù)據(jù)存儲結(jié)構(gòu)和專門優(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。我將從Neo4j的數(shù)據(jù)存儲和數(shù)據(jù)讀寫兩方面來說明為什么選它。

1.數(shù)據(jù)存儲

Neo4j對于圖的存儲自然是經(jīng)過特別優(yōu)化的。不像傳統(tǒng)數(shù)據(jù)庫的一條記錄一條數(shù)據(jù)的存儲方式，Neo4j的存儲方式是：節(jié)點的類別，屬性，邊的類別，屬性等都是分開存儲的，這將大大有助于提高圖形數(shù)據(jù)庫的性能。如下圖：

2.數(shù)據(jù)讀寫

在Neo4j中，存儲節(jié)點時使用了"index-free adjacency"，即每個節(jié)點都有指向其鄰居節(jié)點的指針，可以讓我們在O(1)的時間內(nèi)找到鄰居節(jié)點。另外，按照官方的說法，在Neo4j中邊是最重要的,是"first-class entities"，所以單獨存儲，這有利于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。

為什么要選Neo4j

如今可供選擇的圖形數(shù)據(jù)庫也不少，為什么就選擇了Neo4j呢？我簡要歸結(jié)為以下幾點：

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

2.最開始曾嘗試過flockdb（據(jù)說操作簡單+輕量級），但是敗于安裝過程，依賴太多。

3.網(wǎng)上經(jīng)常有人將orientdb，arangodb與neo4j做對比，我當(dāng)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(yīng)該是相對最快的，因為其使用了混合索引。但是從穩(wěn)定性來說，neo4j是最好的。

最后做個總結(jié)吧。圖形數(shù)據(jù)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后，才能確定是否選擇圖形數(shù)據(jù)庫。如果仍有疑慮，不確定是否有這個需求，或是在使用neo4j時遇到了難點，慧都學(xué)院推出的會是一個不錯的選擇。由數(shù)據(jù)庫領(lǐng)域資深專家傾力打造的系統(tǒng)性講解，不僅有干貨，還有點對點問答互動，現(xiàn)在關(guān)注慧都學(xué)院官方微信公眾號即有機會獲得免費聽課券！（作者： | 編輯：學(xué)院君）

更多行業(yè)資訊，更新鮮的技術(shù)動態(tài)，盡在。