随着社交、电商、金融、零售、物联网等行业的快速发展，现实社会织起了了一张庞大而复杂的关系网，亟需一种支持海量复杂数据关系运算的数据库即图数据库。本系列文章是学习知识图谱以及图数据库相关的知识梳理与总结
本文会包含如下内容：
- 基于friendster数据，对比测试HugeGraph与Nebula的图遍历查询性能
本篇文章适合人群：架构师、技术专家、对知识图谱与图数据库感兴趣的高级工程师
在nebula，hugegraph单机版分别导入 friendster数据。 服务器版本是： CPU: 2 * Intel(R) Xeon(R) CPU E5-2680 v4 @ 2.40GHz， 内存：256GB， 硬盘：SAS盘
friendster数据集的统计信息如下：共有65608366个顶点，1806067135条边，约18亿+的数据量
测试基于导入的friendster数据进行。
环境搭建及数据导入，参见我之前的blog，地址如下：
注意：
- nebula如果要使用match语句，需要提前针对person创建索引，语句如下：
create tag index indexPerson on person();
rebuild tag index indexEntityName;
索引创建完毕后，则能正常使用match语句
- hugegraph rest api测试时，只写了请求路径，在实际测试中，需要在前面添加http://ip:port, 并将xxxgraph替换为实际的图名称
测试结论：
-
nebula与hugegraph针对业务上常用的图遍历查询【一二度好友、共同好友】都能在秒内返回
-
nebula的go语句的查询性能比match语句要好，match语句估计官方后续会持续优化，建议使用go语句
-
hugegraph基于REST API查询性能比使用gremlin语句要好，建议使用REST API.
go from 969679 over friend yield friend._dst as vid
结果：35条
耗时：0.002s
MATCH (v:person)-[e:friend*1]->(p)
where id(v)==969679 RETURN id(p)
结果：35条
耗时：0.011s
g.V(969679).outE().otherV()
.valueMap(‘id’)
结果：35条
耗时：0.047s
/graphs/xxxgraph/traversers/kout
?source=969679
&direction=OUT&max_depth=1
结果：35条
耗时：0.003s
go 2 steps from 969679 over friend yield friend._dst as vid
结果：5645条
耗时：0.021s
MATCH (v:person)-[e:friend*2]->(p) where id(v)==969679 RETURN id(p)
结果：5645条
耗时：0.172s
g.V(969679).outE().otherV().outE()
.otherV().valueMap(‘id’)
结果：5645条
耗时：0.067s
/graphs/xxxgraph/traversers/kout?source=969679&direction=OUT
&max_depth=2
结果: 5446条，因为针对结果去重，
耗时：0.029s
go from 969679 over friend intersect go from 6109361 over friend
结果：1条
耗时：0.016s
MATCH (v:person)-[e:friend1]->(p) where id(v)==969679 return id(p) intersect MATCH (v:person)-[e:friend1]->(p) where id(v)==6109361 return id(p)
结果：1条
耗时：0.021s
g.V(969679).outE().otherV()
.aggregate(‘x’)
.has(‘id’,6109361).outE().otherV()
.where(within(‘x’)).dedup().valueMap(‘id’)
结果：1条
耗时：0.008s
/graphs/xxxgraph/traversers/sameneighbors?vertex=969679&other=6109361
&direction=OUT&label=friend
结果: 1条
耗时：0.004s
针对kout，hugegraph的REST API提供了基础版和高级版两个版本，高级版使用POST请求，参数如下：
注意：
- 如果将nearest参数修改为false,则数量是：5463，nearest参数解释如下：
nearest为true时，代表起始顶点到达结果顶点的最短路径长度为depth，不存在更短的路径；
nearest为false时，代表起始顶点到结果顶点有一条长度为depth的路径（未必最短且可以有环），选填项，默认为true
- rest api的返回结果是去重的，所以数量上少一些（不去重是5645条）
{
"source":969679,
"step":{
"direction":"OUT",
"labels":[
"friend"
]
},
"max_depth":1,
"nearest":true,
"with_vertex":false,
"with_path":true,
"limit":10000
}
Original: https://blog.csdn.net/penriver/article/details/115504322
Author: java编程艺术
Title: 基于10亿+数据，HugeGraph与Nebula Graph的图遍历查询性能测试
原创文章受到原创版权保护。转载请注明出处：https://www.johngo689.com/556103/
转载文章受原作者版权保护。转载请注明原作者出处！