图数据库行业应用场景分析

1、技术创新，变革未来图数据库行业应用场景分析目 录市场分析应用分析案例实战行业展望1. 市场分析急速增长中的图数据库一图胜过千言万语比起传统的信息存储和组织模式，图数据库能够 很清晰揭示复杂的模式,尤其在错综复杂的社交， 物流，金融风控行业效果更为明显。兼具直观性的图数据库图数据库：特点更好，更快速的查询和分析：图数据库为查询相关数据（无论大小）提供了卓越的性能。 图模型提供了固有的索引数据结构，因此它不需要为 给定条件的查询加载或接触不相关的数据。 这使得它成为更好、更快的实时大数据分析查询的绝佳解决方案。更简单和更自然的数据建模：使用关系型数据库建模的人都需要了解数据库的规范化和参照完整性的

2、严格规则。 一些NoSQL数据库则走向了另 一个极端，将所有类型的数据放在一个大型表中。 另一方面，在图数据库中，可以定义任意类型的顶点类型来表 示对象，并定义边类型来表示特定的关系。同时支持实时更新和查询：图数据库支持对大图形数据的实时更新，同时支持查询。数据结构的灵活性：图数据库具有灵活的schema修改。 用户可以不断添加或删除新的顶点、边和属性，扩展或缩小数据模型。 这对 管理不断变化的对象类型特别方便。 大多数图数据库可以在线修改schema，同时继续提供查询。图数据库营收基于Forrester的预估，3家超1亿美金，6家在千万美金以上图数据库客户主要集中在北美，欧洲，行业集中在金融

3、，电信，政府图数据库的关注度越来越多，并且大都是有持续在更新2. 应用分析从数据中提取信息，串成知识，然后不断验证，形成智慧智 慧知 识 信 息数 据社交网络金融风控知识图谱关系分析车联网应用网络&IT运维推荐引擎覆众多行业场景，尤其是在社交和金融风控领域社交网络数十亿个关系查询 延迟降低到秒级， 目前传统关系型数 据库基本无法实现 超过3层好友关系的 查询。推荐引擎网络&IT运维基础设备规模庞大、 结构复杂， 帮助深 入了解设备状态、 设备之间的关系， 实现全网络设备智 能监控与管理。金融风控提供实时的用户行 为检测， 识别敏感 用户， 及时识别欺 诈风险， 错综复杂 的人物关系分析， 进行

4、用户分群， 识 别异常群体通过用户兴趣、好 友和阅读历史记录 等信息之间的关系, 向用户提供推荐。电商，短视频,新零 售等都有强烈需求。金融风控场景涉及维度多，传统数据库无法很好解决银行风险压力合规监管风险 黑产欺诈风险 内部员工风险利用图谱网络开展风险管理员工管理员工与亲属、员工与外部企业客户管理财务状况、征信、行业、资金流动性、重大事件关系管理亲属关系、股权关系、集团关系、业务关系、供应链、行业关系业务管理业务流程、业务合规、业务资金、业务进展、业务数据金融风控场景涉及维度多，传统数据库无法很好解决腾讯TGDB解决金融痛点。发现隐藏股东和集团边界情况发现风险预警环状汇聚担保关系挖掘黑产团伙

5、挖掘商机挖掘分析场景腾讯云数图TGDB的业务架构图企业内部历史数据HDFS数据库数据仓库其他数据存储系统分布式缓存外部数据 实时流数据基础层取数管理模块数据清理模块元数据管理模块知识图谱构建模块平台层TGDB分布式图运算平台TGDB分布式图数据库智能层模型构建与优化引擎图挖掘引擎机器学习引擎NLP引擎规则引擎接口层交互式可视化数据探索视窗CypherGremlinSDKJava API应用层用户画像风险侦测风险预警反欺诈实时信审3. 优劣对比图数据库目前优势明显，还需在性能和周边需要完善。图数据库在处理关联关系上具有完全的优势，特别是在我们这个社交网络得到极大发展的互联网时代。例如 我们希望知

6、道谁LIKES（喜欢）谁（喜欢可以是单向或双向），也想知道谁是谁的FRIEND_OF（朋友），谁 是所有人的LEADER_OF（领导）。除了在关联查询中尤为明显的优越性，图数据库还有如下优势：用户可以面向对象的思考，用户使用的每个查询都有显式语义；用户可以实时更新和查询图数据库；图数据库可以灵活应对海量的关系变化，如增加删除关系、实体等；图数据库有利于实时的大数据挖掘结果可视化。图数据库虽然弥补了很多关系型数据库的缺陷，但还有一些不足地方，如：不适合记录大量基于事件的数据（例如日志条目）；二进制数据存储。并发性能要求高的项目。目前相关图查询语言比较多，尚未有很好统一。图数据库相关的一些书籍文档

7、偏少。 f ) 相关生态还在不断完善。/developer/guide-sql-to-cypher/Relational vs Graph的大比拼SELECT p.*FROM products as p;SELECT p.ProductName, p.UnitPriceFROM products as pORDER BY p.UnitPrice DESCLIMIT 10;MATCH(p:Product)RETURNp;MATCH(p:Product) RETURNductName,p.unitPrice ORDERB Yp.unitPrice DESC LIMIT10;SELECT p.Pro

8、ductName, p.UnitPriceFROM products AS pWHERE p.ProductName LIKE C% AND p.UnitPrice100;MATCH(p:Product)WHEREductNameSTAR TSWITHCANDp.unitPrice100RETURNduct Name,p.unitPrice;在常规查询面前，基本没有特别大的差异MATCH(p:ProductproductName:Chocolade)-:PRODUCT-(:Order)(l:ProductCategory)-:PARENT*0.- (:ProductCategoryname:Dairy Products)RETURN在复杂查询对比中，高下立盼。4. 行业展望https:/article/the-rise-and-rise-of-graph-databases/从调查看，不少行业已将图数据库作为计划实施。/2018/10/04/graphconnect-2018-linking-ai-and-graph