这个Neo4j与关系数据库管理系统的执行时间比较正确吗？
背景:以下是书“图形数据库”中提到的性能测试(Neo4j在行动中)：
图中的关系自然形成路径。查询或遍历该图涉及以下路径。由于数据模型从根本上讲是面向路径的，大多数基于路径的图形数据库操作都与数据的布局方式高度一致，使得它们非常高效。在他们的“Neo4j In Action”一书中，Partner和Vukotic使用关系存储和Neo4j进行了一个实验。比较表明，图形数据库对于连接数据的速度要比关系型store.Partner要快得多，Vukotic的实验试图在社交网络中找到朋友的朋友，最大深度为5。在任意两个人随机选择的情况下，是否有一条连接他们最多五段关系的道路？对于一个由100万人组成的社交网络，每个人都有大约50个朋友，研究结果强烈表明，图表数据库是连接数据的最佳选择，如表2-1所示。表2-1.在关系数据库中查找扩展朋友与高效查找Neo4j深度关系数据库执行时间(s)、Neo4j执行时间(s)记录分别返回2 0.016 0.0 1~2 500 3 30.267 0.168 ~110,000 4 1543.505 1.359~60万~5未完成2.132 ~80万深二(友友)关系数据库和图形数据库的表现，足以让我们考虑在一个在线系统中使用它们。虽然Neo4j查询运行的时间是关系查询的三分之二，但最终用户几乎不会注意到两者之间的毫秒之间的差异。然而，当我们深入到第三层(朋友之友)时，关系数据库显然无法在合理的时间框架内处理查询:对于一个在线系统来说，完成它所需的30秒是完全不可接受的。相反，Neo4j的响应时间相对来说是持平的:只需一秒钟就可以执行查询--对于在线系统来说绝对足够快。在第四个深度，关系数据库显示了严重的延迟，使得它对在线系统几乎毫无用处。Neo4j的计时也有一点恶化，但是对于一个响应性的在线系统来说，延迟是可以接受的。最后，在第五层，关系数据库只需太长时间就可以完成查询。相反，Neo4j在大约2秒内返回一个结果。在第五层，我们发现几乎整个网络都是我们的朋友:对于很多现实世界的用例，我们可能会减少结果和时间。
问题是：
- 这是否是一个合理的测试，以模仿一个人除了在社交网络中可能发现什么？(这意味着，真正的社交网络通常有大约50个好友的节点；似乎"有钱人富起来“模式对于社交网络来说更自然，尽管可能是错的。)
- 不管模拟的自然程度如何，是否有理由相信结果是错误的，或者说是不可复制的？
回答 2
Data Science用户
发布于 2014-05-15 09:30:36
看一下这个叫做Facebook的剖析的文档，我注意到中位数是100。看一看累积函数图，我可以打赌平均值会更高，接近200。所以50似乎不是这里最好的数字。然而，我认为这不是这里的主要问题。
主要问题是缺乏关于如何使用数据库的资料。
一个专门为图形结构设计的数据存储比传统的RDBMs更有效，这似乎是合理的。然而，即使RDBMs没有在最新的趋势中作为数据存储的选择，这些系统在与数据集维度的竞争中不断发展。有各种可能的设计，各种索引数据的方法，与并发性相关的改进等等。
最后，我认为在可重现性方面，本研究缺乏对数据库模式设计的适当描述。我不认为数据库会在这样的审讯中占据主导地位，但我认为，如果设计得很好，差异就不会那么大。
Data Science用户
发布于 2015-05-10 21:12:49
在RDBMS中有良好的/快速的图形建模方法，也有哑/慢的方法。
- 有些人使用聪明的索引和存储过程，交易CPU负载和调优RAM磁盘上的临时表，以加快图形检索速度。
- 有些人使用预先计算的图形路径(在社交网络场景中这可能不太可行，但是在大多数节点是叶节点的树中，这是一个很好的时间交换空间。)
- 有些只是在循环中计算，使用未调优的索引临时表。从文章中的S，闻起来就像他们所做的那样(比如，在非常小的数据集上30秒的性能)，我有自己的树计算。
- 它封装在一个高度调优的存储proc中。
- 当它在企业规模的Sybase ASE15数据服务器中运行时，该服务器与来自所有其他企业应用程序的几兆字节的数据共享，其中一些数据比我的更需要数据；而且并不是专门用于执行我的查询。
- 我无法访问主加速工具，即RAM磁盘上的临时表。
- 我正在检索的一组有代表性的数据似乎与他们的数据相匹配，那就是从2.5M节点的全森林数据集中获取15万个节点子树(无限树的深度，其变化范围在5到15之间，但与实验中列出的50个朋友相比，给定节点的平均可用性要小得多)。
- 我把它调到了这个查询大约30-45秒的程度。毫无疑问，问题中的数据似乎表明了RDBMS性能上的指数减速，这是额外的双重奇怪，因为结果集没有指数增长(在我看来，结果集上有一些未经调整的索引，根据个人经验)。
因此，这种比较很可能是不正确的，并且基于糟糕的RDBMS方面的设计，尽管正如前面的答案所指出的，如果没有它们100%的代码和表定义的开源，就不可能确定。
https://datascience.stackexchange.com/questions/77
复制相似问题
腾讯云开发者
