图形数据库是 NoSQL 数据库的一种类型，它应用图形理论存储实体之间的关系信息。最常见的例子，就是社会网络中人与人之间的关系。关系型数据库用于存储关系型数据的效果并不好，其查询复杂、缓慢、超出预期，而图形数据库的独特设计恰恰弥补了这个缺陷。Google的图形计算系统名为 Pregel。
Titan是一个高度可扩展的开源图形数据库。图形数据库是一种NoSQL数据库，其中所有数据都存储为节点（nodes）和边（edges）。图形数据库适用于高度连接数据的应用程序，其中数据之间的关系是应用程序功能的重要部分，如社交网站。Titan用于存储和查询分布在多台机器上的大量数据。它可以使用各种存储后端，如Apache Cassandra，HBase和BerkeleyDB。在本教程中，您将安装Titan 1.0，然后配置Titan以使用Cassandra和ElasticSearch。Cassandra充当保存底层数据的数据存储区，而ElasticSearch是一个自由文本搜索引擎，可用于在数据库中执行一些复杂的搜索操作。您还将使用Gremlin从数据库创建和查询数据。
本节将使用Gods图作为演示示例，此图在JanusGraph演示中广泛使用。该图如下图所示。这个抽象的数据模型对应图模型中的属性，这个特定的实例描述了罗马万神殿中人物和地点之间的关系。此外，图中的特殊文本和符号修饰符(如：粗体、下划线等)表示图中不同的示意图/类型。
Gremlin是JanusGraph的查询语言，用于从图中检索数据和更新数据。 Gremlin是一种面向路径的语言，它能够简洁地表示复杂的图形遍历和多步操作。 Gremlin是一种函数式语言，遍历运算被链接在一起形成类似路径的表达式。 例如，“从Hercules，遍历他的父亲，然后他父亲的父亲，并返回祖父的名字。”
金融机构每年因欺诈带来的坏账损失每年高达数百万美元。随着在线数据量的增长，骗子的行骗能力也水涨船高，精心设计的骗局、身份窃取、欺诈手段及一些新型的诈骗手段层出不穷，方法复杂且容易广泛复制，当事后发现时，已经太迟了，客户和企业往往已经损失惨重。
这篇文章最初由Stephen Mallette和Daniel Kuppitz在Aurelius发表。
在数据库深度挖掘的第三部分中，我们与JanusGraph PMC成员Florian Hockmann和Jason Plurad进行了交流，以获得关于广泛的Graph世界的一些指导。
我将直接切入主题，Jaeger目前只可视化收集来自测仪应用程序的数据。它不执行任何后处理（除了服务依赖关系图）或任何计算，以从它收集的跟踪中获得其他有趣的指标或特性。这是一个遗憾，因为跟踪包含了所有遥测信号中最丰富的信息！
Gremlin是Apache TinkerPop 框架下的图遍历语言，而TinkerPop是JanusGraph的搜索引擎。Gremlin是一种函数式数据流语言，可以使得用户使用简洁的方式表述复杂的属性图（property graph）的遍历或查询。
目前我们的图数据库数据量为 顶点 20 亿，边 200 亿的规模。在迁移之前我们使用的 AgensGraph 数据库 一个主库四个备库，机器的配置都比较高，256G 内存 SSD 的磁盘，单机数据量为 3T左右。 在数据量比较小的情况下 AgensGraph 表现非常稳定优异，我们之前一主一备的情况下支撑了很长一段时间。 但随着公司业务的急速发展，图越来越大，占用的磁盘越来越多，对应的查询量也越来越大，随之这种方案的问题就暴露出来了
gremlin的查询是流式查询，一步一步的进行下去，当然这里的“一步”可能是一个方法（g.V().has()）也可能是多个方法组成的一步(g.V().order().by(desc,‘age’))。下面看一个案例
本文的内容最初由Marko Rodriguez和Bobby Norton在Aurelius博客上共同撰写。
存储大规模知识图谱，且便于对知识进行更新，但当知识图谱查询的选择性较大时，查询性能明显下降
tinkerpop是一个图库标准，一个框架，学习图库，先从这个项目入手比较合适, neo4j, janusGraph只是它两个组件（图storage-engine）的vendor而已。图库是节点&边的集合，边描述了节点间的关联关系。
一个图G = （V, E）由一些点及点之间的连线（称为边）构成，V、E分别计G的点集合和边集合。在图的概念中，点的空间位置，边的区直长短都无关紧要，重要的是其中有几个点以及那些点之间有变相连。
图的查询和传统SQL查询有很大不同，它更加直观易于理解，但是偏离底层存储模型更远。Gremlin 是Apache TinkerPop开源项目的一部分，它是专门用于图数据库查询的语言，采用类 Scala 语法。需要了解 Gremlin可以参考下文档https://github.com/tinkerpop/gremlin/wiki。
注意，这里只是说了通过 提供类似图的语义查询功能，并没有规定图的存储结构。图数据库的主要优点：
Apache TinkerPop 提供了图数据库的抽象接口，方便第三方实现自己的图数据库以接入TinkerPop 技术栈，享受TinkerPop 的Gremlin、算法等福利。TinkerPop将这些第三方称为“Provider ”，知名的Provider包含janusGraph、neo4j、hugegraph等。
设想一个场景： 在金融的反欺诈场景下，当一个用户小李 请求订单，我们可以设定一个规则：
JanusGraph设计的目的是处理大图，单机无论是在存储和计算能力上都无法满足大图处理。大规模图实时计算和分析是JanusGraph最基本的优势。本节将讨论更多JanusGraph特有的优势以及它底层支持的存储方案。
JanusGraph数据库配置（官网中文翻译）.https://blog.csdn.net/wzwdcld/article/details/82082760
JanusGraph图是通过Schema定义，每个Schema包含边标签、属性、点标签。JanusGraph的Schema可以被显式或者隐式定义。 建议开发者在程序开发期间显式的定义图的Schema。显式的定义Schema可以提高程序的健壮性，也能够方便与同事的协作开发。注意，JanusGraph的Schema可以随着时间的推移而改变，而不会中断正常的数据库操作。扩展Schema不会减慢查询速度，也不需要数据库停机。
图数据库JanusGraph介绍及使用(一)：简介 https://blog.csdn.net/gobitan/article/details/80939224
首先，在数据结构中，图是一种由顶点（vertex）集合及顶点间关系集合组成的一种非线性数据结构。
Janusgraph Index --> graph index && vertex-centric index
图数据库的基本含义是以“图”这种数据结构存储和查询数据，而不是存储图片的数据库。它的数据模型主要是以节点和关系（边）来体现，也可处理键值对。它的优点是快速解决复杂的关系问题。 图将实体表现为节点，实体与其他实体连接的方式表现为联系。我们可以用这个通用的、富有表现力的结构来建模各种场景，从宇宙火箭的建造到道路系统，从食物的供应链及原产地追踪到人们的病历，甚至更多其他的场景。 图形数据库是NoSQL数据库的一种类型，它应用图形理论存储实体之间的关系信息。最常见的例子，就是社会网络中人与人之间的关系。关系型数据库用于存储关系型数据的效果并不好，其查询复杂、缓慢、超出预期，而图形数据库的独特设计恰恰弥补了这个缺陷。 目前主流的图数据库有：Neo4j，FlockDB，GraphDB，InfiniteGraph，Titan，JanusGraph，Pregel等。下面说一下JanusGraph 官网上：
关于HugeGraph，官方资料是这样介绍的，它是一款易用、高效、通用的开源图数据库系统（Graph Database）， 实现了 Apache TinkerPop3 框架及完全兼容 Gremlin 查询语言， 具备完善的工具链组件，助力用户轻松构建基于图数据库之上的应用和产品。HugeGraph 支持百亿以上的顶点和边快速导入，并提供毫秒级的关联关系查询能力（OLTP）， 并可与 Hadoop、Spark 等大数据平台集成以进行离线分析（OLAP）。
Apache软件基金会最近宣布：TinkerPop 升级为顶级项目 TinkerPop 是一个图计算框架，用来进行实时的事务型处理，和批量的图分析，包含了一系列以 Gremlin 引擎为核心的子项目和模块 图是一种描述数据存储结构的方式，比如键值对结构，也是存储数据的一种方式，只是图结构更为复杂 图是由顶点和边组成的，点和边各自都可以包含任意多个键值对形式的属性 点是用来描述离散的对象，例如 人、地点、事件 边是对点之间关系的描述，例如，一个人可以认识另一个人、一个人参与了某件事、一个人在某个地方 属性描述
在K8s中，调度是指将Pod放置到合适的节点上。调度器通过 K8s 的监测机制来发现集群中新创建且尚未被调度到节点上的Pod。 调度器会将所发现的每一个未调度的Pod调度到一个合适的节点上来运行。
通常我们通过 AVCaptureSession 相关的 API 来进行音视频的采集，其中主要组件分为 Input、Output、Session 几个部分：
图查询语言是用于对图数据进行查询和操作的编程语言。随着图数据库的兴起和图数据的应用场景逐渐增多，图查询语言也在不断进化。
由于事物之间普遍联系的哲学原理，网络结构无处不在。例如，微信用户之间的好友关系形成社群网络，科学论文间的相互引用关系形成文献网络，城市之间的道路连接形成交通网络 …… 可以说，万事万物都处在一个复杂网络当中。马克思·韦伯也说：人是悬挂在自己编织的意义之网上的动物。网太重要了，所以我们每次到一个新的地方，我们都会问：老板，有网吗？wifi密码是什么？
JanusGraph使用Gremlin Server引擎作为服务组件来处理和响应客户端查询。 当打包在JanusGraph中时，Gremlin Server被称为JanusGraph Server。
JanusGraph采用多层数据缓存来促进快速图形遍历。这里按照从JanusGraph事务中访问它们的顺序列出了缓存层。缓存越接近事务，缓存访问越快，内存占用和维护开销就越高。
在软件开发中，测试是确保代码质量和稳定性的关键步骤之一。而自动生成测试用例可以大大提高测试效率和覆盖率。GraphWalker 是一个基于模型的测试工具，能够帮助开发者通过定义和遍历图模型来自动生成高质量的测试用例。
标记显示地图上的单一位置。它可以使用一个标准的图标，也可以由开发 者自定义图标。您可以通过 AMap.addMarker(MarkerOptions Options) 方 法将一个标记添加到地图上。 MarkerOptions属性有： • position(Required) 在地图上标记位置的经纬度值。 参数不能为空。 • title 当用户点击标记，在信息窗口上显示的字符串（测试发现，点击没有任何效果）。 • snippet 附加文本，显示在标题下方（测试发现，点击没有任何效果）。 • draggable 如果您允许用户可以自由移动标记，设置为“true ” ，默认情况下为“false ” 。 • visible 设置“false ” ，标记不可见。 • anchor图标摆放在地图上的基准点。 • perspective设置 true，标记有近大远小效果。 • 可以通过Marker.setRotateAngle() 方法设置标记的 旋转角度，从正北开始，逆时针计算。
OrientDB 的下载地址: http://www.orientdb.org/download
知识图谱是描述客观世界存在的概念或实体以及它们之间的关系，本质上是一种基于图模型的关联网络知识表达，将实体抽象为顶点，将实体之间的关系抽象为边，通过结构化的形式对知识进行建模和描述，并将知识可视化。由于极强的表达能力和可解释性，当前已大量应用在搜索引擎、故障诊断、辅助检修、智能问答、推荐等多个领域。
上面部分引用了维基百科对图数据库的词条来讲解何为图数据库，而本文整理于图数据库 Nebula Graph 交流群中对图数据库的零碎知识，作为对图数据库知识的补充。本文分为小知识及 Q&A 两部分。
最近在对图查询语言 GQL 和国际标准草案做个梳理，调研过程中找到下面这篇 mark 了没细看的旧文（毕竟收藏就是看过）。做个简单的记录。
我们用过链表会发现，我们要想在链表中搜索或者访问一个元素时特别麻烦的，时间时间复杂度是O(N)的，为什么搜索和访问那么慢呢？？ 我们仔细一想
有一个树形无向图，它描述了国、省、市、区之间的层级关系，此时我们想找图中的某一个结点，它位于图中的第几层，此时你应该怎么做？
可以使用ConfiguredGraphFactory去配置JanusGraph Server。 ConfiguredGraphFactory是图的一种访问方式，类似于JanusGraphFactory。 这些图的工厂类提供了动态管理托管在服务器上的图的方法。
还记得我之前写过一篇文章叫做《Docker快速部署项目，极速搭建分布式》，在那里讲述了如何去使用docker swarm，如何构建自己的私人镜像仓库。随着最近的业务量的增长，机子加多。对于docker swarm管理难度有上升的趋势。主要的问题有以下几个
领取专属 10元无门槛券
手把手带您无忧上云
