软江图灵人工智能图数据库上线，助力金融业务再升级

在5G、物联网、人工智能等技术的推动下，企业数据呈现爆发式增长，数据间的关联复杂度也随之剧增。在处理这些杂关联数据时，传统关系型数据库运算效率较低，难以进一步挖掘海量关系数据背后的价值。为了更好地利用数据间的连接，企业需要一种将实体间的关系进行存储、灵活拓展数据模型的数据库技术，这时图数据库出现了。

图数据库当前处于早期发展阶段，很多方面还没有形成标准和共识。什么样的场景会用到图数据库？图数据库在数据栈中处于什么样的位置？图数据库的发展有哪些挑战和机遇？

图数据库市场的规模正在快速增长，但相较于一些传统数据库领域，它仍然可以被视为蓝海市场。当前图数据库确实机遇与挑战并存，因为处于起步阶段，众多厂商野蛮生长，机会很多。不过也面临多方面挑战：一是图数据行业相关标准还未健全，厂商之间存在多方面差异，导致图数据的交换困难，还未做到互联互通；二是图数据库的应用场景需要充分挖掘，需要找准图数据库的切入点，并且充分发挥图数据库在关联分析等方面的优势；三是将现有数据转化为图数据存在一定的技术挑战，工程量也较大。

近日，软江图灵人工智能正式推出图数据库（G DATA），帮助解决图数据库市场发展过程中关联关系日趋复杂的难题，包括高效治理异构大数据、深度挖掘复杂网络以及推理预测隐性关联关系，助力业务升级。

目前，软江图灵人工智能图数据库已经提供了海量节点数据、关联关系和关联变量查询服务，为风控系统提供实时更新的关联变量查询服务。很好地支持了风控系统的关联变量查询需求。

支撑风控系统实时关联变量查询

如果把现实世界比喻成一张复杂的网络，用户和用户之间通过各种事物，比如设备、地址、联系方式产生关联，这形成了海量的、复杂的、互联的、多变的网状数据。在金融业务中，这些关联关系则成为判断欺诈用户、评估逾期风险的重要因素，也使得风控对于数据的关联查询需求日益增加、对实时性的要求也越来越高。

然而，传统的关系型数据库往往无法满足高效、实时的查询要求，耗时长且对线上数据库性能造成巨大压力。软江图灵人工智能图数据库的出现，能有效帮助解决这些难题。

数据同步实现低延迟、高可用

起初，软江图灵便以低延迟、高可用为设计目标，将图数据库定位为线上数据的异构从库。

同步程序简洁轻量，只将关联关系同步到图数据库，其他相关信息同步到文档型数据库。综合考虑数据库的写入性能，软江图灵人工智能基于Canal实现同步程序，利用Canal消费Binlog直接写入G DATA，减少中间链路，实现尽可能低的同步延迟，可实现比主数据延迟10ms左右。

数据同步功能同时支持历史数据加载和增量数据同步，只需要新增一个数据表到关联关系的配置，同步程序就可以开始进行历史数据加载，并且在历史数据加载完成之后切换到增量同步，确保了数据的完整性和实时性。

该方案实现了主备高可用。当主同步节点出现故障时，备用同步节点将被选择为主同步节点，继续进行同步工作。

赋能国际业务助力反诈升级

此前，软江图灵国内业务推出了基于软江图灵知识图谱的反欺诈调查前端系统，主要服务于反欺诈调查和团案分析。软江图灵G DATA是一款在实时写入和在线查询方面表现出色的图数据库，基于这款图数据库，并充分结合国内图数据库市场的需求和现状，重新实现了图数据的数据存储部分，可支持实时更新的关联变量查询服务。

由于反欺诈系统在设计之初就对图存储层做了封装和隔离，在实际应用中，只需重新设计一个适配层，就能将其应用到金融图数据库之上，同步使用反欺诈系统成熟的关联调查、欺诈风险规则分析等功能。

当今的金融环境下，金融风控的诸多场景都存在维度多、数据量大、关联隐蔽、潜在损失巨大、损失难以追回等特点。软江图灵人工智能图数据库对于关联查询的优化，将散落于各个系统孤岛中的客户、交易、行为数据构建成完整的高维用户画像，赋能图数据处理业务实现从单点视角到全局视图、从静态数据到动态智能的飞跃。

接下来，软江图灵将继续加强研发创新，提升风控系统的效率和准确性，助力风控系统数据分析和决策应用的升级应用，推动金融科技行业高质量发展，也让图数据得到更多落地实践。