嬴图 | 一文了解关于图数据库的一点儿干货

上周我和同事谈论了图数据库。

这项技术实际上会在2 02 3 年快速发展。

我的朋友使用Nejo4 j，并说社区版本有点限制。

英图数据库看起来写得很快。

与传统数据库相比，图数据库在穿透查询方面具有明显优势。

JanusGraph支持Tinkerpop生态系统，非常方便。

图形模式选择的属性图是最常见的。

地铁系统是一个典型的图形表示。

Gartner 表示，到 2 02 5 年图形技术的渗透率将达到 8 0%。

这取决于你。

数据库的种类和特征

上周，一位客户询问为什么数据库如此复杂。
亲属关系和非亲属关系有什么区别？我向他解释道。

首先它是一个关系型数据库，就像我们平时使用的Excel表格一样，数据是按行和列组织的。
比如学生信息包括学校学号、姓名、班级等，这些都是表上的字段。
这些表可以通过外键引用，比如学生表、成绩表，通过学号可以找到对应的成绩信息。
这就像我们使用Excel时一样，我们可以通过公式从一个工作表跳转到另一个工作表。

毕竟，非关系数据库就像你家里的杂货店，你可以把东西放在你想要的地方。
它不像关系数据库那样有固定的格式，可以存储不同类型的数据。
例如，键值数据库就像将东西放入文件中，命名它们，并在需要时直接搜索标签。
像Redis这样的数据库就像把所有东西都放入计算机内存中。
它速度快，适合缓存和会话管理。

还有一个数据库文档，就像你的博客一样，你可以在其中编写大量任何格式的内容。
像MongoDB这样的数据库可以以JSON格式存储数据，非常灵活。

另一个例子是族数据库列，适合存储数据量较大但大部分为空的稀疏数据。
像HBase这样的数据库就像一个大仓库，可以存储很多货物，但大部分空间是空的。

图数据库就像社交网络。
一切都是一个节点，节点之间存在着各种各样的关系。
像Neo4 j这样的数据库可以帮助你快速找到两个节点之间的关系。

在操作方面，非关系数据库有自己的查询语言或API。
例如，Redis有自己的命令，MongoDB有自己的查询语言。

可扩展性，非关系型数据库一般都很强大，可以轻松处理大数据和并发请求。
像 Cassandra 这样的分布式数据库可以在多个数据库上运行，提供高可用性和可扩展性。

对于应用场景来说，非关系型数据库适合数据结构发生变化、需要速度增长和扩展的场景，比如Web应用、物联网、大规模分析等。
不过，还是要根据自己的需求选择合适的数据库类型。
我现在还在想这个，感觉数据库是个好东​​西。

“键值对”的定义是什么

说白了，键值对是计算机科学和数据库领域中非常基本的存储结构，而且实际上非常简单。
我们先来说说最重要的事情。
它就像一对钥匙和一把锁。
键（key）用于唯一标识数据，锁（value）是实际存储的数据内容。
比如我们去年跑的项目，通过键值对的方式管理和检索了大约3 000级数据。

另一点是，在分布式计算中，例如MapReduce，数据被简化为一系列键值对，从而使得处理大量数据变得更加高效。
一开始我以为这只是一个简单的数据结构，后来发现错了。
它在分布式系统中起着至关重要的作用。

还有另一个关键细节。
在网络通信中，对于像ZigBee这样的协议，数据包通常包含键值对，这有助于信息的有效传输和分析。
等等，还有一件事。
在关系数据库中，元组由键值对组成，键值对描述了数据库中的属性及其对应的值。
这些键值对共同构成了数据库中的记录。

很多人没有注意到这一点。
在数据验证和结构设计中，字段规则往往以键值对的形式定义，这可以帮助我们更好地管理和约束数据。
一般来说，键值对是数据存储、处理和结构化的通用语言。
我认为值得尝试将其应用到更多场景中。
然而，我们应该注意一个容易陷入的陷阱。
当键值对结构过于复杂时，可能会造成雪崩效应。
用行话来说，这称为雪崩效应。
事实上，前面的一个小延迟就会导致整个后面的延迟。
因此，设计时要小心这个潜在的问题。