用“闪电计算”弯道超车 费马图数据破解关联分析瓶颈

随着中美贸易战愈演愈烈，在科技领域也不由得拉响了警报。“去IOE”多年，有很多成果也有很多无奈，在数据库领域，我们至今依然无法摆脱受制于人的局面。Oracle前段时间大规模裁员的事情带给我们很多反思，我们需要在系统软件领域深耕，尽早摆脱掣肘的局面，为中长期的谈判对抗上增加筹码。

图数据技术显然会是系统软件领域弯道超车的机会之一。图是将信息中的实体，以及实体之间的关系，分别抽象表达成为顶点以及顶点间的边这样的结构数据。图计算就是针对图数据处理的系统，它在图结构的数据上进行针对性优化的高效计算，尤其适合大规模的关联关系分析。相比传统的关系型数据（以Oracle为代表），图的逻辑可以很好的解决目前遇到的关联数据分析问题，如绘制用户社交关系图谱做社交影响力排名、好友推荐；通过绘制资金交易图谱做大数据征信、反欺诈等应用；构建设备关系网络图谱实现物联网建模分析、供电网络建模分析等等。因此，图数据被业界称为下一代数据库。

图数据的应用在国内才刚刚起步，在国外已经有较为成熟的应用，如facebook、google等。但是在学术研究领域，目前我们的研究成果，比学术界其它成果快10多倍，比常见工具快了100多倍。这样的性能表现来自于清华大学陈文光教授带领的团队，他们十年前就关注到了图数据技术，历任学子均参与过图数据的研究，在OSDI、EuroSys、ATC等顶级会议中发表了多篇相关论文，是该领域最先进的水平。2016年在陈文光教授的支持下，洪春涛博士与朱晓伟、林恒、李恺威几位清华博士共同组建了北京费马科技有限公司，专注图数据平台的研发和落地。

图数据的逻辑维度要远高于关系型数据，以社交场景为例，以往我们要机器训练出微博大V的权重，通常会按其粉丝数量来排名；而图数据的逻辑对人物关联关系分析极其友好，不仅关注粉丝数量，同时还关注粉丝质量。也就是说，会同时根据粉丝们的权重综合来计算。此外还会再计算高互动频次（亲密度）的粉丝的权重值，完全没互动的粉丝权重等等维度。这样一来，同样是200万粉丝的大V，靠买僵尸粉的大V和与王思聪频繁互动的大V，传统分析模式下，两者权重是差不多的，而在图数据下，两者权重会是悬殊的，谁在“裸泳”一目了然。当然，分析的难度的差距，也是悬殊的。图数据分析远超出二维的分析维度，每增加一层，分析的难度就高了百倍，其中的难度可想而知。

随着AI如火如荼的发展，图数据作为底层数据存储分析技术，可以帮助机器学习领域获取更多维度的信息，在打破性能的约束后，可以说图计算是下一代AI发展的推速器。费马团队打造的费马图数据平台，集图数据库存储和图计算分析于一身，超出业界标准产品100倍的处理速度，让性能瓶颈不再成为分析的障碍，同时使中国系统软件有了扬眉吐气的机会。

“闪电计算”为金融行业带来数千倍性能提升

AI需要大量的数据来学习从而提升判断的准确性，数据的维度越丰富，准确率也就越高。以往的数据存储结构是很难提供相关维度去学习的，图模型能整合不同来源的数据，为AI提供更多维度的信息，辅助完善AI的进化，如同闪电一样，迅速且没有边界限制，顺着一点无限延伸演化。因此，费马图数据平台也被称为“闪电计算”，通过并行计算，计算力可以无限延伸，万亿级的数据处理毫不费力。

在两年多的时间里，费马已为工商银行、京东金融、民生银行、搜狗搜索等大型金融、互联网企业及政府、军工类项目提供高性能可扩展的存储和分析解决方案，赋予企业强大的图数据存储及分析能力，助力实现多维度的关联分析和AI（机器学习）。

以京东金融为例，京东金融提供“白条”服务，白条的额度取决于用户的风险值，除了常规的数据，参考同一地址等相似信息，通过图数据技术很容易将有关系的用户关联起来，并参考联系人的风险系数计算该用户的风险值。费马科技及帮助京东金融实现多账号间的关联关系分析，全量数据处理仅需占用1台服务器资源在10分钟内即可完成，而对比此前基于GraphX需要上百台设备运算6个小时以上的情况，不止性能提升1000倍，同时降低金融风险，给京东金融带来惊喜。

风控一直以来都是金融难题，欺诈手段防不胜防，传统的分析手段很容易被造假的信息所蒙蔽，而基于费马图数据平台，可以很清楚的基于人物关系绘制资金流转的图谱，不仅分析申请人的个人信息，与其有资金往来关系的联系人，以及联系人的联系人都可以同时分析，也就是说，如果想要在图数据中制造不被发现的虚假个人信息，需要在背后伪造出一个庞大的社区，这是欺诈团伙很难做到的事情。基于费马图数据平台，金融机构可以快速识别出有用信息，帮助其做出更准确的金融决策。

银行业也是如此，大额贷款后的贷后追踪，以及担保人风险分析，都是基于用户的关系网络图和资金交易图来进行算法分析，一旦资金指向到高风险用户时，那么就可以提前介入，避免损失。

破解关联分析瓶颈 图数据应用广阔

费马图数据产品不仅适用于金融行业，在生活中涉及到的方方面面，都可以尝试用图数据来解决。最常见的社交领域，通过用户生活交集、互动情况等数据，绘制关联关系图，管理社交关系，实现更精准的好友推荐机制和垃圾用户识别，Facebook, Twitter，Linkedin都是通过图做到的。

再比如军工领域，通过建立人物关系图谱，构建情报关系网络，覆盖并跟踪可疑份子，尤其是在大国博弈之时，既是保护自己，也能更好的洞悉阴谋诡计；比如通过构建物联网设备节点的关联关系图，可以打造更加智慧更加合理的智能交通、道路规划、平安城市、轨迹分析、钓鱼网站识别，惠及民生；比如管理供应链关系，使用图数据库来管理复杂且快速变化的库存、供应链，并推动推动创新制造解决方案；医疗领域，根据病人的病情特征、电子病历、历史用药、药物成分、临床试验、保险情况等多维数据绘制以用户为中心的图表，从而实现智能诊断，提高诊断效率和准确性，共享医疗资源；零售的营销场景，通过整合用户浏览及购买数据，分析“哪些用户购买了该商品”以及“购买A商品的用户也购买了B商品”等多维数据，实现商品智能推荐，给买家更好的购物体验；电信公司依靠图数据库构建管理网络，打造深度经营分析系统等等数不胜数。

图数据领域蕴藏着巨大的机会，相信这个冠军团队能够成为中国系统软件弯道超车的先锋队。伴随着中国的强大，欧美国家对我们的科技限制也会越来越严苛，我们期待费马团队能够不断积累，打破层层限制和封锁，成为图数据领域的Oracle。