图数据与关系型数据查询对比-以TuGraph和Mysql为例

常见数据库优缺点

—结合文心一言总结，如有不当请指正

数据库	优点	缺点
关系型数据库	(1)二维表易理解； (2)通用SQL易操作； (3)支持复杂操作； (4)ACID特性保障数据正确可靠。	（1）海量数据读写性能差； (2)表结构预先固定灵活度差； (3)扩展性较差； (4)成本较高。
MySQL	开源、轻量级、成本低。	大数据处理性能较差。
Oracle	功能强大、稳定性好。	硬件等成本高。
SQL Server	与Windows集成好、易用性强。	跨平台支持有限。
PostgreSQL	开源、稳定、数据类型多。	市场份额小生态不够成熟。
DB2	稳定、高性能、高安全性。	成本高。
非关系型数据库	(1)通常分布式架构易扩展； (2)支持多种数据模型； (3)结构简单性能较高。	(1)复杂查询受限； (2)成熟度和工具支持度较差； (3)数据安全性和一致性较差。
Hbase	大规模存储，可扩展性高，列存储和查询。	非列族查询效率低，不支持事务，实时分析查询效率低。
MongoDB	文档存储可处理复杂数据结构，支持全文索引，操作简单。	大量写或复杂聚合查询占用空间大。
Cassandra	高可用，线性扩展，节点间自动复制易管理，适合写密集型应用。	不适合复杂聚合，高一致性数据访问可能有问题。
Redis	内存存储读写性能优异，数据类型丰富，适合缓存或消息队列。	数据量受限于内存大小，不支持复杂查询和事务。
图数据库	(1)复杂关联关系处理能力强； (2)易于扩展； (3)可视化效果好。	(1)生态系统相对不成熟； (2)资源消耗较大； (3)部分查询复杂性较高。
Neo4j	原生图数据库，图遍历性能高，Cypher查询易编写和执行，社区活跃有大量插件、工具。	处理超大规模数据集可能性能瓶颈，非遍历类查询性能可能较差。
OrientDB	支持多模型如图、文档和键值对灵活性较高，支持分布式集群水平扩展性较好，SQL查询易于使用。	复杂图查询性能可能不如专门图数据库，分布式功能不够成熟。
JanusGraph	开源分布式图库，可处理大规模数据，支持高并发、高可用和可扩展，定制存储和查询策略灵活性高。	配置和管理工作更复杂，门槛较高。
TuGraph	支持强Schema，提供多种接口，并行处理提升复杂查询效率。	社区支持和成熟度不足，并行处理在特定场景资源消耗和复杂度增加。

TuGraph和Mysql查询效率对比

运行环境

1.win11下载安装Docker Desktop；
2.Docker部署TuGraph；
3.Docker部署Mysql。
—网上安装教程很多，不再赘述

测试数据

使用Python随机生成测试数据（借助AI工具code）：
测试数据及生成程序下载

图/表	属性	数量
点 PRODUCT	ID、NAME	85
表 PRODUCT	PRODUCT_ID、NAME	85
边parent	PRODUCT > PRODUCT	85
表PARENT	PRODUCT_ID、PARENT	85
点 TRADE	ID、DATE、BUY_SELL、NOMINAL	10000
表 TRADE	TRADE_ID、DATE、BUY_SELL、NOMINAL	10000
边in_product	TRADE > PRODUCT	10000
表IN_PRODUCT	TRADE_ID、PRODUCT_ID	10000
点 TRADE_INDEX	ID、DATE、VALUE	3650000
表 TRADE_INDEX	INDEX_ID、DATE、VALUE	3650000
边has_index	TRADE > INDEX	3650000
表HAS_INDEX	TRADE_ID、INDEX_ID	3650000

查询耗时对比

–陆续更新对比语句

查询	GQL/SQL	首次	二次
最大值	MATCH (n:INDEX) RETURN max(n.VALUE)	30s	4s
最大值	SELECT MAX(VALUE) FROM TRADE_INDEX;	1.2s	1.2s
分组平均值	MATCH (t:TRADE)-[r:has_index]->(i:INDEX) RETURN t.ID,avg(i.VALUE)	12.8s	7s
分组平均值	SELECT TRADE_ID,AVG(VALUE) FROM TRADE_INDEX ti LEFT JOIN HAS_INDEX hi ON ti.INDEX_ID+0=hi.INDEX_ID+0 GROUP BY TRADE_ID;	8.4s	8.2s