GraphScope、Neo4j与TigerGraph单机环境下性能对比

目前工业界和学术界已经开发出了很多图分析系统，针对图分析的计算特性提出了各种各样的优化策略，在图分析任务上取得了优异的性能。近年来，各种各样的图数据库支持了各种查询语言（例如Cypher、GSQL和Gremlin），尝试为用户提供简单易用的图查询功能，利用这些查询语言，用户也可以表达出SSSP、PageRank等图分析算法的计算逻辑。为了对比图分析系统和图数据库在图分析任务上的性能，我们选取了典型的图分析系统GraphScope和图数据库系统Neo4j以及TigerGraph，在单机环境下进行了性能对比。

1、实验介绍

为了比较计算效率，我在阿里云拉起了配置为16核CPU，248GB内存的4台ECS，设计了三组比较实验，分别为Neo4j单机的计算性能，Tigergraph单机的计算性能和GraphScope单机的计算性能。

数据上，我选取了来自LDBC数据集的com-friendster,datagen-9.0_fb,datagen-9.1_fb,datagen-9.2_zf和graph500作为实验数据，以下为实验数据的基本信息：

com-friendster:65608366个点，1806067835条边

datagen-9.0_fb:12857671个点，1049527225条边

datagen-9.1_fb: 16087483个点，1342158397条边

datagen-9.2_zf: 434943376个点，1042340732条边

graph500: 32804978个点，1051922853条边

实验设计上选择常用的SSSP,Pagerank和Triangle Counting算法。以计算时间为指标，对三个系统进行性能上的比较。

2、实验结果

在计算时间上，GraphScope的计算效率远远超过Neo4j和Tigergraph。Tigergraph采用的SSSP算法为Bellman-ford算法，复杂度较高，因此在所有的数据集上都超过了我们设定的3600秒时限。

SSSP算法上,GraphScope单机模式下平均要比Neo4j快176.38倍，最快在datagen-9.2_zf数据集上快了292.2倍。

  图1 不用系统的SSSP算法性能对比

 

SSSP