NebulaGraph常用操作入门

最新推荐文章于 2025-03-08 01:10:28 发布
最新推荐文章于 2025-03-08 01:10:28 发布
阅读量1.1k 收藏 30
点赞数 25
分类专栏： 数据库 文章标签： 数据库 开发语言
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/u010479989/article/details/145157544
版权

简介

  • 定义：
    • NebulaGraph 是一款开源的分布式图数据库，旨在处理大规模的图数据，为高并发、低延迟的图数据存储和查询提供强大的支持。它适用于各种复杂的关系分析场景，如社交网络分析、推荐系统、知识图谱构建、金融风控等。
  • 核心特点：
    • 高可用性：通过分布式架构和数据副本机制，确保系统在部分节点故障时仍能正常运行，保障服务的可用性。
    • 高性能：采用存储计算分离的架构，利用高效的图算法和索引技术，能够快速执行复杂的图查询操作。
    • 可扩展性：支持水平扩展，可以根据数据量和负载需求，轻松添加新的存储节点和计算节点，以满足业务增长。

数据模型

  • 图空间（Space）：
    • 类似于关系数据库中的数据库，是存储图数据的逻辑单元，不同的图空间可以存储不同的图数据，相互隔离。例如，你可以创建一个图空间存储社交网络数据，另一个存储物流网络数据。
    • 示例：CREATE SPACE my_space(partition_num=10, replica_factor=1);
  • 顶点（Vertex）和标签（Tag）：
    • 顶点表示图中的实体，而标签是对顶点的分类。一个顶点可以有多个标签。例如，在社交网络中，用户可以是一个顶点，“用户” 就是一个标签，可能还有 “VIP 用户” 这样的标签，用来区分不同类型的用户。
  • 边（Edge）和边类型（Edge Type）：
    • 边表示顶点之间的关系，边类型则定义了边的类别。例如，在社交网络中，“关注” 可以是一个边类型，连接不同用户顶点。

-- 查看用户

SHOW users;

-- 创建图空间

CREATE SPACE IF NOT EXISTS my_space (vid_type=FIXED_STRING(30));

USE my_space;

-- 创建标签 (Tag)

CREATE TAG IF NOT EXISTS player(name string, age int);

-- 创建边类型 (Edge Type)

CREATE EDGE friend(likeness double);

-- 插入顶点 (Vertex)

INSERT VERTEX person(name, age) VALUES "person1":("Alice", 25), "person2":("Bob", 30);

-- 插入边 (Edge)

INSERT EDGE friend(likeness) VALUES "person1"->"person2":(0.8);

-- nebula-console导入测试语句

【免费】basketballplayer-2.X.ngql，nebula-console测试语句资源-CSDN文库

nebula-console -addr 192.168.1.215 -port 9669 -u root -p 123456 -f /opt/basketballplayer-2.X.ngql

-- 查询语法

GO FROM "player100" OVER follow REVERSELY YIELD src(edge) AS id;

GO FROM "player100" OVER follow REVERSELY YIELD src(edge) AS id | GO FROM $-.id \ OVER serve WHERE properties($^).age > 20 YIELD properties($^).name AS FriendOf, properties($$).name AS Team;

MATCH (v:player{name:"Tim Duncan"})-[e]->(v2) \

WHERE ( v2.player.age > 35 AND v2.player.age < v.player.age) \

OR (v2.player.name STARTS WITH "T" AND v2.player.age < 45 AND v2.player.age > v.player.age) \

RETURN v2;

MATCH p=(v:player)-[e:follow]-(v2) \

RETURN nodes(p);

MATCH (v:player) RETURN v LIMIT 5;

分行写 Pattern 时，在表示边的箭头右侧换行，而不是左侧。

MATCH (v:player{name: "Tim Duncan", age: 42})-[e:follow]-> \

()-[e2:serve]->()<--(v2) \

RETURN v, e, v2;

将无需查询的点和边匿名化。

MATCH (v:player)-[:follow]->() \

RETURN v;

将非匿名点放在匿名点的前面。

MATCH (v)<-[:follow]-() \ RETURN v;

MATCH

MATCH语句提供基于模式（Pattern）匹配的搜索功能，其通过定义一个或多个模式，允许在 NebulaGraph 中查找与模式匹配的数据。在检索到匹配的数据后，用户可以使用 RETURN 子句将其作为结果返回。

MATCH <pattern> [<clause_1>] RETURN <output> [<clause_2>];

MATCH (v) \

        RETURN v \

        LIMIT 3;

OPTIONAL MATCH

OPTIONAL MATCH通常与MATCH语句一起使用，作为MATCH语句的可选项去匹配命中的模式，如果没有命中对应的模式，对应的列返回NULL。

找出特定节点 m（ID为 "player100" 的节点）直接连接的节点，以及这些节点 n 直连的下一层节点 l (OPTIONAL MATCH (n)-[]->(l))， 如果没有找到这样的节点 l，查询也会继续， l 的返回值是 null。

MATCH (m)-[]->(n) WHERE id(m)=="player100" \

        OPTIONAL MATCH (n)-[]->(l) \

        RETURN id(m),id(n),id(l);

LOOKUP

LOOKUP根据索引遍历数据。用户可以使用LOOKUP实现如下功能：

根据WHERE子句搜索特定数据。

通过 Tag 列出点：检索指定 Tag 的所有点 ID。

通过 Edge type 列出边：检索指定 Edge type 的所有边的起始点、目的点和 rank。

统计包含指定 Tag 的点或属于指定 Edge type 的边的数量。

LOOKUP ON {<vertex_tag> | <edge_type>}

[WHERE <expression> [AND <expression> ...]]

YIELD [DISTINCT] <return_list> [AS <alias>]

[<clause>];

<return_list>

    <prop_name> [AS <col_alias>] [, <prop_name> [AS <prop_alias>] ...];

检索点

# 创建 Tag 为 player 的复合属性索引 index_player。

nebula> CREATE TAG INDEX IF NOT EXISTS index_player ON player(name(30), age);

# 重建复合属性索引 index_player，返回任务 id。

nebula> REBUILD TAG INDEX index_player;

# 返回所有 name 等于 Tony Parker 的点数据的 ID。

nebula> LOOKUP ON player \

        WHERE player.name == "Tony Parker" \

        YIELD id(vertex);

# 查询所有 name 等于 Tony Parker 的点数据，返回 name 和 age 属性值。

nebula> LOOKUP ON player \

        WHERE player.name == "Tony Parker" \

        YIELD properties(vertex).name AS name, properties(vertex).age AS age;

# 查询所有 age 大于 45 的点数据，并返回点数据的 ID。

nebula> LOOKUP ON player \

        WHERE player.age  > 45 \

        YIELD id(vertex);

# 查询所有 name 以 B 开头，且 age 是 22 或 30 的点数据，并返回 name 和 age 属性值。

nebula> LOOKUP ON player \

        WHERE player.name STARTS WITH "B" \

        AND player.age IN [22,30] \

        YIELD properties(vertex).name, properties(vertex).age;

# 查询所有 name 等于 Kobe Bryant 的点数据，返回点的 ID 和 name 属性值，并以此为起始点进行遍历，返回遍历结果。

nebula> LOOKUP ON player \

        WHERE player.name == "Kobe Bryant"\

        YIELD id(vertex) AS VertexID, properties(vertex).name AS name |\

        GO FROM $-.VertexID OVER serve \

        YIELD $-.name, properties(edge).start_year, properties(edge).end_year, properties($$).name;

检索边

# 创建 Edge type 为 follow，属性 degree 的索引 index_follow。

nebula> CREATE EDGE INDEX IF NOT EXISTS index_follow ON follow(degree);

# 重建属性索引 index_follow，返回任务 id。

nebula> REBUILD EDGE INDEX index_follow;

# 查询并返回所有 degree 等于 90 的边。

nebula> LOOKUP ON follow \

        WHERE follow.degree == 90 YIELD edge AS e;

...

# 查询所有 degree 等于 90 的边，并返回 degree 属性值。

nebula> LOOKUP ON follow \

        WHERE follow.degree == 90 \

        YIELD properties(edge).degree;

# 根据 degree 属性值升序排列，并返回前 10 条 degree 属性值。

nebula> LOOKUP ON follow \

        YIELD properties(edge).degree as degree \

        | ORDER BY $-.degree \

        | LIMIT 10;

# 查询所有 degree 等于 60 的边，返回边的目的点 ID 和边的 degree 属性值，并为此起始点进行遍历，返回遍历结果。

nebula> LOOKUP ON follow \

        WHERE follow.degree == 60 \

        YIELD dst(edge) AS DstVID, properties(edge).degree AS Degree |\

        GO FROM $-.DstVID OVER serve \

        YIELD $-.DstVID, properties(edge).start_year, properties(edge).end_year, properties($$).name;

GO

GO语句是 NebulaGraph 图数据库中用于从给定起始点开始遍历图的语句。GO语句采用的路径类型是walk，即遍历时点和边都可以重复。

语法

GO [[<M> TO] <N> {STEP|STEPS} ] FROM <vertex_list>

OVER <edge_type_list> [{REVERSELY | BIDIRECT}]

[ WHERE <conditions> ]

YIELD [DISTINCT] <return_list>

[{ SAMPLE <sample_list> | <limit_by_list_clause> }]

[| GROUP BY {<col_name> | <expression> | <position>} YIELD <col_name>]

[| ORDER BY <expression> [{ASC | DESC}]]

[| LIMIT [<offset>,] <number_rows>];

<vertex_list> ::=

    <vid> [, <vid> ...]

<edge_type_list> ::=

   <edge_type> [, <edge_type> ...]

   | *

<return_list> ::=

    <col_name> [AS <col_alias>] [, <col_name> [AS <col_alias>] ...]

GO 2 STEPS FROM "player102" OVER follow YIELD dst(edge);

FETCH

FETCH可以获取指定点或边的属性值。

FETCH PROP ON {<tag_name>[, tag_name ...] | *} <vid> [, vid ...] YIELD [DISTINCT] <return_list> [AS <alias>];

FETCH PROP ON player "player100" YIELD properties(vertex);

FIND PATH

FIND PATH语句查找指定起始点和目的点之间的路径。

FIND { SHORTEST | ALL | NOLOOP } PATH [WITH PROP] FROM <vertex_id_list> TO <vertex_id_list> OVER <edge_type_list> [REVERSELY | BIDIRECT] [<WHERE clause>] [UPTO <N> {STEP|STEPS}] YIELD path as <alias> [| ORDER BY $-.path] [| LIMIT <M>]; <vertex_id_list> ::= [vertex_id [, vertex_id] ...]

# 查找并返回 player102 到 team204 的最短路径。

nebula> FIND SHORTEST PATH FROM "player102" TO "team204" OVER * YIELD path AS p;

GET SUBGRAPH

GET SUBGRAPH语句查询并返回一个通过从指定点出发对图进行游走而生成的子图。在GET SUBGRAPH语句中，用户可以指定游走的步数以及游走所经过的边的类型或方向。

GET SUBGRAPH [WITH PROP] [<step_count> {STEP|STEPS}] FROM {<vid>, <vid>...} [{IN | OUT | BOTH} <edge_type>, <edge_type>...] [WHERE <expression> [AND <expression> ...]] YIELD [VERTICES AS <vertex_alias>] [, EDGES AS <edge_alias>];

nebula> CREATE SPACE IF NOT EXISTS subgraph(partition_num=15, replica_factor=1, vid_type=fixed_string(30));

nebula> USE subgraph;

nebula> CREATE TAG IF NOT EXISTS player(name string, age int);

nebula> CREATE TAG IF NOT EXISTS team(name string);

nebula> CREATE EDGE IF NOT EXISTS follow(degree int);

nebula> CREATE EDGE IF NOT EXISTS serve(start_year int, end_year int);

nebula> INSERT VERTEX player(name, age) VALUES "player100":("Tim Duncan", 42);

nebula> INSERT VERTEX player(name, age) VALUES "player101":("Tony Parker", 36);

nebula> INSERT VERTEX player(name, age) VALUES "player102":("LaMarcus Aldridge", 33);

nebula> INSERT VERTEX team(name) VALUES "team203":("Trail Blazers"), "team204":("Spurs");

nebula> INSERT EDGE follow(degree) VALUES "player101" -> "player100":(95);

nebula> INSERT EDGE follow(degree) VALUES "player101" -> "player102":(90);

nebula> INSERT EDGE follow(degree) VALUES "player102" -> "player100":(75);

nebula> INSERT EDGE serve(start_year, end_year) VALUES "player101" -> "team204":(1999, 2018),"player102" -> "team203":(2006,  2015);

查询从点player101开始、0~1 跳、所有 Edge type 的子图。

nebula> GET SUBGRAPH 1 STEPS FROM "player101" YIELD VERTICES AS nodes, EDGES AS relationships;

分布式图数据库NebulaGraph的Index实践
03-03
索引是数据库系统中不可或缺的一个功能，数据库索引好比是书的目录，能加快数据库的查询速度，其实质是数据库管理系统中一个排序的数据结构。不同的数据库系统有不同的排序结构，目前常见的索引实现类型如B-Treeindex、B+-Treeindex、B*-Treeindex、Hashindex、Bitmapindex、Invertedindex等等，各种索引类型都有各自的排序算法。虽然索引可以带来更高的查询性能，但是也存在一些缺点，例如：NebulaGraph作为一个高性能的分布式图数据库，对于属性值的高性能查询，同样也实现了索引功能。本文将对NebulaGraph的索引功能做一个详细介绍。开始之前，这
小支从学习到认证：NebulaGraph 图数据库认证之旅
最新发布
03-08
NebulaGraph图数据库是当前数据库领域的一颗璀璨新星，它以强大的性能和可扩展性迅速在图数据库市场占据了一席之地。图数据库作为一种处理复杂数据关系的高效工具，在当前数据呈指数级增长的背景下，其重要性...
【NebulaGraph】基础入门(一)
Blue_Pepsi_Cola的博客
11-27 961
是一款开源的图数据库，擅长处理千亿个顶点和万亿条边的超大规模数据集。社区已成长为一个荟聚了众多用户、融合了各类图技术场景实践知识的活跃开源社区。你可以在其中与大家共同交流周边生态项目的应用心得，或者社交媒体、实时推荐、网络安全、金融风控、知识图谱、人工智能等大规模生产场景的实践经验。全对称分布式架构存储与计算分离水平可扩展性RAFT 协议下的数据强一致支持 openCypher用户鉴权支持多种类型的图计算算法。
运维无忧：NebulaGraph Dashboard—— 集群监控的可视化神兵
ZhiYilang的博客
03-08 1300
NebulaGraph Dashboard （社区版）主要用于实时监控 NebulaGraph 集群中机器和服务的运行状态。它就像一位贴心的健康管家，时刻关注着集群的各项关键指标，如各节点的 CPU 使用率、内存占用、磁盘 I/O 情况，以及 Graph 服务、Meta 服务和 Storage 服务的启动状态、连接数等。通过它，我们能够及时洞察集群中的潜在问题，从而确保图数据库始终稳定、高效地运行。NebulaGraph Dashboard作为一款强大的集群监控工具，为我们提供了直观、便捷的监控体验。
快速入门nebula graph
凌陨心
01-20 6823
nubula graph 是一款开源分布式易拓展的原生图数据库，能够承载数千亿个点和数万亿条边的超大规模数据集，并且提供毫秒级查询。
NebulaGraph快速入门
樱吹雪
12-31 3038
NebulaGraph是图数据库的一种，不同于mysql类数据库的表关系，整个space内分为顶点（tag）和边(edge)，构成一种图的网状关系，每个顶点都有一个全局唯一的顶点id(vid)。 具体帮助文档：https://docs.nebula-graph.com.cn/ 现进行具体说明： 一、库级操作语句 1、查看所有库： show spaces; 2、查看库信息： describe space sqlLineage; 二、tag语句-》确定顶点的类型和承载信息 1、查看所有tag： show t
Nebula Graph
CarloPan的博客
09-28 1480
Nebula Graph：一个开源的分布式图数据库 所在行业 IT-高新技术产业 机构网站 https://github.com/vesoft-inc/nebula 机构简介 A high performance distributed graph database. 机构主体 杭州欧若数网科技有限公司 Nebula Graph DBaaS 作为一款 DBaaS（DataBase as s Service）的产品，Nebula Graph Cloud Service 极大地降..
NebulaGraph在微众银行的实践
02-23
WeDataSphere图数据库架构是基于JanusGraph搭建，正如邸帅在演讲《NebulaGraph-WeDataSphere开源介绍》中提及的那样，主要用于解决微众银行数据治理中的数据血缘问题。在使用JanusGraph过程中，微众银行发现Janus...
NebulaGraph图数据库使用教程
冰万森的博客
07-26 1310
​NebulaGraph 是一个开源的分布式图数据库，相比 Neo4j 来说，它的主要特点是完全的分布式，因此图数据库 NebulaGraph 适合处理数据量超过单机的场景。
Nebula Graph-03-NebulaGraph Studio-可视化web工具安装和使用
苍煜
03-21 3718
NebulaGraph Studio（简称 Studio）是一款可以通过 Web 访问的开源图数据库可视化工具，搭配 NebulaGraph 内核使用，提供构图、数据导入、编写 nGQL 查询等一站式服务。产品功能¶使用 Schema 管理功能，用户可以使用图形界面完成图空间、Tag（标签）、Edge Type（边类型）、索引的创建，查看图空间的统计数据，快速上手 NebulaGraph。使用导入功能，通过简单的配置，用户即能批量导入点和边数据，并能实时查看数据导入日志。
OpenNebula 入门安装配置
weixin_34348174的博客
11-21 603
环境centos7.3 timedatectl set-timezone Asia/Shanghai ntpdateasia.pool.ntp.org 需要的yum 源 yuminstallepel-releaselrzsz-y /etc/yum.repos.d/opennebula.repo [opennebula] name=opennebula baseurl...
NebulaGraph基础（默认看了入门篇）
GodGump的博客
02-28 786
为啥这个常用，因为有的编码为gbk有的UTF甚至还有公司自定义编码，这是为了不乱码（目前可用的字符集为utf8和utf8mb4。集合运算符前后的查询语句中定义的变量名及顺序必需保持一致，例如RETURN a,b,c UNION RETURN a,b,c中的a,b,c的名称及顺序需要保持一致。请注意left和right的顺序，A-B表示在集合 A 中，但是不在集合 B 中的元素。如果登录的用户角色是GOD，或者有权访问该图空间的ADMIN，则返回该图空间内除GOD之外的所有用户角色信息。
nebulagraphDB使用教程——常用命令
m0_54230514的博客
09-05 1332
因为studio版本需要与nebulagraph的版本适配，我下载的是nebulagraphDB3.8.0版本，因此需要下载最新版的studio。点击查看文档后也会有版本兼容的对比表格。关于nebulagraphDB的下载，完全依靠最新版官网教程进行下载。然后根据版本兼容去下载合适版本的studio ，下载后使用命令安装。因为我使用的是ubuntu系统，因此下载的是deb的安装包。（可以直接官网下载，也可以先进入文档使用wget命令下载）（下载后根据官网文档的本地部署中的步骤一步一步完成即可）
图数据库Nebula_Graph界面工具安装与使用
wt334502157的博客
09-21 2768
NebulaGraph Studio是一款可以通过 Web 访问的开源图数据库可视化工具，是 Nebula Graph 官方提供的图形用户界面（GUI）工具，它提供了更直观的方式来管理和查询图数据库。Nebula Studio 支持可视化的模式管理、数据查询、图可视化、数据导入导出等功能，使用户能够更轻松地操作数据库。 Nebula Graph Dashboard 是 Nebula Graph 数据库的可视化管理工具，它提供了一个直观的图形用户界面（GUI）来监控、管理和操作
Nebula Graph学习篇1_基础概念、初步使用、整合SpringBoot使用
xiaosi的博客
05-09 5572
目录 一、基础概念 二、初步使用 一、基础概念 1、图数据库概念 Nebula Graph 是一款开源的、分布式的、易扩展的原生图数据库，能够承载包含数千亿个点和数万亿条边的超大规模数据集，并且提供毫秒级查询。 官网：https://nebula-graph.com.cn/ segmentfault：https://segmentfault.com/t/nebula 中文文档：https://docs.nebula-graph.com.cn/3.1.0/1.introduction/2.1.path/ g
【数据库系列】NebulaGraph部署与使用
热门推荐
CSDN站内信: https://i.csdn.net/#/msg/chat/qyj19920704
04-22 1万+
💝💝💝欢迎来到我的博客，很高兴能够在这里和您见面！希望您在这里可以感受到一份轻松愉快的氛围，不仅可以获得有趣的内容和知识，也可以畅所欲言、分享您的想法和见解。非常期待和您一起在这个小小的网络世界里共同探索、学习和成长。💝💝💝 ✨✨ 欢迎订阅本专栏 ✨✨。
图数据库初探——6. Nebula Graph安装和简单使用
啷个哩个啷
12-23 6965
参考： 用 NetworkX + Gephi + Nebula Graph 分析<权力的游戏>人物关系（上） 用 NetworkX + Gephi + Nebula Graph 分析<权力的游戏>人物关系（下） 使用图数据库 Nebula Graph 数据导入快速体验知识图谱 OwnThink ...
图数据库——Nebula Graph安装教程（MacOS）
longziling的博客
04-16 3771
背景 刚学习图数据的内容，当前网上充斥大量的安装讲解各种参差不齐，令人头疼。现整理一份比较完整的安装及使用文档，供大家学习。以下内容亲测可用。 版本 MacOS 12.0.1 docker 20.10.14 Nebula Graph v3.X(20220415-master分支) Nebula Graph Studio v3.2.2 Nebula Graph Console v3.0.0(20220415-master分支) 注：以上软件版本为202.
Nebulagraph rag
02-15
### NebulaGraph RAG介绍 NebulaGraph实现了基于知识图谱的检索增强生成（RAG），这有助于利用领域特定的知识来提高模型输出的质量和准确性[^1]。具体来说，当涉及到复杂查询或是需要高度专业知识的任务时，通过集成知识图谱中的结构化信息，能够有效减少AI系统的幻觉现象。 #### 基于知识图谱的RAG工作原理 在实现上，NebulaGraph发布了业界首个此类解决方案——即基于知识图谱的RAG功能。这一特性允许用户不仅限于传统的文本匹配方式来进行数据检索，而是可以通过关联实体之间的关系网络获取更精准的结果集[^2]。 对于开发者而言，这意味着可以在应用程序中轻松嵌入强大的语义理解和推理能力；而对于最终使用者，则可以获得更加贴合实际需求的信息推荐服务。 #### 使用案例分析 为了更好地理解如何应用这些技术，在官方文档中有两个具体的演示可供参考： - **Graph RAG vs Vector RAG**: 展示了两种不同类型的向量索引方法之间性能差异的同时，也突出了前者在处理具有明确模式的数据上的优势； - **Text2Cypher Visual Comparison**: 提供了一个直观的方式让用户看到自然语言查询是如何被转换成针对图数据库的有效命令序列，并执行相应操作的过程。 ```python from nebula3.gclient.net import ConnectionPool from nebula3.common.ttypes import Vertex, Edge # 连接到NebulaGraph实例并创建会话 connection_pool = ConnectionPool() session = connection_pool.get_session('root', 'password') # 执行Cypher风格的查询语句以展示RAG效果 result_set = session.execute( "MATCH (n)-[r]->(m) WHERE n.name='example' RETURN r LIMIT 10" ) for row in result_set.rows(): edge = row.columns()[0].get_edge() print(f"{edge.src_vertex_id} -> {edge.dst_vertex_id}") ``` 此代码片段展示了连接到NebulaGraph服务器并通过Cypher样式的查询语法进行简单的关系查找过程。虽然这段代码本身并不直接涉及RAG机制的具体细节，但它体现了构建在此基础上的应用程序可能采取的操作形式之一。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

代码先觉

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值