图数据库 TigerGraph 使用全攻略

与关系型数据库或其他类型的NoSQL数据库相比，图数据库提供了更有效的关系和网络建模方法。在1999年左右，图数据库领域还是Neo4j一家独大，但是发展至今，该领域也出现了很多新玩家和新产品。

TigerGraph是一款“实时原生并行图数据库”，既可以部署在云端也可以部署在本地，支持垂直扩展和水平扩展，可以对集群中的图数据自动分区，遵循ACID标准，并且提供了内置的数据压缩功能。它使用了一种消息传递架构，这种架构具备了可随数据增长而伸缩的并行性。

TigerGraph被设计用来执行深层链接分析以及实时在线事务处理（OLTP）和大容量数据加载。深度链接分析是指从一个顶点开始遍历图，找到三个或更多的跳转关系，并分析出结果。目前大多数图数据库都是为OLTP设计的，用于分析少量的关系跳数，其他的分析功能基本是后续添加的。

目前，有一些开源的图查询语言已经得到了广泛的采用，如Cypher、Gremlin和SPARQL，不过，TigerGraph使用了一种新的查询语言GSQL。GSQL将SQL风格的查询语法与Cypher风格的图导航语法结合在一起，并加入了过程编程和用户自定义函数。

我对TigerGraph的GSQL查询语言一直有一种说不清的感觉，不可否认的是，它是一种很好的设计，支持并行化，且可以将Cypher转换为GSQL，便于从Neo4j数据库转到TigerGraph的开发者使用。但是，面对一门全新的编程语言，我总会问自己，它是否值得我花时间和精力来学习呢？

TigerGraph的架构

从下图中可以看出，TigerGraph包含了一个ETL加载器、图数据存储和处理引擎、查询语言和可视化客户端以及REST API，并集成了很多企业数据基础设施服务。再往下的系统流程图清楚地表明，TigerGraph使用Apache Kafka与图形处理和存储引擎进行通信，使用Nginx Web服务器处理GraphStudio和来自用户的GSQL请求，并将它们传给后端服务器。

TigerGraph Analytics Platform包含了图数据存储引擎、图数据处理引擎和三种类型的API。它可以在本地、云端或混合环境中运行。

传给TigerGraph的消息可以在顶点或边级别进行并行处理。RESTPP是一种增强的REST API服务器，主要用于任务管理。

TigerGraph每小时可以加载多达150 GB的数据，每台机器每秒可以遍历数亿个顶点或边，将20亿个日常事件以流的方式实时地传输到包含1千亿个顶点和6千亿条边的图中（这些图数据处于包含20台商用机器的集群上），并将实时分析与大规模离线数据处理统一起来。

TigerGraph使用了几种流行的开源组件：用于处理Web流量的Nginx、消息队列Apache Kafka、用于管理Kafka集群的Apache Zookeeper。平台的其余部分则使用了专有代码。

在Docker中安装TigerGraph

你可以在各种流行的Linux（加上Docker和VirtualBox）上安装TigerGraph。我选择在iMac上使用Docker来安装。在开始安装之前，我更新了Docker，并将Docker可用的RAM和处理器分别增加到4 GB和4个内核。最后，我将TigerGraph镜像下载到本地。

Martins-iMa