ArangoDB入门
[toc]
0. 前言
毕业设计选到一个知识图谱相关的课题。
而知识图谱中的一个关键问题就是:数据存储方式。
1. 图数据库选型
传统的知识图谱存储方式有以下三大类:
- 关系型数据库。成熟稳定、使用广泛、文档丰富,但并不擅长处理复杂“关系”。
- RDF 三元组存储。由 W3C 制定的标准,具有强大的语义表达能力,但空间开销大、更新维护代价大。
- 图数据库。与知识图谱结构天然匹配,关系查询性能高,但数据更新复杂,大节点处理开销高。
对于关系型数据库与图数据库的关系查询性能对比,《Neo4j in Action》书中做过一项实验:在一个有1000000个人、每个人有50个朋友的庞大社交关系网中,分别用 MySQL 和 Neo4j 查询深度2~5的朋友的朋友,其结果如下:
由此可见,关系型数据库在解决复杂关系查询时,相当无力。
而结合毕设的实际情况,将采用图数据库为主的存储方式。
当下主流的图数据库如下(参考网站):
而由于时间和精力有限,将主要调研对比 Neo4j
和 ArangoDB
两种图数据库。
Neo4j | ArangoDB | |
---|---|---|
数据库类型 | 图数据库 | 多模数据库 |
相关网址 | 官网、官方文档 | 官网、官方文档 |
目前排名 | 第一 | 第四 |
主要实现语言 | Java | C++ |
生态 | 起步较早,社区活跃,文档丰富,使用体验较好 | 社区较活跃、文档较非富,使用体验略差 |
存储系统 | 原生图结构 | RockDB |
存储模式 | 仅支持图存储模式 | 支持键值对、文档、图存储模式,可混合使用 |
查询语言 | Cypher | AQL |
收费情况 | 商业版需付费使用,社区版功能限制较多,比如仅支持十亿级数据存储、单机存储等,见官网社区版与商业版对比 | 商业版需付费使用,但社区版功能已足够非富 |
开源情况 | 社区版开源 | 开源 |
事务 | ACID | ACID |
性能(参考:1. ArangoDB、Neo4j、OrientDB单机性能比较;2. Nebula 与 Neo4j、ArangoDB 等图数据库的 Benchmark) | 数据导入性能较优,查询性能略差,深度查询性能较差 | 数据导入性能较差,查询性能略优,深度查询性能较优 |
结合上述对比,Neo4j 有着更棒的生态、更好的使用体验。但社区版对数据规模和单机存储的限制,是其严重的缺陷。
而 ArangoDB 虽然生态和体验稍差,但查询性能较优,功能限制少。同时,支持多种存储模式,可简化技术栈。
2. ArangoDB 基本概念
在 ArangoDB 中,有 Database
、Collection
、Document
三类基本概念。Database 是 Collection 的集合,Collection 中存储着数据记录,数据记录也就是 Document。
对比关系数据库:
Database
与关系数据库中的数据库概念、作用相同,用于权限控制、界限划分,ArangoDB 中默认的 Database 称为_system
;Collection
相当于关系数据库中的表;Document
则相当于表中的行,但不同于关系数据库,Document 中列不固定,每个 Document 都包含着随机的任意数量的键值对。每个 Document 都有一个默认属性_key
,它是独一无二的、不可更改的、可自动生成的,Document 还有另一个默认属性_id
,它等于<collection name>/<document _key>
。
ArangoDB 提供网页可视化界面,如下是在 test
数据库中创建的 user
集合。
如下是在 user
集合中的文档数据,每个文档相当于一条 json 形式的数据记录,除了默认三个属性,其它都可不必相同。
3. ArangoDB 基本操作
ArangoDB 使用 AQL
查询语言,类似 SQL
语言,对文档数据的基本操作示例如下:
- 查询某个 Document:
1 | RETURN DOCUMENT("users/9883") |
- 查询多个 Document:
1 | RETURN DOCUMENT( ["users/9883", "users/9915", "users/10074"] ) |
- 查询 Collection 中所有数据:
1 | FOR user IN users |
- 查询结果排序:
1 | FOR user IN users |
1 | FOR user IN users |
- 查询结果筛选:
1 | FOR user IN users |
- 查询并返回指定属性:
1 | FOR user IN users |
返回示例:
1 | [ |
- 查询、指定属性、重命名并返回 json 对象:
1 | FOR user IN users |
返回示例:
1 | [ |
- 多 Collection 联合查询并返回 json 列表:
1 | FOR user1 IN users |
返回示例:
1 | [ |
- 复杂查询:
1 | FOR user1 IN users |
- 更新 Document 中的某些属性(不存在则创建),不影响其它属性:
1 | UPDATE "9915" WITH { age: 40 } IN users |
- 更新 Document 中的某些属性,并删除其它属性(
_key
、_id
等除外):
1 | REPLACE "9915" WITH { age: 40 } IN users |
- 插入文档:
1 | INSERT { name: "Katie Foster", age: 27 } INTO users |
- 插入文档并返回插入数据:
1 | INSERT { name: "James Hendrix", age: 69 } INTO users |
- 删除指定 Document:
1 | REMOVE "9883" IN users |
1 | FOR user IN users |
4. ArangoDB 图概念
在 ArangoDB 的图模式中,结点(实体)用 Document
存储,边(关系)用 Edge
存储。
Edge 是一种特殊的 Document,也存储在 Collection 集合中,几乎相当于 Document。区别是,Edge 除了默认的 _id
、_key
属性,还有默认的 _from
、_to
属性,分别指向边所连结点的 _id
。
对 Edge 的增删改查操作与对 Document 操作几乎相同,区别是 _from
、_to
属性不能为空。比如,插入边时必须要指定 _from
、_to
属性值:
1 | INSERT {_from: "papers/38153", _to: "authors/37290" } INTO write_by |
对比关系数据库:
在关系数据库中,实体间关系通过外键以及中间表的形式表示,关系查询则通过表连接的形式表示;
而在 ArangoDB 图模式中,关系数据与实体数据相互区分,实体间关系更加清晰,并提供逻辑清晰的、专门的、性能更强的关系查询
在 ArangoDB 可视化操作界面中,创建的点集合和边集合如下:
可视化界面中还提供 Graph 图的显示,设置好边的起止点集合等信息,就可以显示出对应的图:
5. ArangoDB 图操作
参考:Graph Course
在 ArangoDB 的图操作中,对结点和边的增删改查,就是对 Document 数据的基本操作,不再赘述。
图操作的关键是关系查询操作,也称图遍历(Graph Traversal),相当于关系数据库中的连接查询。
ArangoDB 中,进行图遍历(关系操作)的 AQL
语法如下:
1 | FOR vertex[, edge[, path]] |
FOR
后跟着三个变量:
vertex
必选,指代此次遍历中的点edge
可选,指代此次遍历中的边path
可选,此次遍历的路径,包含两个属性:vertices
路径上所有点的数组edges
路径上所有边的数组
IN [min[..max]]
指明遍历深度,min
默认为 1 ,max
默认等于 min
。
OUTBOUND|INBOUND|ANY startVertex edgeCollection[, more…]
中:
startVertex
指明遍历开始点OUTBOUND|INBOUND|ANY
指明遍历方向edgeCollection[, more…]
指明遍历可经过的边集合
使用示例(现有 airports 点集合和 flights 边集合):
- 查询所有从
LAX
机场出发,深度为1,经过flights
边到达的机场的名字:
1 | FOR airport IN 1..1 OUTBOUND 'airports/LAX' flights |
- 查询10个从
LAX
机场出发,深度为1,经过flights
边最终到达的机场和经过的边:
1 | FOR airport, flight IN OUTBOUND 'airports/LAX' flights |
- 查询10个到达
BIS
机场,深度为1,flights
集合的边:
1 | FOR airport, flight IN INBOUND 'airports/BIS' flights |
返回的可视化结果如下:
- 查询所有1月5至1月7号间,从
BIS
机场出发或到达BIS
机场,深度为1的机场城市及航班时间:
1 | FOR airport, flight IN ANY 'airports/BIS' flights |