🪴 Quartz 4.0

janusgraph-overview

5 min read

1-Intro

解决的 是图存储引擎的问题

核心是解决单机的图存储瓶颈

  • 支持非常大的图，例如 200亿个节点.
  • 有不错的水平扩展能力 ;
  • 可以 集成 Hadoop 做基于图的 离线 oLAP ;
  • 协议标准, 支持 tinkerpop 标准 ;
  • 支持 标准的图语言 Gremlin, 例如字节等自研引擎基本都遵循这个 标准 ;
  • 解决了 superNode 问题 ;
  • 做了磁盘的 optimized 工作
  • 更有趣的是 插拔的存储引擎 .

如果使用 Cassandra 或者 Scylladb 作为存储引擎, 偏向 CAP 中的 PA

  1. 无单点问题
  2. 可以和 Hadoop 集成
  3. 水平扩展性很好，基本没有性能瓶颈

如果使用 HBase 作为存储引擎, 偏向 数据的一致性 , CAP 中的 PC

  1. 仅仅和 Hadoop 集成，更完整的生态
  2. 支持 MapReduce
  3. 支持 严格一致性模型

2-Schema And Data Modeling

什么是 一个图的 Schema

每个 JanusGraph 由 Edge Labels , Property Keys, Vertex Labels 组成.

用 关系图谱来举例子.

  • 点可以是 用户(User), 笔记(Note), 我们用 Vertex Label 来定义点的类型
  • 边可以是 (点赞笔记) (收藏笔记) (关注其他人) , 我们可以用 Edge Label 来定义边的类型
  • 而 ProperKey 可以同时被点和边复用，用来定义 PayLoad , 一个强 DataType 的 PayLoad, 例如 关系的创建时间，例如关系的 创建时间.

边的多重性，规范了这个 Edge 允许的链接模式.

  • MULTI: 默认的, 一对顶点之间可以有多条相同标签的边, 多对多?
  • SIMPLE: 最多一条
  • MANY2ONE : 对任意一个顶点，最多只可以有一条该标签的出边，没有限制入边的数量
  • ONE2MANY：对任意一个顶点，最多只可以有一条该标签的入边，没有限制出边的数量
  • ONE2ONE：对任意一个顶点，最多只可以有一条该标签的入边和出边。
mgmt = graph.openManagement()
follow = mgmt.makeEdgeLabel('follow').multiplicity(MULTI).make()
mother = mgmt.makeEdgeLabel('mother').multiplicity(MANY2ONE).make()
mgmt.commit()

我们创建了属性就可以用在

3-Basic Usage

我们使用 众神关系图来说明这个情况.

一个基本的 query 小例子的

gremlin> g.V().has('name', 'hercules').out('father').out('father').values('name')
==>saturn
  • g : 从当前图开始遍历
  • V() : 寻找顶点
  • has('name', 'hercules')：过滤出名称属性为 hercules 的顶点（只有一个这样的顶点)
  • out('father')：从 Hercules 顶点出发，遍历外向的从父亲顶点发出的边。
  • out('father')：从 Hercules 的父亲的顶点（即 Jupiter ）出发，遍历外向的从父亲顶点发出的边。
  • values('name')：获取”hercules”顶点的祖父的名称属性

4-QuickStart

准备 schema

 
graph = JanusGraphFactory.open('conf/janusgraph-inmemory.properties')
mgmt = graph.openManagement()
mgmt.printSchema()
 
## 1. 边
### 关注边
 
follow = mgmt.makeEdgeLabel('follow').multiplicity(MULTI).make()
 
### 收藏边
fav = mgmt.makeEdgeLabel('fav').multiplicity(MULTI).make()
### 点赞边
like=mgmt.makeEdgeLabel('like').multiplicity(MULTI).make()
 
## 2. 点
userLabel = mgmt.makeVertexLabel('user').make()
noteLabel = mgmt.makeVertexLabel('note').make()
 
## 3. 属性
 
### 创建时间
createAt = mgmt.makePropertyKey('createAt').dataType(Long.class).cardinality(Cardinality.SINGLE).make()
### userId
userId = mgmt.makePropertyKey('userId').dataType(String.class).cardinality(Cardinality.SINGLE).make()
 
### noteId
noteId = mgmt.makePropertyKey('noteId').dataType(String.class).cardinality(Cardinality.SINGLE).make()
 
## 4. 定义约束, userId 的唯一性 和 noteId 的唯一性
mgmt.buildIndex('byUserIdUnique', Vertex.class).addKey(userId).unique().indexOnly(userLabel).buildCompositeIndex()
mgmt.buildIndex('byNoteIdUnique', Vertex.class).addKey(noteId).unique().indexOnly(noteLabel).buildCompositeIndex()
 
mgmt.commit()

添加数据

## 1. 增加用户
u1 = graph.addVertex(T.label, 'user', 'userId', 'u1')
u2 = graph.addVertex(T.label, 'user', 'userId', 'u2')
u3 = graph.addVertex(T.label, 'user', 'userId', 'u3')
u4 = graph.addVertex(T.label, 'user', 'userId', 'u4')
 
 
g = graph.traversal()  // 获取一个新的图遍历对象
users = g.V().hasLabel('user').valueMap('userId').toList()  // 获取所有 "user" 顶点的 "userId" 属性
 
 
## 2. 用户关注用户
u1.addEdge('follow', u2)
u1.addEdge('follow', u3)
u2.addEdge('follow', u4)
 
g = graph.traversal()  // 获取一个新的图遍历对象
g.V().has('user', 'userId', 'u1').out('follow').values('userId').toList()
 
 
## 3. 增加笔记
n1 = graph.addVertex(T.label, 'note', 'noteId', 'n1');
n2 = graph.addVertex(T.label, 'note', 'noteId', 'n2');
n3 = graph.addVertex(T.label, 'note', 'noteId', 'n3');
n4 = graph.addVertex(T.label, 'note', 'noteId', 'n4');
 
 
## 4. 增加收藏关系
//
u1.addEdge('fav', n1);
u2.addEdge('fav', n1);
u2.addEdge('fav', n2);
u2.addEdge('fav', n3);
u3.addEdge('fav', n3);
u3.addEdge('fav', n4);
graph.tx().commit();

简单的2个查询.

## 1. 深度查询
### 思路: 从 u1 出发，找到 u1 关注的人和  二度关注的人 然后 union 起来
 
g.V().has('user', 'userId', 'u1').union(out('follow'), out('follow').out('follow')).dedup().values('userId').toList()
 
 
## 2. 基于 用户的关注关系 给 u1 推荐笔记
### 思路:
### 1. 找到用户关注的人
### 2. 查询这些人收藏的笔记
g.V().has('user', 'userId', 'u1').out('follow').out('fav').toList()

Refer

Graph View

Backlinks

  • No backlinks found