最近在抓取一些社交網站的數據，抓下來的數據用MySql存儲。問我為什么用MySql，那自然是入門簡單，并且我當時只熟悉MySql。可是，隨著數據量越來越大，有一個問題始終困擾著我，那就是社交關系的存儲。

就以新浪微博舉例，一個大V少則十幾萬，多則幾千萬的粉絲，這些關注關系要怎么存呢？在MySql中，一條關注關系（大V id，大V的一個粉絲 id）存為一條數據，那么當用戶數量上來的時候，關注關系輕松破億，破十億，甚至上百億，并且為了保證每條數據的唯一性，還需要設置聯合索引，MySql就有些力不從心了。那么有人要說了：分表呀。嗯，沒錯，分表的確可以在插入端和讀取端提升一些速度。比如我們可以根據id哈希到100張表中。查詢一個用戶有哪些粉絲是快了，但是查詢一個用戶關注了哪些人時仍然需要遍歷全表。好，這時候我們還可以以（id，其關注的一個用戶的id）再構造100張表，于是兩種查詢都快了。然而，后面那100張表是冗余數據，看著就不爽。并且生成一張子圖也不方便（需要多次寫SQL查表）。

于是，在搜索更好的方案時無意間發現了圖形數據庫，查閱一番資料后感覺確實是個不錯的選擇，畢竟業界的一些大佬，如twitter，Adobe等也在用。

那么，什么是圖形數據庫呢？在這里我貼上較為官方的定義：a database that uses graph structures for semantic queries with nodes, edges and properties to represent and store data – independent of the way the data is stored internally. It’s really the model and the implemented algorithms that matter.注意，這里只是說數據模型是圖結構的，沒有說數據的存儲也一定要是圖結構的。其數據模型如下圖

為什么要選擇圖形數據庫

拿比較常用的圖形數據庫Neo4j來舉例說明，首先，先簡要介紹一下Neo4j。Neo4j是由Java和Scala寫成的一個NoSql數據庫，專門用于網絡圖的存儲。更詳細的內容可見官網。作為一個圖形數據庫，Neo4j有以下優點：

1.更快的數據庫操作。當然，有一個前提條件，那就是數據量較大，在MySql中存儲的話需要許多表，并且表之間聯系較多（即有不少的操作需要join表）。

2.數據更直觀，相應的SQL語句也更好寫（Neo4j使用Cypher語言，與傳統SQL有很大不同）。

3.更靈活。不管有什么新的數據需要存儲，都是一律的節點和邊，只需要考慮節點屬性和邊屬性。而MySql中即意味著新的表，還要考慮和其他表的關系。

4.數據庫操作的速度并不會隨著數據庫的增大有明顯的降低。這得益于Neo4j特殊的數據存儲結構和專門優化的圖算法。

接著，試著從更深一些的層次看圖形數據庫。我將從Neo4j的數據存儲和數據讀寫兩方面來說明為什么選它。

1.數據存儲

Neo4j對于圖的存儲自然是經過特別優化的。不像傳統數據庫的一條記錄一條數據的存儲方式，Neo4j的存儲方式是：節點的類別，屬性，邊的類別，屬性等都是分開存儲的，這將大大有助于提高圖形數據庫的性能。如下圖：

2.數據讀寫

在Neo4j中，存儲節點時使用了"index-free adjacency"，即每個節點都有指向其鄰居節點的指針，可以讓我們在O(1)的時間內找到鄰居節點。另外，按照官方的說法，在Neo4j中邊是最重要的,是"first-class entities"，所以單獨存儲，這有利于在圖遍歷的時候提高速度，也可以很方便地以任何方向進行遍歷。

為什么要選Neo4j

如今可供選擇的圖形數據庫也不少，為什么就選擇了Neo4j呢？我簡要歸結為以下幾點：

1.作為較早的一批圖形數據庫之一，文檔和各種技術博客較多。

2.最開始曾嘗試過flockdb（據說操作簡單+輕量級），但是敗于安裝過程，依賴太多。

3.網上經常有人將orientdb，arangodb與neo4j做對比，我當然也考慮過orientdb和arangodb。從易用性來說都差不多。速度上的話看過一些評測，arangodb應該是相對最快的，因為其使用了混合索引。但是從穩定性來說，neo4j是最好的。

最后做個總結吧。圖形數據庫是這幾年興起的，整體還不是很完善，而且適用面也是比較窄的。只有在明確自己的需求之后，才能確定是否選擇圖形數據庫。如果仍有疑慮，不確定是否有這個需求，或是在使用neo4j時遇到了難點，慧都學院推出的會是一個不錯的選擇。由數據庫領域資深專家傾力打造的系統性講解，不僅有干貨，還有點對點問答互動，現在關注慧都學院官方微信公眾號即有機會獲得免費聽課券！（作者： | 編輯：學院君）

更多行業資訊，更新鮮的技術動態，盡在。