图数据库：理论与实践 pdf下载

揭秘数字经济时代与知识经济时代的技术引擎与思维引擎，打造数据互联网思维！

理论全面，体系完整——图技术领域独角兽企业多年研发与市场经验的分享，全面揭示图数据库核心内容。

领先视角，深入洞察——从架构设计，到技术选型，分15章深入描绘图数据库技术全景。

跨界应用，举一反三——涉及20个应用场景，涵盖7大领域，轻松迈入落地之门。

经典案例，代码完备——提供案例的配套代码，可在线下载，便于实操学习。

本书系统论述了图数据库的理论知识与行业应用实践。本书分为理论篇和实践篇，共15章。其中，理论篇包括第1～8章，由浅入深地介绍了图数据库的概念和底层技术原理，涵盖主流图数据库的内核原理与架构设计、图查询语言、图算法 、图数据库客户端编程、图数据库服务端编程、图可视化、图数据库选型等内容；实践篇包括第9～15章，介绍了图数据库的行业应用案例，涵盖知识图谱、金融、泛政府、零售、制造业供应链管理、企业资产管理、生命科学等内容，通过这些案例，进一步启发读者深入思考和挖掘潜在的应用场景。针对行业案例，本书免费提供详尽的源代码，以便读者动手实践。

张晨

创邻科技创始人兼CEO，中国计算机学会（CCF）信息系统专委会执委，北京理工大学校外博导，香港科技大学（广州）实践副教授、图数据实验室联席主任，正高级工程师，浙江大学竺可桢学院计算机科学与技术学士、加拿大滑铁卢大学计算机科学博士、麦吉尔大学博士后，图数据库、分布式系统及并行计算领域专家，近20年分布式并行系统研发经历。曾任美国运通大数据科学家、硅谷初创Splice Machine软件架构师、加拿大初创Graph Intelligence联合创始人。

吴菁

麦吉尔大学管理信息系统博士，荷兰莱顿大学ICT in Business硕士，浙江大学竺可桢学院计算机科学与技术学士。图分析领域专家，现任浙江创邻科技有限公司联合创始人兼COO，加拿大初创Graph Intelligence联合创始人兼执行董事，近10年图技术商业转化及解决方案咨询落地经验，曾获评创业邦2022最值得关注的女性创业者。

周研

本科毕业于浙江大学竺可桢学院混合班，博士毕业于浙江大学计算机学院，师从陈纯院士。曾为Apache开源项目贡献者，具有10余年大型软件项目的研发和管理经历。图数据库和分布式系统领域的专家，现浙江创邻科技有限公司联合创始人兼CTO，承担多个图计算领域省级、市级重大研发专项项目，是图数据库、知识图谱领域国内外多个标准化委员会成员，主导/参与制定多项行业标准。

图数据库是一个飞速发展的领域。《图数据库：理论与实践》从图数据库的存储结构、分布式处理技术、查询语言、算法和应用案例等方面展开了讨论，并给出了基于Galaxybase 的编程实例，为图数据库开发者提供了全面且系统的学习资料。

陈文光

清华大学教授，蚂蚁技术研究院院长

《图数据库：理论与实践》是一本引人入胜的作品，为读者提供了深入理解和掌握图数据库的宝贵机会。无论你是学术界的研究者、产业界的数据科学家，还是对数据库技术感兴趣的初学者，本书都是一本不可或缺的指南。作者以其在图数据库Galaxybase 上的开发与搭建经验为基础，用清晰、通俗的语言阐释了图数据库、图计算、图学习等核心理论，同时提供了知识图谱、金融、泛政府等领域的丰富实践案例，帮助读者将理论知识转化为实际应用的技能。通过这本书，你将领略到图数据库的无限潜力，掌握构建和优化图数据库系统的关键策略。无论你是在探索学术前沿还是寻求解决实际业务挑战，这本书都将为你开拓思路。

邹磊

北京大学王选计算机研究所教授

《图数据库：理论与实践》一书针对图数据库系统的原理与应用进行了系统的介绍。全书内容翔实，涵盖了图数据库的核心功能；案例丰富，结合典型应用场景介绍了图数据库的应用落地。本书是一本不可多得的兼顾了原理介绍与应用展示的图数据库专业图书，对图数据库的学习者、实践者均有重要的参考价值。

肖仰华

复旦大学计算机科学技术学院教授

《图数据库：理论与实践》一书不仅深入剖析了图数据库的核心原理和技术实现，而且在知识图谱应用方面提供了很有价值的见解和案例分析。通过阅读，我们不仅能够理解图数据库在知识图谱构建和管理中的关键作用，还能够学习到如何高效地利用图数据库解决其他的实际问题。特别是书中对于各种图数据库产品，包括Galaxybase的详细介绍和评估，为我们在选择合适的图数据库技术时提供了宝贵的参考。无论是在知识图谱的构建、数据整合还是智能分析应用中，这本书都是一部不可多得的参考资料。

陈华钧

浙江大学计算机科学与技术学院教授

作为图数据研究工作者，我强烈建议所有对图数据库感兴趣的朋友阅读这本《图数据库：理论与实践》。毫不夸张地说，这是一本具备系统化理论深度、涵盖广泛应用场景和丰富案例、兼顾理论与实践的图数据库图书。本书既从理论层面讲解了图数据库的概念和底层技术原理，包括主流图数据库内核原理与架构设计、图查询语言、图算法等内容，又通过知识图谱、金融、泛政府、零售、制造业供应链管理、企业资产管理、生命科学等行业的丰富案例，让读者深入了解图数据库的实际应用场景。此外，针对每个案例，本书还免费提供详尽的源代码，便于读者动手实践。因此，无论您是新手还是专家，都可以通过阅读本书探索图数据库的无穷奥秘！

杨洋

浙江大学计算机科学与技术学院副教授，人工智能系主任

图结构表达能力强且应用广泛。近年来，由于图计算、知识图谱和图学习等新兴技术的兴起，图数据库备受学术界和工业界的关注。作为打拼多年的数据库老兵，也是全球领先的图数据库Galaxybase 的主要研发人员，本书作者系统、全面地介绍了图数据库的基础理论和应用实践。值得一提的是，本书不仅涵盖了图数据库的定义、分类和主流数据库的介绍等，而且首次详细揭露了内核设计和架构，并对技术选型和评测进行了全面细致的分析。此外，本书涵盖的应用领域之广也是前所未有的，不仅包括金融和泛政务，还包括智能制造、企业资产管理等。对于图数据库乃至图计算的从业者，本书是不可多得的参考书。

王昊奋

同济大学百人计划特聘研究员

本书作者张晨博士、吴菁博士、周研博士是数据库领域的行业知名专家和科技创业先锋，团队在图数据管理、计算与学习等方向有着十多年的研发经验。本书比较全面地介绍了图数据库的基础理论、前沿技术和系统，以及多个行业的应用案例。更难能可贵的是，作者开源了本书中大量应用案例的代码。对图数据库感兴趣的在校学生和科技工作者来说，本书是非常好的学习读物。

王平辉

西安交通大学自动化科学与工程学院教授

在这个信息化快速发展的时代，图计算已成为处理复杂数据结构和关系的关键技术。《图数据库：理论与实践》一书精心阐述了图数据库的核心原理，特别是图算法部分，提供了深入的技术解析和实践指导。通过阅读，读者不仅能够掌握图数据库的高级技术，还能了解如何有效应用这些算法解决现实世界的问题。书中的案例分析和实际应用示例尤其宝贵，它们直观地展示了图算法在多个领域，如社交网络分析、推荐系统和知识图谱中的实际应用。对于希望深入了解图计算和图算法的学者、研究人员和实践者，本书提供了宝贵的学习材料和实践经验。

陈红阳

之江实验室图计算研究中心副主任

近年来，图数据库作为充满活力的新领域，拥有的巨大潜力有待挖掘。本书内容翔实，配有丰富的图表和生动的案例，对图数据库领域的方方面面进行了全景式的介绍，讲解细致，理论与实践并重。更可贵的是，本书还结合社会真实需求，阐述了图数据库如何赋能企业和政府，是了解、迈入图数据库领域的指南，令人受益匪浅。

李佳

香港科技大学（广州）数据科学与分析学域助理教授，图数据实验室联席主任

面对日益复杂的数据结构和庞大的数据集，查询性能对我曾是一项巨大的挑战。幸运的是，如今有一门技术解决了当年的难题——图数据库。这本书回答了我曾对图数据库的疑惑，帮助我理解这一领域的基本知识，了解行业应用。我坚信图数据库将为未来的数据管理和分析领域带来革命性的变革。我真诚希望这门技术能够蓬勃发展，为更多的人解决复杂数据问题提供帮助。如果你正渴望深入了解图数据库，请毫不犹豫地翻开它，探索图数据库的无限潜力。

杨文艳

《金融电子化》杂志社执行董事

《图数据库：理论与实践》全面且深入地探讨了图数据库的理论基础和实践应用，为我们制定相关技术标准提供了宝贵的参考材料。本书对图数据库内核原理、查询语言、图算法和图数据库选型标准的详细介绍，不仅有助于我们深入理解图数据库技术的本质，还有助于推动行业标准的制定。特别是本书对图数据库在多个领域的应用案例，如知识图谱、金融和泛政府，为我们提供了行业标准制定的现实场景。此外，本书对图数据库技术发展前沿的分析，对于我们把握技术发展趋势具有重要意义。

魏凯

中国信息通信研究院人工智能创新中心负责人、云计算与大数据研究所副所长

图是表达关联数据最直观的数学模型。随着企业数字化转型的深入，图数据库在未来的信息基础设施构建方面将发挥更大的价值。本书从图数据库的理论到实践，提供了详细的分析，为对图数据库感兴趣的读者提供了很好的参考，值得阅读。

吕韬

中国软件评测中心信息技术发展应用研究测评事业部技术总师

本书深入浅出、十分详尽地讲解了图数据库——大数据时代利器的基础原理和实践案例，无论是新手入门还是作为工具书，抑或用来开阔视野、激发场景产品创新，都值得阅读。对于正在或即将开展图数据库领域学习和研究的朋友，本书非常值得学习和收藏。

罗晓峰

中国农业银行研发中心

正如Oracle、MySQL 等关系数据库在传统信息时代和互联网时代中的基础性地位，图数据库已成为万物互联和人工智能时代的底层基础设施。我们非常看好这一领域的发展。本书作者之一张晨博士是图技术领域的先驱，一直奋战在国产图数据库创新发展的一线。本书凝聚了作者丰富的理论知识和实践经验，不仅是关键前沿技术的应用指南，而且是我国大数据基础软件自主可控进程的重要理论基石。

马嘉辉

中国银河证券投资银行总部信息技术行业组总监

本书是图技术领域非常值得学习的入门和精进宝典，系统地介绍了图数据库、图计算引擎、图查询语言、图可视化技术、图算法和典型应用场景，深入浅出地讲解了整个技术栈的全貌。本人从事图相关工作已近10 年，还是第一次读到如此全方位介绍和技术剖析深度的行业图书。无论是作为高校学生的入门教材，还是专业技术人员的参考书，都值得一读，定会常读常新！

张晨逸

华为云图引擎服务（GES）总监、技术专家

一直以来，关系数据库都是行业应用软件的支撑主体。随着信息化技术发展和客户需求变化，图数据库已成为新的支撑平台。《图数据库：理论与实践》正是一本应对这一转变所带来的新技能需求的教材。本书通过详尽的理论阐述和丰富的实际案例，帮助工程师快速掌握图数据库技术，补充新技能。对于那些追求专业成长的软件开发者来说，本书是理解图数据库并将其应用于实际项目的宝贵学习材料。希望通过本书的学习，技术工作者能得到更大的帮助和提升。

左春

中科软科技股份有限公司总裁

《图数据库：理论与实践》深入探讨了图数据库的理论和实践，为读者提供了丰富的知识和实用技巧，特别是在通过非结构化数据处理获取推理能力的任务方面有翔实的阐述。作者用通俗易懂的语言解释了复杂的概念，并通过丰富的实例展示了如何应用这些知识解决实际问题。无论你是初学者还是专业人士，本书都将为你带来宝贵的启示和指导。特别值得一提的是，本书还涵盖了图数据库在社交网络分析、推荐系统、知识图谱等领域的应用案例，对于从事相关行业的人士来说尤为具有价值。

李明洹

科大讯飞认知图谱应用创新中心主任

作为一本由图数据库产品的创始团队所著的图书，不仅有扎实的理论基础，还有多个领域的实践经验总结。这本书值得我们细细品读，相信大家可以从中获益良多。几年前，我们就曾在一些海量数据下的业务场景中与创邻的GalaxyBase 进行过深度合作，对产品的优越性能赞赏有加。即使在大模型席卷宇宙的背景下，基于图的知识图谱等仍然因其结构化和决断性的知识表示形式、能够提供准确且明确的知识、具有强大的符号推理能力以及能够生成可解释的结果等特点而显得至关重要。而一个强大的图数据库和计算引擎则是支撑其发展关键所在。祝贺这本书的出版，对张晨团队为行业所做出的贡献表示赞赏。

叶新江

每日互动CTO

常言道，道高一尺魔高一丈。这句话用在我们风控和反欺诈领域再合适不过。欺诈者的技术手段越来越先进，作案手法也越来越隐蔽，利用传统的统计学方法往往会有很多“漏网之鱼”。我们在实践中发现，结合图计算技术能大大提升召回率，帮助客户显著降低欺诈损失。但是很多时候，都需要花大量的时间去摸索使用方法。《图数据库：理论与实践》一书的出版，填补了国内这方面的空白，既有深入的理论基础，又有作者多年服务各行各业客户的实践经验，非常值得一读！

张新波

同盾科技联合创始人

万物互联的数字经济时代推动了图技术的崛起。图技术涵盖了图数据管理和分析，专注于研究客观世界中实体之间的关系，处理大规模异构数据，展现出强大的应用潜力。图计算、图学习、图数据库等与图技术相关的前沿技术正日益融合，成为人工智能领域的新热点。《图数据库：理论与实践》为读者提供了深入了解图数据库的机会，帮助读者全面理解图数据库的核心概念和行业实践。作者在书中深入探讨了图数据库的基本原理，包括数据建模、查询语言和性能优化等。此外，本书还包括丰富的实际案例，帮助读者将理论知识应用到实际问题中。作为专注于大数据实时智能基础软件及行业解决方案公司的创业者，我强烈建议我们的团队以及所有对图数据库感兴趣的从业者阅读。

王新宇

邦盛科技CEO

图数据库是一种专门用于存储和管理图数据结构的数据库，它能够高效地处理复杂的关系和层次结构。相比于传统的关系数据库，图数据库具有更高的灵活性和可扩展性，能够更好地满足数据存储和管理的需求。《图数据库：理论与实践》是创邻科技创始人张晨等技术精英倾力打造的一本介绍图数据库的力作。本书详细阐述了图数据库的数据模型、存储结构、查询语言等内容，并结合实际案例，深入剖析了图数据库在社交网络、推荐系统、金融风控等领域的应用。对于从事大数据、数据仓库、数据挖掘等相关领域的人员，本书都具有很高的学习价值。

张文军

同创伟业合伙人

图数据库发展的重点是以用户需求为中心强化产品技术和完善生态。未来技术趋势为图HTAP、Graph+AI、Graph+ 联邦学习、大规模图数据分布式管理、图数据库处理时序数据等。本书从金融、社会治安、制造业供应链、电力、生命科学等行业入手分析了典型案例，理论与实践相结合，值得关注数字新经济的朋友们深度阅读。

迮钧权

达晨财智业务合伙人

理 论 篇

第1 章　初识图数据库 / 3

1.1 图数据库的发展背景 / 3

1.1.1　什么是图 / 5

1.1.2　理解图的手段：图分析 / 7

1.2　图技术 / 10

1.2.1　图计算引擎 / 10

1.2.2　图数据库 / 11

1.2.3　图可视化 / 13

1.3　图数据库技术的优势 / 15

1.4　图数据库的分类 / 22

1.5 图数据库的应用场景 / 25

1.6 图数据库与知识图谱 / 32

1.7 图技术的发展趋势 / 32

1.8 本章小结 / 35

第2 章　 主流图数据库的内核原理与架构设计 / 37

2.1　 图数据库内核设计的关键目标 / 37

2.1.1　免索引邻接 / 38

2.1.2　图数据库内核的分类 / 38

2.2　 实现免索引邻接的技术方案 / 40

2.2.1　使用数组结构存储 / 40

2.2.2　使用链表结构存储 / 41

2.2.3　 使用LSM 树或其他键值形式存储 / 42

2.2.4　优化之路 / 44

2.3　Neo4j / 45

2.3.1　Neo4j 存储结构 / 45

2.3.2　Neo4j 事务 / 47

2.3.3　Neo4j 集群 / 48

2.4　JanusGraph / 50

2.4.1　JanusGraph 存储结构 / 50

2.4.2　JanusGraph 事务 / 53

2.4.3　JanusGraph 架构 / 53

2.5　Galaxybase / 54

2.5.1　Galaxybase 系统架构 / 55

2.5.2　Galaxybase 分布式图存储 / 56

2.5.3　Galaxybase 分布式图计算 / 58

2.5.4　Galaxybase 高性能图展示 / 61

2.6　本章小结 / 62

第3 章　图查询语言 / 63

3.1　图查询语言一览 / 63

3.2　Cypher / 65

3.2.1　Cypher 简介 / 65

3.2.2　Cypher 使用场景 / 66

3.2.3　Cypher 高级特性 / 75

3.3　本章小结 / 81

第4 章　图算法 / 82

4.1　图算法概述 / 82

4.2　寻路算法 / 83

4.2.1　数据准备 / 84

4.2.2　算法介绍 / 85

4.3　中心性算法 / 97

4.3.1　数据准备 / 97

4.3.2　算法介绍 / 98

4.4　社区检测算法 / 110

4.4.1　数据准备 / 111

4.4.2　算法介绍 / 112

4.5　相似度算法 / 122

4.5.1　数据准备 / 123

4.5.2　算法介绍 / 124

4.6　图模式匹配算法 / 132

4.6.1　环路匹配 / 133

4.6.2　路径匹配 / 134

4.6.3　复杂子图 / 136

4.7　图嵌入算法 / 138

4.8　图神经网络算法 / 144

4.9　分布式并行图计算 / 153

4.9.1　分布式图计算框架 / 153

4.9.2　分布式图计算面临的挑战 / 155

4.10　图算法的综合应用 / 157

4.10.1　标准图算法的应用 / 158

4.10.2　定制化图算法的应用 / 161

4.11　本章小结 / 163

参考文献 / 164

第5 章　 图数据库客户端编程 / 166

5.1　概述 / 167

5.2　驱动模式 / 168

5.2.1 Java / 169

5.2.2　Python / 175

5.2.3　Go / 180

5.3　RESTful API / 185

5.3.1　登录 / 185

5.3.2　图列表查询 / 186

5.3.3　图模型操作 / 187

5.3.4　点操作 / 192

5.3.5　边操作 / 198

5.3.6　遍历操作 / 201

5.3.7　执行Cypher 语句 / 203

5.4　本章小结 / 204

第6 章　 图数据库服务端编程 / 205

6.1　概述 / 205

6.2　 Galaxybase PAR API

简介 / 207

6.3　PAR 的使用方法 / 208

6.4　PAR 的自定义函数 / 209

6.4.1　自定义非聚合函数 / 209

6.4.2　自定义聚合函数 / 210

6.5　PAR 的自定义过程 / 212

6.5.1　自定义本机过程示例 / 212

6.5.2　自定义集群过程示例 / 213

6.6　PAR 的自定义过程封装 / 215

6.6.1　PARKit / 215

6.6.2　Traversal API / 222

6.7　PAR 管理接口 / 226

6.7.1　查询 / 226

6.7.2　删除 / 227

6.8　本章小结 / 228

第7 章　图可视化 / 229

7.1　 图可视化在不同领域的应用 / 229

7.2　通用图可视化工具 / 230

7.3　图可视化框架 / 236

7.4　 基于图数据库的可视化平台 / 242

7.5　 Galaxybase Studio 图可视化平台 / 243

7.5.1　创建图项目 / 243

7.5.2　图项目管理 / 250

7.5.3　数据源管理 / 252

7.5.4　图可视化分析 / 253

7.5.5　用户管理 / 273

7.5.6　图挖掘 / 274

7.6　本章小结 / 275

第8 章　图数据库选型 / 276

8.1　图数据库的应用场景 / 276

8.1.1　 图分析需求：OLTP 还是OLAP / 276

8.1.2　图数据特点 / 278

8.2　图数据库的存储架构 / 280

8.3　图数据库的性能 / 280

8.3.1　导入性能 / 281

8.3.2　查询性能 / 282

8.3.3　图算法性能 / 283

8.3.4　正确性验证 / 285

8.4　图数据库的功能 / 286

8.4.1　基础图数据库功能 / 286

8.4.2　高阶图数据库功能 / 289

8.4.3　可视化分析与查询 / 290

8.5　图数据库选型基准测试 / 291

8.6　 图数据库选型测试方案样例 / 296

8.6.1　测试说明 / 296

8.6.2　测试用例 / 297

8.7　本章小结 / 320

实 践 篇

第9 章　知识图谱 / 323

9.1　背景 / 323

9.2　影视知识图谱 / 324

第10 章　金融 / 333

10.1　信用卡申请反欺诈 / 333

10.2　小微信贷风控 / 339

10.3　反洗钱 / 346

第11 章　泛政府 / 353

11.1　社会治安 / 353

11.2　疫情防控 / 359

11.3　电力调度 / 362

11.4　武器设备管理 / 365

第12 章　零售 / 369

12.1　商品推荐 / 369

12.2　社交网络营销 / 376

第13 章　 制造业供应链管理 / 382

13.1　供应链风险管理 / 382

13.2　物流管理 / 393

第14 章　企业资产管理 / 400

14.1　网络安全 / 400

14.2　权限管理 / 404

14.3　 设备资产管理之智能运维 / 409

第15 章　生命科学 / 414

15.1　农业育种 / 414

15.2　新药研发 / 418

前言

图数据库（Graph Database）是近年来新兴的先进数据库技术。随着大数据和物联网产业的蓬勃发展、数据类型的日益丰富以及数据间关联度的爆发式增长，传统分析方法针对小数据量、单维度、静态化数据已无法满足日趋VUCA 的数字经济时代下大数据处理与分析的需求。对于数量剧增的数据以及蕴含其间复杂关联关系的有效分析和高效处理已成为行业痛点。传统的关系数据库（Relational Database）对于数据间复杂关系的处理能力有所欠缺，而图数据库能高效处理海量、复杂互联、动态多变的网络拓扑结构数据，其性能比关系数据库提升了数个数量级。

尽管图数据库在2007 年前后才开始商业化，但根据数据库领域权威统计机构DB-Engines 基于公开数据的分析，自2013 年起，全球对图数据库的技术关注度增长已远超其他数据库类型。著名IT 技术顾问咨询机构Gartner 于2020 年将图数据库列入企业亟须优先配置的技术矩阵，并评估其为该矩阵中不可或缺的重要底层技术，预测图数据库将在未来2 至4 年成为企业IT 架构的主流配置之一。Gartner 在2022 年进一步预测，到2025 年，图技术将用于80% 的数据分析，图分析能力将成为数字化企业最核心的竞争优势。在亚马逊官方发布的技术矩阵中，图数据库已成为与关系数据库并列的核心技术组成部分。在数据库领域的三大顶级学术会议之一ICDE 2022 中，图技术相关论文占比高达34.6%。至今，图数据库已在金融、能源、电信、物流、零售、航空和互联网等多个行业中得到应用，创造出巨大的商业价值和社会价值。

工信部发布的《“十四五”软件和信息技术服务业发展规划》中明确指出了“关键基础软件补短板”，加速分布式数据库产品研发和应用，突破分布式数据处理与任务调度架构、大规模并行图数据处理等关键技术，推动高性能数据库在金融、电信、能源等重点行业关键业务系统应用。2022 年6 月，中国计算机学会数据库专委会与工信部重点实验室发布的《数据库分类图谱（2022 版）》明确将图数据库置于非关系数据库的首要位置。

可以说，不论是学术界的创新探索、工业界的规模创造，还是国家社会经济发展的整体规划，以图数据库为核心的图技术已登上技术发展史的主流舞台，成了一颗冉冉升起的新星。

为什么撰写本书

时间回到2013 年，当时我在硅谷的一家初创公司担任软件架构师。我们开发了世界上第一款基于Hadoop 的分布式关系数据库，其底层核心的分布式数据一致性技术正是基于我的一篇博士论文《如何在HBase 上实现分布式事务》。我们的目标是有效地存储企业每天收集的海量数据，并支持高效的分布式查询。然而，在产品实际落地的过程中，我们面临了一个巨大的挑战：一些金融客户和数字营销公司经常需要进行二三十个数据表的连接操作以支持实时分析决策的需求。即使是我们当时倾尽全力打造的分布式关系型数据库，也很难解决这个问题。

偶然的机会，我与我的太太吴菁女士，也是本书的第二作者，讨论了长期以来困扰我的技术问题。她是社交网络分析领域的专家，认为我遇到了一个非常有意义的问题。然而，这可能不是一个仅仅通过优化关系数据库就能解决的工程问题，而是需要从数据建模甚至底层数据存储结构上进行处理的问题。在她看来，这些多表连接操作实质上是在解决对事物对象的关联关系分析问题。在未来的世界中，关系将无处不在：大到社会经济发展、科学技术研究，小到企业商业活动、个人日常社交、出行和购物。连接只会越来越多、越来越广、越来越深，而记录这些连接的数据也必然会展现出复杂关联的特性。然而，我们如今还缺乏一项能够高效处理和分析如此庞大关联数据的技术。她鼓励我利用我所学和所长，打造一项具有划时代意义的大数据处理技术。

本着这样的初心，我与太太于2015 年共同创立了Graph Intelligence Inc，位于加拿大多伦多，并得到了多伦多大学旗下的著名硬科技创业加速器之一“创新颠覆实验室”（Creative Destruction Lab，CDL）的孵化支持。我们致力于研发世界上第一款深度集成于Hadoop 的分布式图数据库。在CDL 导师的指导下，我们意识到中国拥有全球最活跃的经济和商业活动，人口规模也最大，必然产生海量数据和丰富的应用场景，成为图数据库技术发展和应用的最佳市场。同年，恰逢浙大竺可桢学院校友会，师兄宋宏伟博士也强烈呼吁我们回国投身大数据技术创新事业。因此，2016 年8 月，我们回国，与同为技术梦想所感召的周研博士共同创立了创邻科技（CreatelinkTechnology） 寓意“创造连接”， 将我们的初心和梦想延续在这个更广阔的领域中。

在创业的过程中，我们经历了风风雨雨。在过去的8 年里，我们不断探索和钻研，对创邻科技的核心产品Galaxybase 原生分布式图数据库进行了多次存储内核和产品架构的设计迭代。2017 年，受到客户对万亿级实时数据分析需求的推动，我们完全摒弃了对笨重第三方开源系统Hadoop 的依赖，选择了自主研发存储内核的道路。这个决定困难重重，但我们坚定地走了下去。曾经有投资者质疑我们的选择，认为我们选择了一条“赚钱慢”的商业路线，甚至有人认为“中国人做不出自己的数据库”。然而，我们坚信只有放弃对第三方开源系统的依赖，我们才能不受其技术实现的制约；只有在存储内核上真正实现自主可控，我们才能降低系统间的黑盒通信成本，实现分布式系统的极致技术性能。当时，我们没有预料到后来美国对中国的技术脱钩风险，而我们早年的技术路线选择成为公司商业竞争上的关键壁垒。如今，创邻科技已经成长为一家多次被评为“未来独角兽”的科技创新企业，获得了百度、高瓴、腾讯、同创伟业和达晨等一流投资机构的青睐和支持，与腾讯、百度、华为、中国电子、科大讯飞等行业巨头进行了深度的产品合作。我们的核心产品Galaxybase 多次打破了扩展性和查询性能的世界纪录，作为图数据库的代表产品被列入了Gartner、IDC、Forrester、CBInsights 等国际知名机构的研究报告中，客户遍布金融、互联网、能源、电信、政府等各行业领域，获得了广泛的认可。在今年国内首份问世的图数据库市场厂商评估报告中，IDC 将创邻科技列为了中国图数据库市场领导者象限的头部企业，企业战略与产品能力维度双双领先行业。同时，我们与香港科技大学、浙江大学、北京理工大学等校级和院级合作伙伴进行了产学研合作。

在服务客户和与生态伙伴合作的过程中，我们发现国内的图数据库应用广度和深度整体落后于海外数年，市场对图技术的认知普遍匮乏，导致很多用户不清楚如何使用图数据库以及如何发挥其作用，对技术供应商的技术咨询服务有很高的依赖性。尤其近年来，出现了许多不同技术路线的开源和闭源产品，厂家之间的观点也不一致。一些客户即使业务部门非常期待推动图技术赋能业务创新，技术部门在产品选择和使用上也常常感到无所适从。

造成这种局面主要有两个方面的原因。一方面，相对于已经发展了40 多年的关系数据库，图数据库技术本身仍然是一个新兴的事物，处于技术发展早期阶段。在全球范围内看图数据库市场，还没有统一的数据库查询语言，并且缺乏共识的统一评估标准。尽管图数据库在技术原理和使用方法上与传统关系数据库有很大的区别，但目前市场上还没有形成一套成熟完备的图数据库系统的理论框架，国内的大学里也缺乏一本类似《数据库系统》的图数据库领域的经典教材。另一方面，与图数据库不断增加的应用需求所对应的，是图技术的开发和应用人才也变得紧缺。作为一种深度分析业务内在关系的技术，图技术的应用人才需要高度综合素质：既需要了解业务、数据分析和建模，又需要了解数据库技术、数据库查询语言，甚至需要了解图算法的设计和开发。然而在市场上，我们没有找到一本能够帮助图技术爱好者从入门到精通的实践手册。

我们发现市场急需一本具备系统化理论深度、涵盖广泛应用场景和丰富案例、兼顾理论与实践的图数据库书籍。这启发我们和团队将创邻多年的研究成果和实践总结下来，以推动图数据库这项新技术在国内市场的普及和发展。作为行业的主要参与者和技术开拓者，我们深感有责任和义务，分享我们在各个领域顶尖客户落地过程中积累的经验和场景认知。

本书主要内容

本书包括理论篇和实践篇两部分，其中理论篇包含8 章，实践篇包含7 章。理论篇从图数据库的发展历史、定义、分类等基础知识开始，涵盖了图数据库的内核和架构设计原理、图查询语言、图数据库编程方法、图算法、可视化图分析、图数据库测试和技术选型等理论内容。此外，还提供了一套多家大型客户在实践中采用的技术选型和测试方法供参考。无论是软件开发人员、业务分析师、学生还是技术选型决策者，都可以通过理论篇快速、全面地了解图数据库技术的全貌，掌握其核心知识体系。

图数据库适用于具有网络关联关系、关系动态变化、需要实时决策分析的场景。实践篇旨在为图技术的创新应用提供帮助和指引，涵盖了图数据库在知识图谱、金融、泛政府、零售、制造、企业资产管理和生命科学7 大领域近20 个场景的应用案例。每个案例都详细分享了场景背景、行业痛点、图技术解决方案、图模型设计和图分析代码示例。各行业从业者和解决方案供应商可以直接阅读相关章节，并将书中的图模型作为应用图数据库的入门指南。其他读者也可以通过了解不同场景下的图建模和图分析过程，系统学习使用图思维发现问题、分析问题和解决问题的方法和思路，做到活学活用、举一反三。

致谢

我首先要特别感谢本书的另外两位作者，也是创邻科技的两位联合创始人——吴菁博士和周研博士。他们为本书提供了大量的素材、做了大量编纂及修订工作。我也要感谢为本书编写提供帮助的创邻科技的小伙伴们——冯鼎、杨蕾红、徐骥龙、唐泽鹏、杨万秋、童冰、陶源、詹志龙、丁涵炜、林曼武、吕富林、刘施展、叶纪坤、夏方星晨、赵亮羽、马超、陈一杰、黄孟云、李欢、徐文龙、王子夫、王楠、佘珊、文焱贝和张旺。无论是创邻科技的Galaxybase 图数据库，还是这本书的内容，都是团队集体智慧的结晶，没有创邻万众一心的小伙伴们，就不会有这本书的问世。

感谢电子工业出版社博文视点宋亚东编辑对于本书的支持和重视。在审稿过程中，他的专业意见对书稿的修改完善起到了重要作用。得益于他的耐心和专业指导，我们顺利完成了撰写工作，再次感谢宋亚东编辑为本书出版所做的一切。

由于作者水平有限，时间紧迫，书中可能存在不足和欠妥之处。此外，由于图数据库技术涉及的知识面广、领域知识艰深，难免有所纰漏。敬请各位专家和读者海涵，给予批评和指正。

张晨

2023年11月