典型 Schema 设计

[虫神天敌]

 

时间设计

 

如何设计一个高性能的 schema

 

现在有个场景，有一堆发生过的事件，现在想查询在某个月，或者是某个时间段内，发生了哪些事件，我们该如何设计 Schema 呢？也许我们可以在时间属性上创建个索引，把这个时间当作索引来存储，但这样的话，查询速度不会很快，尤其是数据量较大的情况下。那我们应该怎么做呢？Neo4j 给了一种设计思路叫做时间树，就是说时间本身是有层级关系的。如上图所示，时间有个层级，想要查询某个事件同时间段内的其他事件，可以通过这个层级快速找到。

上图右侧则是一个时序关系，可以快速找寻某事件发生的时间前后有哪些事情发生，而在 NebulaGraph 中，你可以通过 rank 来实现时序图功能。

上面的例子只是给大家一个参考，并不代表会应用在青藤云实际业务中。

地址设计

 

如何设计一个高性能的 schema

 

上面这个是地址的设计，可能大家都会遇到。假如，现在我们要查询北京朝阳太阳宫在发生事件 A 时，同一个地理位置有多少用户 / IP 在这。传统的设计方法中，添加属性是无法满足该业务需求的。那怎么实现呢？其实这些地址划分可以作为实体，而且地址之间是有关系的。以上述的物流为例，上面的例子：中国-北京-朝阳-太阳宫，就可以通过集散中心-派送点-派送区域-派送段形式进行查询。如果你要查询同一个街道或者是同个市，也可以按照这个关系快速进行查询。

像我们遇到的地址位置，或者是网络层问题，都可以参考这种设计。之前在 BOSS 直聘（分享嘉宾曾就职 BOSS 直聘）中，我们就是参考了类似的实现来找寻某个区域的相关用户。

图最佳实践

上面讲述的内容主要是围绕 Schema 设计，下面这块当作补充资料，主要讲的是图的最佳实践。

命名规范

如果你要编写一个比较长的语句，不知道你有没有注意过，这个语句该如何快速区分哪些是实体，哪些是关系，哪些又是属性。所以，这里就要提一下命名规范问题。一旦命名规范了，一条长查询语句也可能快速辨别实体、关系、属性。

你可以参考下面的命名规范： 1. 实体采用驼峰方式，例如：User、Email、Process； 2. 关系采用全部大写，包含动词和副词，例如：HAS_IP； 3. 属性采用英文小写简写，例如：title、sid、pid

图计算

 

如何设计一个高性能的 schema

 

上图给出了图数据库和图计算的工作流，可以直观地查看到二者的区别。图数据库的工作流相对简单，拿我们常见的一个场景举例，已知某个有问题的进程 A，要溯源找寻它的源头。对应到图这边，图数据库的查询一般会 GO / LOOKUP / MATCH / FETCH 锚定某个起始点，比如这里的进程 A，然后管道 / WITCH 进行下一步的处理，最后用 RETURN / YIELD 来返回基本结构。但，注意，这个基本结构会进行二次加工。刚设计 Schema 的时候提到过，并不是所有的属性都会设计进去，只有和业务相关的核心属性才会设计进入。像请求接口之类的操作，都会在下一步过滤 / 扩展处理时完成。

上面说的是图的直接业务简单查询，但还有一种场景是用图来进行机器学习，比如 GNN 和 GCN 用图来做 feature / 特征，这块本文就不展开讲述，流程和上面有所不同。

那，什么时候用图数据库，什么时候用图计算呢？

 

如何设计一个高性能的 schema

 

如上图所示，有限点的拓展就比较适合用图数据库，或者说 NebulaGraph 来实现；而全局挖掘就比较适合用图计算。从图计算的流程上来看，简单粗暴地讲，图计算就是把一批数据捞到内存中，一次性计算完，然后“吐”出来，再进行下一步的过滤和处理。至于它是如何计算的，图计算里面配有计算引擎。

现在我们来问个问题，如果要找全图点度 Top10 的点，应该用什么？

自然是图计算，图计算也就是 OLAP 主打的是吞吐，即一次性能处理多少数据；而图数据库，主要是应对 OLTP 场景，侧重低延迟，就是查询有多快，以及支持多大量的并发请求 QPS。

只要我们记住图数据库和图计算各自的擅长场景，就比较好处理相关的业务。

大图优化

像传统关系型数据库中，业务无限膨胀的话，就需要做分库分表。图也是类似的，在大图上做某些查询时，你会发现性能很差，这时候你就需要进行分图处理。像上面说到过的关系细化和加速查询，比如我现在只关心进程关系，在特定业务场景下就需要将进程关系单独设计成一张图。这就是图的一个优化手段。或者，你也可以进行业务隔离。像现在的业务是针对推荐场景，剩下的安全场景是否要放置在同一个图空间下呢？如果业务量不大的情况下，是可以的。但是如果是数据量大的话，还是需要同传统数据库一样进行业务隔离，什么业务进入什么图。

这里延伸一下，分图场景下如何进行多图查询呢？简单来说就是进程一张图，网络是一张图，这时候要查询进程和网络的关系。业界的话，管这个叫做查询端融合。虽然你要查询的数据是 2 张图，但是我假装你是在一张图上进行查询。