智能圖形

將圖形擴(kuò)展到集群中并保持性能。此獨(dú)特功能使您能夠探索圖形使用中的全新領(lǐng)域，并提供與單個(gè)實(shí)例設(shè)置幾乎相同的圖形遍歷性能。

當(dāng)圖形的數(shù)據(jù)集超過(guò)ArangoDB單個(gè)實(shí)例上可以承載的限制時(shí)，需要進(jìn)行縮放。然而，通過(guò)集群分割圖形會(huì)帶來(lái)新的問(wèn)題。當(dāng)使用標(biāo)準(zhǔn)圖時(shí)，遍歷可能涉及數(shù)據(jù)庫(kù)服務(wù)器之間的許多網(wǎng)絡(luò)跳。由于邊緣將遍歷帶到不同的機(jī)器上，性能會(huì)惡化。

智能圖和不相交智能圖通過(guò)優(yōu)化碎片之間的數(shù)據(jù)分布來(lái)解決此問(wèn)題，減少了需要網(wǎng)絡(luò)跳到其他服務(wù)器的邊緣數(shù)。

使用圖形縮放

ArangoDB的社區(qū)版可以在單個(gè)實(shí)例上處理大型數(shù)據(jù)集，允許您垂直擴(kuò)展而不會(huì)出現(xiàn)問(wèn)題。它還可以處理水平擴(kuò)展到包含所有三種數(shù)據(jù)模型的集群。但是，在水平縮放時(shí)，通過(guò)集群分割圖形時(shí)，可能會(huì)遇到性能問(wèn)題。

繪制一個(gè)處理大型數(shù)據(jù)集的圖，例如在物聯(lián)網(wǎng)、金融、通信、醫(yī)療保健或基因組學(xué)應(yīng)用程序中可能會(huì)發(fā)現(xiàn)的內(nèi)容。數(shù)據(jù)的自然分布涉及一系列高度互聯(lián)的社區(qū)，這些社區(qū)之間有許多邊緣。

圖1:3臺(tái)機(jī)器上沒(méi)有SmartGraphs的圖形切分

在這種規(guī)模上遍歷圖可以帶您穿過(guò)數(shù)十億甚至萬(wàn)億個(gè)頂點(diǎn)。這樣的數(shù)據(jù)量太大，無(wú)法安裝在一臺(tái)機(jī)器上，每當(dāng)邊緣將您從一臺(tái)機(jī)器帶到另一臺(tái)機(jī)器時(shí)，網(wǎng)絡(luò)連接上就會(huì)出現(xiàn)性能瓶頸。如果第二臺(tái)機(jī)器上的邊緣將您帶回第一臺(tái)機(jī)器或第三臺(tái)機(jī)器，情況會(huì)變得更糟。遍歷所需的網(wǎng)絡(luò)跳數(shù)越多，網(wǎng)絡(luò)延遲就越大，與內(nèi)存計(jì)算相比，網(wǎng)絡(luò)延遲可能會(huì)變得非常昂貴。最終，性能下降到不再適合給定用例的程度。

使用SmartGraphs進(jìn)行縮放

遍歷碎片圖時(shí)的性能問(wèn)題與網(wǎng)絡(luò)延遲有關(guān)。遍歷所需的網(wǎng)絡(luò)躍點(diǎn)越多，從水平縮放中獲得的好處就越少。使用ArangoDBEnterprise版本，您將受益于SmartGraphs，通過(guò)使用應(yīng)用層的智能性解決遍歷的網(wǎng)絡(luò)延遲問(wèn)題。

圖形本身一無(wú)所知。但是，您的應(yīng)用程序?qū)D形了解很多。在許多數(shù)據(jù)集中，存在高度互聯(lián)的社區(qū)，但這些社區(qū)之間的連接很少。例如，覆蓋客戶、區(qū)域或任何其他邏輯的集合（用于在應(yīng)用層組織圖形）反過(guò)來(lái)可以用于在集群中分割圖形。

SmartGraphs利用應(yīng)用層的智能性來(lái)優(yōu)化它如何通過(guò)集群分割數(shù)據(jù)。例如，客戶ID、區(qū)域或任何其他適合您主要查詢的邏輯。通過(guò)這種智能，您可以將圖形中高度連接的社區(qū)分割到特定實(shí)例。

圖2:ArangoDBSmartGraph的分片圖

通過(guò)優(yōu)化數(shù)據(jù)分布，SmartGraphs減少了遍歷所需的網(wǎng)絡(luò)跳數(shù)。內(nèi)部測(cè)試表明，當(dāng)遍歷碎片圖時(shí)，性能提高了40-120倍。

不相交智能圖

對(duì)于某些用例，您可以使用不相交的SmartGraphs進(jìn)行進(jìn)一步優(yōu)化。不相交智能圖是一種針對(duì)用例的優(yōu)化，這些用例必須處理大型分層圖或針對(duì)多個(gè)客戶圖的整體分析。在這兩種情況下，圖形數(shù)據(jù)集中的分支都是明確分開(kāi)的。

不相交的SmartGraphs支持這些分支的自動(dòng)切分，并禁止邊緣連接它們。這使得查詢優(yōu)化器可以將整個(gè)查詢執(zhí)行向下推到每個(gè)數(shù)據(jù)庫(kù)服務(wù)器，并大大提高圖形查詢的性能，如遍歷、模式匹配、最短路徑和k-最短路徑。

ArangoDB企業(yè)版本用戶現(xiàn)在可以處理完整的新用例或進(jìn)一步優(yōu)化當(dāng)前基于圖形的應(yīng)用程序。

審核編輯 ：李倩