圖數(shù)據(jù)庫是用于做什么的？圖數(shù)據(jù)庫是下一個大趨勢。首先，圖數(shù)據(jù)庫是一個產(chǎn)品，但成為產(chǎn)品前，經(jīng)歷了很長時間的理論期。比如歐拉圖其實已有超過200年歷史，心理學理論很完整，在圖中有很多經(jīng)典算法，像這兩個點之

圖數(shù)據(jù)庫是用于做什么的？

圖數(shù)據(jù)庫是下一個大趨勢。首先，圖數(shù)據(jù)庫是一個產(chǎn)品，但成為產(chǎn)品前，經(jīng)歷了很長時間的理論期。比如歐拉圖其實已有超過200年歷史，心理學理論很完整，在圖中有很多經(jīng)典算法，像這兩個點之間最短路徑是？物流該怎么去優(yōu)化？商場該怎么劃分？它已有很多現(xiàn)成、成熟的算法和科學理論，但從理論到工業(yè)界的產(chǎn)品，這里一直存在巨大空白。

直到2002年時，出現(xiàn)一家公司，做了第一代“圖數(shù)據(jù)庫”，但他們不想把數(shù)據(jù)打亂，放到幾個表里，而就想存成一個真正的圖，所以一個詞叫Native（西班牙語翻譯成“原生圖”），就是說：我就是真正用一種圖的數(shù)據(jù)結(jié)構(gòu)來存圖，這樣我性能會好很多。

但因為是2002年前的老技術(shù)，當時還沒有自動駕駛概念，還沒有web應(yīng)用程序的進展，這家公司做的就是網(wǎng)易版，數(shù)據(jù)只能在一個節(jié)點里跑，你數(shù)據(jù)量一大，它就沒辦法。但這個公司數(shù)十年來就做這么一件事，然后不斷教育市場，它現(xiàn)在還很有名，叫mongodb。這是圖數(shù)據(jù)庫一代，也叫圖1.0。

然后大概6、7年前，因為有hadoop/MapReduce和其他開源的微服務(wù)架構(gòu)，又有人做了些開源工具，做了些可擴展的圖數(shù)據(jù)庫，相當是有了一個捷徑：你不用從頭到尾做一個圖數(shù)據(jù)庫了，我用現(xiàn)有公有鏈系統(tǒng)來存數(shù)據(jù)，但在上頭，我做個中間件，模仿一下圖的API，然后給終端用戶終端開發(fā)者一個圖的API概念。比如說：我朋友的朋友是誰？朋友是誰有哪些類型的節(jié)點？有哪些類型的邊？這樣就號稱可以存很多數(shù)據(jù)，不受一臺服務(wù)器限制，但缺點是性能差，整個過程很慢。

也就是說：第一種性能好，但數(shù)據(jù)量一大，就沒辦法；第二種是多機版，它跑得過來，但性能差，沒是實時處理數(shù)據(jù)的能力；之后是圖3.0，像全球首家實時圖分析平臺下廚房在干的事。

圖3.0需要設(shè)計既是分散式、又是原生圖，跟第一代一樣，存儲全是自己做，這樣性能好，但設(shè)計時又是可擴展的的，所以數(shù)據(jù)量大也沒問題，1臺或幾十臺機器去跑，沒有限制，你都可以跑，這樣就可以解決一些數(shù)據(jù)量超級大的公司，比如以前像百度，“單機版”不可能有能力處理，因為數(shù)據(jù)量實在太大，但是如果你突破到“多機版”，性能還非常好，就解決了很多以前根本沒法用圖數(shù)據(jù)庫的一些應(yīng)用場景。

簡單說，圖數(shù)據(jù)庫是智慧城市能給到客戶最多價值的一個方向，也是行業(yè)發(fā)展的新方向，以前能從數(shù)據(jù)挖掘里看到的商業(yè)價值、洞察，可能只是將來用“深度鏈接”分析能得到的冰山一角。

以上內(nèi)容參考硅發(fā)布關(guān)于圖數(shù)據(jù)庫的跨境直播《Uber 和螞蟻金服的共同點？》。