HugeGraph入门

0.388字数 1504阅读 1704

一、HugeGraph简介

最近在搞好友推荐方便的工作,选择了图数据的方法,使用并学习了HugeGraph,再次记录一下。

HugeGraph是百度在2018年中旬开源的一款图数据库(Graph Database)系统,可以存储海量的顶点(Vertex)和边(Edge)。实现了Apache ThinkerPop 3[1]框架,支持Gremlin图查询语言[2]。HugeGraph支持多用户并行操作,用户可输入Gremlin查询语句,并及时得到图查询结果。也可以再用户程序中调用hugeGraph API进行图分析或查询。

二、HugeGraph特性

HugeGraph支持在线及离线环境下的图操作,支持批量导入数据,支持高效的负责关联关系分析,并且能够与大数据平台无缝集成。

HugeGraph具备如下特点:

  • 基于ThinkerPop 3框架实现,支持Gremlin查询语言;
  • 支持从TXT、CSV、JSON等格式的文件中批量导入数据;
  • 具备独立的Schema元数据信息,方便第三方系统集成;
  • 具备可视化操作界面,降低用户使用门槛;
  • 存储系统采用插件方式,支持RocksDB、Cassandra、ScyllaDB、HBase及Mysql等多种后端;
  • 优化的图接口,最短路径、K步连通子图、K步到达邻接点等;
  • 支持属性图,顶点和边均可添加属性,支持丰富的属性类型;
  • 可以对边和顶点的属性建立索引,支持精确查询、范围查询、全文检索;
  • 支持4种顶点ID策略,之间ID、自动生成ID、用户自定义字符串ID和用户自定义数据ID;
  • 支持与Hadoop、Spark GraphX等大数据系统集成,支持Bulk Load操作。

三、HugeGraph框架模块

  • HugeGraph-Server: HugeGraph-Server是HugeGraph项目的核心部分,包含Core、Backend、API等子模块;
    • Core:图引擎实现,向下连接Backend模块,向上支持API模块;
    • Backend:实现将图数据存储到后端,支持的后端包括:Memory、Cassandra、ScyllaDB、RocksDB、HBase以及Mysql,用户根据实际情况选择一种即可;
    • API:内置REST Server,向用户提供RESTful API,同时兼容Gremlin查询。
  • HugeGraph-Client:HugeGraph-Client提供了RESTful API的客户端,用于连接HugeGraph-Server,目前仅实现Java版,其他语言用户可自行实现;
  • HugeGraph-Studio:HugeGraph-Studio是HugeGraph的Web可视化工具,可用于执行Gremlin语句及展示图;
  • HugeGraph-Loader :HugeGraph-Loader是基于HugeGraph-Client的数据导入工具,将普通文本数据转化为图形的顶点和边并插入图形数据库中;
  • HugeGraph-Spark:基于Spark GraphX的图分析工具 ,HugeGraph-Spark能在图上做并行计算,例如PageRank算法等;
  • HugeGraph-Tools:HugeGraph-Tools是HugeGraph的部署和管理工具,包括管理图、备份/恢复、Gremlin执行等功能。

总结:部署HugeGraph需要HugeGraph-Server,在网页上操作图需要HugeGraph-Studio,在java项目中操作图需要HugeGraph-Client,其他三个视情况需要的时候再部署使用。

四、HugeGraph安装部署

4.1 安装HugeGraph-Server(必须)

依赖:

JDK1.8

使用使用的是RocksDB存储则需要GCC >= 4.3.0 ,下面的步骤假设使用RocksDB作为存储

步骤1:

# 下载tar包
wget https://github.com/hugegraph/hugegraph/releases/download/v${version}/hugegraph-${version}.tar.gz
tar -zxvf hugegraph-${version}.tar.gz

步骤2:

修改 hugegraph.properties

backend=rocksdb
serializer=binary
rocksdb.data_path=.
rocksdb.wal_path=.

步骤3:

初始化数据库(仅第一次启动时需要)

cd hugegraph-${version}
bin/init-store.sh

步骤4:

启动server

bin/start-hugegraph.sh
Starting HugeGraphServer...
Connecting to HugeGraphServer (http://127.0.0.1:8080/graphs)....OK

步骤5:

查看服务状态:

jps
6475 HugeGraphServer
# curl请求restuflAPI,结果返回200,代表server启动正常
echo `curl -o /dev/null -s -w %{http_code} "http://localhost:8080/graphs/hugegraph/graph/vertices"`

步骤6:

# 停止server
$cd hugegraph-${version}
$bin/stop-hugegraph.sh

4.2 安装HugeGraph-Studio

步骤1:

# 下载tar包并解压
wget https://github.com/hugegraph/hugegraph-studio/releases/download/v${version}/hugegraph-studio-${version}.tar.gz
tar zxvf hugegraph-studio-${version}.tar.gz

步骤2:

修改配置文件hugegraph-studio.properties

  • 将配置项studio.server.host的值localhost修改成机器名或 IP,这是 HugeGraphStudio 对外提供服务的host,如果只需要本地访问则保持不变即可;
  • 将配置项studio.server.port的值8088修改成想要的端口,这是 HugeGraphStudio 对外提供服务的port
  • 将配置项graph.server.host的值localhost修改成 HugeGraphServer 的host,HugeGraphStudio 通过此项和graph.server.port与 HugeGraphServer 建立连接;
  • 将配置项graph.server.port的值8080修改成 HugeGraphServer 的port,HugeGraphStudio 通过graph.server.host和此项与 HugeGraphServer 建立连接;
  • 将配置项graph.name的值hugegraph修改成要连接的 HugeGraphServer 的图名,目前只允许连接一个图。
# 启动HugeGraph-Studio
$ cd hugegraph-studio-${version}
$ bin/hugegraph-studio.sh

步骤3:

浏览器打开:http://localhost:8088即可访问。

五、HugeGraph,Neo4j,Titan三种图数据库性能对比

官网给了一个性能测试的报告:https://hugegraph.github.io/hugegraph-doc/performance/hugegraph-benchmark-0.5.6.html

总结起来就是:

  • 批量插入性能:HugeGraph(RocksDB) > Neo4j > Titan(thrift+Cassandra)
  • 遍历性能:Neo4j > HugeGraph(RocksDB) > Titan(thrift+Cassandra)
  • 图常用分析方法性能:FS场景,HugeGraph性能优于Neo4j和Titan,K-neighbor和K-out场景,HugeGraph能够实现在5度范围内秒级返回结果
  • 社区聚类算法性能 Neo4j > HugeGraph > Titan

当时选择HugeGraph的原因一是需求需要导大量的数据,涉及大约十几亿的插入,所以需要找一个插入性能高的,并且好友关系变动的时候也需要异步更新图关系。而是HugeGraph虽然是新秀,但是中文官方文档很简介清楚,利于学习使用。

参考:

https://hugegraph.github.io/hugegraph-doc/


  1. Apache ThinkerPop 3是图形数据库(OLTP)和图形分析系统(OLAP)的图形计算框架。

  2. Gremlin是Apache ThinkerPop框架下的图遍历语言,Gremlin是一种函数式数据流语言,可以使用户使用简洁的方式表述复杂的属性图的遍历或查询。

推荐阅读更多精彩内容