案例集

NebulaGraph 图数据库应用案例集

前言：帮助世界理解数据

世界上几乎所有的事物都有内在的关联性。
传统的关系型数据库的建模系统会提取实体之间的关系，并将关系单独存储到表和列中，而实体的类型和属性则存储在其他列甚至其他表中，这使得数据管理费时费力。

而图数据库(Graph Database)作为一种新兴的数据库类型，在处理复杂关系上有着天然优势，特别是在海量数据、多对多的复杂实体联系场景中有着异常突出的表现。它能够高效地将关联数据的实体作为顶点(vertex)存储，关系作为边 (edge)存储，并允许对这些点边结构进行高性能的检索和查询，也可以为这些点和边添加属性。正因为这个特有的存储结构，图数据库能够以最接近人类直观认知的方式呈现数据。

这样的图，可以应用在哪些领域呢?

比如，企查查或者 BOSS 直聘这类的公司，用图数据库来建模商业股权关系网络。这个网络中，点通常是一个自然人或者是一家企业，边通常是某自然人与某企业之间的股权关系。点上的属性可以是自然人姓名、年龄、身份证号等。边上的属性可以是投资金额、投资时间、董监高等职位关系。

了解案例

以《权力的游戏》的人物关系网为例:点为人物，边为人物之间的互动关系;点的属性为人物姓名、年龄、阵营等，边的属性(距离)为两个人物之间的互动次数，互动越频繁距离越近。此外，我们还可以结合机器学习算法，为这些人群分出不同的阵营，图的存储方式让关系一目了然。

了解案例

图也可以用于 IT 系统内部的治理。例如，对于像微众银行这样的公司，通常有着非常庞大的数据仓库，以及相应的数仓管理工具。这些管理工具记录了数仓内 Hive 表之间通过 Job 实现的 ETL 关系，这样的 ETL 关系，可以非常方便地用图的形式呈现和管理，当出现问题时也可以非常方便地追溯根源。

了解案例

通过增加时间维度的信息，我们还可以发掘出图更多的使用场景。

例如，在一个银行间账户资金流向网络里，点是账户，边是账户之间的转账记录。边属性记录了转账的时间、金额等。例如同盾、邦盛、半云科技等公司采用图技术可以方便地通过图的方式探索发现明显的资金挪用、“以贷还贷”、“团伙贷款”等现象。

用户登录记录的网络构成了黑产群体网络的团伙作案特征。360 数科、快手、微信、知乎、携程金融这些公司都通过图技术实时(毫秒级)识别超过百万个的黑产社群。

除了时间维度，当我们添加空间维度信息，发现了更多的应用场景。

例如，新冠病毒的流行病学溯源，点是人物，边是人与人之间的接触;点属性为人物的身份证、发病时间等信息，边属性为人物之间发生密切接触的时间和地理位置等。为卫生防疫部门快速识别高风险人群和其行为轨迹提供帮助。

地理位置与图的结合也可以用于一些 O2O 的场景，例如基于 POI (Point-of-Interest) 的实时美食推荐，使得美团这类本地生活服务平台公司能在消费者在打开 APP 的时候，实时推荐出更为合适的商家。

未来: 结合人工智能(AI)发展深度学习模型

图还可以用于更深度的知识推理，华为、vivo、OPPO、微信、美团等公司，将图用于表征底层知识关系的数据模型。特别是图与AI的结合领域，其研究正处于爆发性的阶段，并有望成为下一代 AI 的基石。
例如，最近比较热门的深度学习方法——图神经网络(GNNs)，就在很大程度上受到卷积神经网络(CNN)和图嵌入的启发，能够处理以图形式表示的数据。目前，这项技术已在蛋白质预测、药物发现与合成、推荐系统、交通预测、视觉场景理解等领域展现了强大的洞察能力。
总之，Graph is everywhere(图，无处不在)。作为一项兴起多年现在风头正劲的新型技术，我们希望通过本册内容为您展现更多企业的实践案例，激发您使用图数据技术的灵感，找到通过理解数据来实现更高业务价值的精彩之路。

下载案例集