![](https://nebula-website-cn.oss-cn-hangzhou.aliyuncs.com/nebula-blog/open-source-summer-visual-screen.png)

## 初识开源之夏

### 结缘 NebulaGraph

Hello，⼤家好，我叫刘⽂豪。⽬前是⼀名计算机专业的研⼆研究⽣，就读于北京邮电⼤学。我很⾼兴能参与到这次的开源之夏项⽬中，加⼊到了 NebulaGraph 的社区建设中，并成功完成了可视化⼤屏项⽬的实现。

说起与开源之夏结缘，需要归功于我的好朋友男哥，他是我实验室的同⻔，在研⼀的时候给予了我很多帮助。他是⼀名技术控，对数据库、云原⽣、传统前后端开发等各个领域都有涉猎，在本次开源之夏的活动中参与了 KubeVela 社区的项⽬，取得了丰硕的成果。在今年上半年北京疫情冲击下，我们北邮经历了⼀段封校的⽇⼦，在百⽆聊赖之际，男哥向我们推荐了本次开源之夏的活动，成为了我开源之夏的引路⼈。

在选取开源之夏的项⽬时，我根据⾃身特点进⾏考虑——我研⼀时接⼿了实验室⼀个国家级项⽬的前端部分。在开发迭代过程中，与负责后端的男哥有许多交流。我当时认为⾃⼰对前端⽅向的⼯程化实现更感兴趣⼀些，也⾃学了很多前端领域的知识。但前端⽅向的特点是杂乱，加上国内前端⽣态建设良莠不⻬，很容易让⼈摸不清努⼒的⽅向。如果能找到⾏业内从业多年的⾼⼿亲⾃指导，将事半功倍。抱着试⼀试的态度，我主动联系了我的导师汪洋，浏览运⾏了 NebulaGraph Dashboard 的项⽬，甚⾄还发现了⼀个⼩ bug，提了⾃⼰在 GitHub 上的第⼀个 PR。

### 介绍下这是我的导师

汪哥给我的初印象是⽐较平易近⼈，⽽且反馈很快，不是那种⾼⾼在上的导师，能够亲⾃指导⼀些技术上 Google 不到的具体问题。在仔细考量对⽐之后（导师汪洋通过了考核🎉），我选择了 NebulaGraph 社区的可视化⼤屏实现的项⽬。

很多同学可能会认为，追求名字看上去“⾼⼤上”的项⽬才是正确的。⽽我认为，**⽆论是怎样的项⽬，能落地才是最重要的**。

我认为⼀个项⽬能否成功落地主要取决于两点：

1. 项⽬本身是否具有可⾏性；
2. 参与项⽬的⼈是否靠谱。

这两点也在最终敲定项⽬⼈选的⾯试时，双⽅达成了⼀致。

## “辛”而不酸的项目史

![](https://nebula-website-cn.oss-cn-hangzhou.aliyuncs.com/nebula-blog/nebulagraph-dashboard-visual-screen.jpeg)

### 这可是可视化大屏

可视化大屏项⽬旨在帮助运维⼈员更直观、便捷地感知系统内的各项关键指标，设计出 NebulaGraph Dashboard 的 Community 版可视化⼤屏。

整个项⽬流程涉及**需求分析**、**原型设计**、**代码实现**、**合⼊仓库**等完整的软件开发流程，深⼊体验了企业内部产品的上线、开发流程。

在整个开发流程中，代码实施只是其中的⼀部分。导师汪洋考虑到⼯作量较⼤，尤其是起步的需求分析和原型设计部分，期望更多的开源⼒量加⼊本次项⽬开发中。这不是巧了，来⾃美国的宇晴⼩姐姐对这个可视化项目也很感兴趣，经过协商沟通，宇晴⼩姐姐也参与到了我们的项⽬开发中，我们组成了三⼈的开发⼩团队。

在起步阶段，我们做了详细的调研，仔细阅读导师汪洋提供的材料，敲定了设计蓝图、开发语⾔、框架、环境。我们选择重新设计仪表盘的整体布局，在打包⼯具的选择上，我们⽤ Vite 搭建了新的开发环境，没有使⽤旧的 WebPack 开发环境，提⾼了开发效率。

在具体的代码实施阶段，因为我跟宇晴的跨时区因素，**体验了⼀下近年很⽕的跨国团队的远程协作⽅式**——⼤家在项⽬沟通群中提出问题，明确各⾃的分⼯，采⽤“接⼒式”的开发模式，分别在各⾃时区的⼯作时间，在 NebulaGraph 社区提供的开发机上进⾏代码编写。我们也经常会在群⾥提前商量时间，来进⾏⼩组组会，确保项⽬的顺利推进。⼩组组会的形式和内容，也随着项⽬开发阶段的深⼊，不断地在做调整适应，做到了灵活性和有效性的统⼀。

## 开源之旅不停

虽然可视化大屏是一个开源之夏的项目，项目总有结项之日。但是，开源之旅不停，后续我将会从以下方面继续走我的开源之路：

* 优化 UI 设计、提升代码质量
* 更多参与开源社区的建设中

### 在开源之夏感受开源的魅力

本次活动，我亲身体会了 NebulaGraph 社区友好的开源氛围。

而我认为**开源社区的魅⼒在于，它不仅只为代码⾼⼿开放，还欢迎刚⼊⻔的⼩⽩**。我在参与到 NebulaGraph 的社区前，并没有从零开始完整地搭建过⼀个⼤型的前端项⽬，缺乏对所学前端知识的整合。

⽽宇晴⼩姐姐是转码选⼿，今年还⾯临着严峻的应聘形势。我们在整个项⽬开发过程中，互帮互助，相互⿎励，不仅攻克了⼀个个具体的问题，更收获了信⼼和彼此之间的友谊。这⼀切的根源在于，我们勇敢地迈出了最重要的第⼀步，选择主动参与到开源之夏的活动中，并且幸运地加⼊到了 NebulaGraph 社区。在 NebulaGraph 社区，⽆论是负责技术的汪哥，还是负责运营的迷⼈的⼩姐姐，都向我们展示出了他们积极、宽容、耐⼼的友好开源氛围，帮助我们顺利完成了第⼀步的开源之路。


### 在开源中提升自我

很明显的是**能⼒提升**，在整个项⽬的开发过程中，我们各⽅⾯能⼒都有所提升，具体体现在以下两点：

#### 技术和⽂档能⼒

我的调研技术⽅案、学习技术细节、应⽤技术解决具体问题的效率得到了显著提⾼。在实践中，⼀步步利⽤所学的零碎的技术知识，孕育出了完整的产品呈现。

开源之夏的官⽅组需要提供结项报告等书⾯材料，**我们没有敷衍了事，⽽是选择了使⽤全英⽂的书写模式**，认真地完成了组委会的要求。我认为**⽆论是为了社区层⾯的与国际开源社区接轨的需要，还是为了个⼈层⾯的⻓期职业发展的考量，选择主动提升英⽂技术⽂档的能⼒，都是必要且正确的**。

纵观前端发展的历史，⽆论是之前的 Flash、JQuery，还是如今的 Vue、React，都只是各个时期流⾏的代表技术⽅案。⽆论它们的设计多么精巧，代码多么规范，终有⼀天会被淘汰。掌握了对它们的使⽤，仅仅是达到了熟练运⽤“术”的⼯具层⾯。近年，前端各领域发展迅速，各种技术⽅案层出不穷，经常会有⼈调侃“学不动了” 。我也在刚⼊⻔的初期，陷⼊了努⼒⽅向的误区，以尝试各种新鲜的技术⽅案作为主要兴趣驱动点。随着项⽬的深⼊进⾏，我逐渐摸清了作为“道”的能⼒层⾯。我知道了作为职业⽣涯初期的菜⻦选⼿，应该着重养成良好的职业态度和职业习惯，⽽不是⼀味沉迷于粗浅地了解各种技术实现⽅案。加上⼤环境⻛云突变，对应届⽣就业趋势越发地不友好。如果只是将⾃⼰培养成专注“术”的技术熟练⼯，⽽不是关注“道”的技术爱好者，也将丧失⾃⼰作为应届⽣的优势。

#### 沟通和协作能⼒

在项⽬开发的过程中，如何进⾏有效的沟通和协作成为了⼀个很重要的议题，尤其是在社会分⼯⽇益精细化的今⽇。我们三⼈⼩团队均是拿出⾃⼰的业余时间来参与到项⽬中，关于沟通协作⽅式、各⾃时间安排上，都进⾏了多次的讨论和改进。开源对多数人来说是⼀项业余爱好的任务，很少有⼈能够全职从事其中。⽽能有机会在职业⽣涯未正式开始之前，就参与到有公司导师牵头的开源项⽬中，也算是⼀⼤幸事，希望能为⾃⼰未来的团队协作能⼒奠定⼀个良好的基础。

### 开源之外的友谊

感谢开源之夏官⽅提供这次机会，让我有机会接触到 NebulaGraph 社区，认识了运营⼩姐姐、汪哥和宇晴。我认为任何东⻄想要做成，关键在于“⼈”的部分。有优秀的⼈才，就会有良好的氛围，就能孕育出有意思的产品。我跟汪哥、宇晴的三⼈⼩群，也逐渐成为了⽆话不谈的地⽅。虽然我们三⼈背景、身份各异，但产⽣了⾮常良好的化学反应。希望在以后的⽇⼦⾥，⼤家能够铭记这段有意思的经历，砥砺前⾏，奋发向上。

在这个不确定性⼤⼤增加的时代⾥，努⼒制造⼀些确定的⼩温馨。希望⼤家之后继续为 Nebula 和其他开源社区添砖加瓦，贡献⾃⼰的⼒量，共同缔造⼀种良好的氛围，照亮⼀束光，指引前进的⽅向。

本文来自于开源之夏参与者的投稿，一起来看看来自北京邮电大学-计算机专业的研二学生刘⽂豪在这次项目中的收获与感受吧。

「开源之夏」分享：在可视化大屏中摸清技术方向

> 导读： 图数据库在近十年是发展最为迅猛的数据库类型。NebulaGraph 在图数据库领域表现也是相当出色。今年9月悦数科技获得了新一轮的融资，NebulaGraph 也将开启商业化征程。作为悦数科技的领航者 CEO 叶小萌是在什么机遇下进入图数据库赛道？对于国产图数据库的当前困境和发展方向又有哪些新观点？墨天轮邀请了叶小萌先生，针对国产图数据库的相关问题进行回答与解读。

![墨天轮采访NebulaGraph](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/%E5%A2%A8%E5%A4%A9%E4%BC%A6%20%E9%87%87%E8%AE%BF_%E7%94%BB%E6%9D%BF%201.jpg)

—— 以下为采访全文 ——
 
🎤 **墨天轮：近几年图数据库的发展和应用迅猛增长，请您分享一下您当时选择这个赛道创业的一些想法和契机，以及悦数和 NebulaGraph 名字的由来**？

叶小萌： 选择这个赛道的原因其实不像多数人想象的那么神秘莫测。我在创业初期，其实也没有什么选择，主要是因为我自己多年图数据库的从业背景。从 Facebook 到蚂蚁金服这十几年的时间都是在做图数据库，所以是自己比较了解而且擅长的领域。当时也机缘巧合地看到了图数据库崛起的机会，所以就很自然地从蚂蚁金服出来选择了图数据库作为创业的赛道。总的来说，对这个赛道的选择算是水到渠成。

至于公司和产品名的由来：公司名其实和产品名是结合起来的，因为 NebulaGraph 中的 Nebula 其实就是星云的意思，我们希望 NebulaGraph 这款图数据库能够像星云一样容纳海量的数据；而悦数这个公司名其实也是想表达希望用户用我们的产品更高效的利用他们自己的数据，从而获得事业上的成功。那这个结果不仅让我们的用户愉悦，也让我们自己愉悦，这也就是“悦数”的由来。

 
🎤 **墨天轮：相较于 Neo4j，NebulaGraph 有哪些差异化的优势？目前您认为 NebulaGraph 最成功的标杆应用案例是什么**？

叶小萌： 相较于 Neo4j，NebulaGraph 的优势还是比较明显的。这里我从以下三点来对比一下两者的差异以及 NebulaGraph 的优势：

NebulaGraph 是一个分布式的图数据库，而 Neo4j 是一个单机版的图数据库，这里的差别本身就已经很大了。
从架构上来说，Neo4j 除了是单机版，它整个内核因为是 Java 写的，所以在压力很大的情况下性能是有问题的。 而 NebulaGraph 的内核是用 C++ 写的，相对来说在压力比较大的情况下，它整体的表现会更平稳一些。
NebulaGraph 目前是开源的，但 Neo4j 在当前阶段已经是闭源了。
至于 NebulaGraph 最成功的标杆，其实经过四年左右的发展，NebulaGraph 不管是在社区，还是在商业化方面都已经获得了一批重量级的标杆客户。 从社区的角度来说，我们有国内的支持，国内80%以上的互联网企业，包括百度、腾讯、美团、快手、小红书、知乎等，都是我们的一些标杆用户。从商业化角度来说，我们也赢得了一批金融行业的标杆客户，比如说像兴业银行、国泰君安；电信行业的标杆客户，像中国移动等；零售行业的话，像沃尔玛等。这些都可以作为我们最成功的标杆客户案例。

 
🎤 **墨天轮：今年6月 NebulaGraph 加入了 LDBC（关联数据基准委员会），请问 NebulaGraph 在里面的职责主要是什么？目前有哪些贡献**？

叶小萌： 首先我认为 LDBC 在图数据库这个领域是很重要的一个组织，这也是我们选择加入其中的一个原因。当然我们也积极参与到了 LDBC 的一些活动当中，比如参与 Fintech 的新 Benchmark 的制定。此外也积极参与到 GQL 的拓展，即参与 schema 拓展、schema 加强的标准制定。

 
🎤 **墨天轮：最近主流关系型数据库都引入了云原生和分布式，NebulaGraph 在这两方面有哪些进展？主要提升产品哪些方面的能力**？

叶小萌： NebulaGraph 本身就是一个分布式的云原生的图数据库。分布式相信大家都已经有比较强的认知了，因为 NebulaGraph 在所有图数据库里，它分布式的能力是很强的，这一点也是我们用户公认的，也就是说它具有很强的可扩展性，即 Scalability。NebulaGraph 目前是唯一一款能够支持在线与服务不通的情况下进行扩容的图数据库。

云原生方面，因为 NebulaGraph 的存储与计算分离以及 Shared-nothing 的这样一种架构，使得 NebulaGraph 能够比较容易的去支持云厂商提供的比如说云存储，云的中间件，云的消息队列等这样一些云厂商的基础服务，能够跟各个云厂商很好的做结合，从而降低用户的使用成本。

 
🎤 **墨天轮：您之前提到想要做出海业务，NebulaGraph 在国际化发展中有哪些进展和计划**？

叶小萌： NebulaGraph 在设计完成的第一天，就把国际化作为了最基本的目标之一。这其实也是我们做开源的一个原因之一。因为我们认为整个国内的数据库市场占全球数据库市场的十分之一都不到，所以说这个天花板相对还是比较低的。要想做成一个非常成功的数据库的厂商，就必须要走出去做国际市场。目前在我们1000多家知名的企业用户当中，有接近100家是海外用户，其中不乏类似 Airbnb 这样的大品牌用户。

 
🎤 **墨天轮：中国图数据库起步较晚，正处于发展初期，你认为目前图数据库发展主要面临哪些挑战**？

叶小萌： 我认为有以下两方面的挑战：一方面是技术上的挑战，一方面是整个商业化上的挑战。

从技术上的挑战来说。图数据库作为一个新的数据库品类，发展时间相对来说还比较短。因此在技术上还有很多的技术难点需要去解决，包括更有效的存储数据、如何更有效地保证数据的一致性等。

在商业化方面，现在的确已经开始有一些用户了解并使用图数据库，但是这样的比例还比较小。所以如何去教育用户，让更多的用户认识图数据库、了解图数据库能给他的业务带来怎样的帮助，这也是我们在商业化方面要去解决的一个问题。

 
🎤 **墨天轮：目前 DB-Engines 上图数据库有38个，墨天轮排行榜上国产图数据库有27个，而且还有很多开源产品。面对种类繁多的图数据库，用户该如何选型**？

叶小萌： 这个问题确实也是很多用户比较头疼的问题。因为图数据库，包括那些所谓的多模数据库，如果加在一起的话，其实数量上还是不少的。在所有这些数据库里，用户怎么来选型，我在这里给用户的建议有三点：

首先是希望用户能够了解自己的场景，然后利用自己的数据，把这些数据库放在自己场景当中，继续去进行尝试，去了解哪款图数据库是真正适合用户自己的场景和业务的。
其次，要考虑图数据库的稳定性，如果不稳，其实业务都是无法开展的。另外就是性能因素，这款图数据库产品的并发情况、响应时间等等；
除此之外，由于图数据库中有大量数据是从外部导入的，因此，也需要考虑海量数据的导入性能和时间是不是能满足业务需求。最后一点，当我们选择图数据库厂商时，也需要考虑服务持久化的问题。
 
🎤 **墨天轮：随着云平台、自动化的技术发展，对于“即将失业”的运维DBA转行您有什么建议？在图数据库领域有哪些发展方向**？

叶小萌： 我个人认为这些运维DBA 是一个非常宝贵的资源。因为他们有着丰富的数据库运维经验，并且他了解数据库的一些技术实现，对整体架构也比较了解。所以我认为，他们的转型方向可以向SA（解决方案工程师）方向去转型，这样他们可以把这些经验充分地传递给用户。

 
🎤 **墨天轮：最后，请您分享下在您的构想中2-30年后图数据库在企业信息系统中的形态**？

叶小萌： 我个人认为在两三年之后，图数据库一定会成为各行各业乃至每家企业的基础软件或者说基础架构之一。因为每家企业都一定会面临有关联关系、路径等各方面的一些需求，所以图数据库会和传统关系型数据库一样，成为IT部门必不可少的服务或者说组件之一。

---
本文转载自 墨天轮，参见原文链接：https://www.modb.pro/db/568603

图数据库在近十年是发展最为迅猛的数据库类型。NebulaGraph 在图数据库领域表现也是相当出色。今年9月悦数科技获得了新一轮的融资，NebulaGraph 也将开启商业化征程。作为悦数科技的领航者 CEO 叶小萌是在什么机遇下进入图数据库赛道？对于国产图数据库的当前困境和发展方向又有哪些新观点？墨天轮邀请了叶小萌先生，针对国产图数据库的相关问题进行回答与解读。

墨天轮风云人物访谈录：揭开创业的神秘面纱，走出去做国际化市场





![NebulaGraph 社区版 3.3.0 release notes](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/v3.3.0-1.jpg)


NebulaGraph 3.3.0 支持了 GET SUBGRAPH 和 GetNeighbors 的点过滤、引入了大量性能优化，同时，开始对无 tag 顶点的支持默认关闭。

## 优化

- 优化了 k-hop 查询性能。[#4560](https://github.com/vesoft-inc/nebula/pull/4560) [#4736](https://github.com/vesoft-inc/nebula/pull/4736) [#4566](https://github.com/vesoft-inc/nebula/pull/4566) [#4582](https://github.com/vesoft-inc/nebula/pull/4582) [#4558](https://github.com/vesoft-inc/nebula/pull/4558) [#4556](https://github.com/vesoft-inc/nebula/pull/4556) [#4555](https://github.com/vesoft-inc/nebula/pull/4555) [#4516](https://github.com/vesoft-inc/nebula/pull/4516) [#4531](https://github.com/vesoft-inc/nebula/pull/4531) [#4522](https://github.com/vesoft-inc/nebula/pull/4522) [#4754](https://github.com/vesoft-inc/nebula/pull/4754) [#4762](https://github.com/vesoft-inc/nebula/pull/4762)
- 优化 GO 语句 JOIN 性能。 [#4599](https://github.com/vesoft-inc/nebula/pull/4599) [#4750](https://github.com/vesoft-inc/nebula/pull/4750)
- 支持 GET SUBGRAPH 过滤点。 [#4357](https://github.com/vesoft-inc/nebula/pull/4357)
- 支持 GetNeighbors 过滤点。 [#4671](https://github.com/vesoft-inc/nebula/pull/4671)
- 优化了 FIND SHORTEST PATH 的循环处理。 [#4672](https://github.com/vesoft-inc/nebula/pull/4672)
- 支持时间戳和日期时间相互转换。 [#4626](https://github.com/vesoft-inc/nebula/pull/4526)
- 支持模式表达式引用局部定义变量。 [#4498](https://github.com/vesoft-inc/nebula/pull/4498)
- 优化 job manager。 [#4446](https://github.com/vesoft-inc/nebula/pull/4446) [#4442](https://github.com/vesoft-inc/nebula/pull/4442) [#4444](https://github.com/vesoft-inc/nebula/pull/4444) [#4460](https://github.com/vesoft-inc/nebula/pull/4460) [#4500](https://github.com/vesoft-inc/nebula/pull/4500) [#4633](https://github.com/vesoft-inc/nebula/pull/4633) [#4654](https://github.com/vesoft-inc/nebula/pull/4654) [#4663](https://github.com/vesoft-inc/nebula/pull/4663) [#4722](https://github.com/vesoft-inc/nebula/pull/4722) [#4742](https://github.com/vesoft-inc/nebula/pull/4742)
- 添加实验功能的 flag，TOSS 的 enable_toss 和 BALANCE DATA 的 enable_data_balance。 [#4728](https://github.com/vesoft-inc/nebula/pull/4728)
- 启动进程时统计日志打印到控制台。 [#4550](https://github.com/vesoft-inc/nebula/pull/4550)
- 支持 JSON_EXTRACT 函数。 [#4743](https://github.com/vesoft-inc/nebula/pull/4743)
## 缺陷修复
- 修复了收集变量类型引起的崩溃。 [#4724](https://github.com/vesoft-inc/nebula/pull/4724)
- 修复了多 MATCH 优化阶段的崩溃问题。 [#4780](https://github.com/vesoft-inc/nebula/pull/4780)
- 修复聚合表达式类型推导的错误。 [#4706](https://github.com/vesoft-inc/nebula/pull/4706)
- 修复了 OPTIONAL MATCH 语句的错误结果为给出错误消息，因为 OPTIONAL MATCH 语句中 WHERE 子句不支持引用其他 MATCH 语句定义的变量。 [#4670](https://github.com/vesoft-inc/nebula/pull/4670)
- 修复了 LOOKUP 语句中参数表达式的缺陷。 [#4664](https://github.com/vesoft-inc/nebula/pull/4664)
- 修复 LOOKUP 中 YIELD DISTINCT 返回不同结果集的缺陷。 [#4651](https://github.com/vesoft-inc/nebula/pull/4651)
- 修复 ColumnExpression 编解码不匹配的缺陷。 [#4413](https://github.com/vesoft-inc/nebula/pull/4413)
- 修复 GO 语句中 id($$) 过滤器不正确的缺陷。 [#4768](https://github.com/vesoft-inc/nebula/pull/4768)
- 修复了 MATCH 语句中 IN 表达式相关谓词的索引选取扫描的缺陷。 [#4748](https://github.com/vesoft-inc/nebula/pull/4748)
- 修复了 MATCH 语句中优化器处理的错误。 [#4771](https://github.com/vesoft-inc/nebula/pull/4771)
- 修复了 MATCH 语句中使用 pattern 表达式作为过滤器时错误输出的缺陷。 [#4778](https://github.com/vesoft-inc/nebula/pull/4778)
- 修复 Tag、Edge、Tag 索引、Edge 索引显示数据不正确的缺陷。 [#4616](https://github.com/vesoft-inc/nebula/pull/4616)
- 修复了日期时间格式的缺陷。 [#4524](https://github.com/vesoft-inc/nebula/pull/4524)
- 修复 datetime 点返回值发生变化的缺陷。 [#4448](https://github.com/vesoft-inc/nebula/pull/4448)
- 修复开启 enable_breakpad 时，日志目录不存在时启动服务失败的缺陷。 [#4623](https://github.com/vesoft-inc/nebula/pull/4623)
- 修复了 metad 停止后，状态仍然在线的缺陷。 [#4610](https://github.com/vesoft-inc/nebula/pull/4610)
- 修复了日志文件损坏的缺陷。 [#4409](https://github.com/vesoft-inc/nebula/pull/4409)
- 修复了 ENABLE_CCACHE 选项不起作用的缺陷。 [#4648](https://github.com/vesoft-inc/nebula/pull/4648)
- 全文索引名称中不支持大写字母。 [#4628](https://github.com/vesoft-inc/nebula/pull/4628)
- 禁用 COUNT(DISTINCT *) 。 [#4553](https://github.com/vesoft-inc/nebula/pull/4553)

## 变更
- 默认不支持无 Tag 的点。 [#4629](https://github.com/vesoft-inc/nebula/pull/4629)

## 版本地址
可前往 GitHub 体验该版本：[https://github.com/vesoft-inc/nebula/releases/tag/v3.3.0](https://github.com/vesoft-inc/nebula/releases/tag/v3.3.0)

交流图数据库技术？加入 NebulaGraph 交流群请先[填写下你的 NebulaGraph 名片](https://wj.qq.com/s2/8321168/8e2f/)，NebulaGraph 小助手会拉你进群~~


NebulaGraph 3.3.0 支持了 GET SUBGRAPH 和 GetNeighbors 的点过滤、引入了大量性能优化，同时，开始对无 tag 顶点的支持默认关闭。

NebulaGraph v3.3.0 发布：支持子图过滤、和大量性能优化


![NebulaGraph 的可视化实践](https://www-cdn.nebula-graph.com.cn/nebula-blog/nebula-graph-visualization-practice.jpg)

本文整理自 [#可视化 on Live 🔗 主题直播](https://www.bilibili.com/video/BV1u3411P7Jx?spm_id_from=333.999.0.0)，在本期直播中 3 位可视化嘉宾讲述了他们眼中的可视化，以及他们在可视化项目实践中踩过的那些“坑”。

* 卢晓龙：可视化图探索工具 Nebula Explorer 产品负责人，可视化技术专家；
* 苗壮：可视化图探索工具 Nebula Explorer 核心开发，可视化技术专家；
* 汪洋：可视化监控运维工具 Nebula Dashboard 产品负责人，可视化技术专家；

# 可视化是什么？

从个人理解来说的话，可视化便是将我们平时看到的某些数据或者文字这些相对抽象的东西用合理的方式，比如：图标或者图表，进行二次展示，更方便用户进行交互。简单来说，网页上常见的按钮、图标，比如输入：[https://www.baidu.com/](https://www.baidu.com/) 之后标蓝的“百度一下”按钮，右下角的辅助功能图标，都是一种简单、基础的可视化展示。如果没有这些小图标，你可能需要调用终端执行某条命令才能方便地完成对应操作。而可视化则能大大地降低操作成本以及更容易让用户理解对应操作。

上面的例子，我们讲到的是 UI 可视化。提到 UI，我们来读取下十几年前的记忆。大家知道早年间，电脑技术还不发达，大家看的都是命令行。而现在的话，为什么计算机能飞入寻常百姓家呢？就是因为计算机或者说电脑有了界面，有了 UI，有了符合人直觉的东西。所以说，能提升效率的视觉东西就叫做可视化。如果要给一个定义的话，可视化大概有两点：

1. 上段例子和 GUI，此类可视化人人可见，但在我看来并非体现可视化的最大亮点；

2. 设计，或者是美术，这是可视化的灵魂。 因为有了这个东西，它会给可视化赋予生命的意义。通俗来说，一个东西好不好用，往往不是你能把它做出来它就是好用的；但如果它的交互好、体验好、视觉效果好，能符合人的直觉，挖掘出来一些信息，这便算是一个好的可视化。所以说，我认为可视化还是要两部分，一部分是物理意义上的，即第一部分说的渲染，第二部分的话就是它的设计体验，这涉及了软硬件。

其实，可以把可视化这个概念分为广义和狭义两个维度来看。

广义的可视化，可以理解为把一个复杂的信息通过一定的处理，让这个信息更简单、直观呈现在用户眼前，让用户更方便地去接受一些信息。这便属于可视化范畴，像 GUI，其实它就是一种可视化，把底层的命令通过一种可视化的方式抽象出来，让用户可以更方便的和机器做交互。

而狭义来说，也就是针对的场景的应用。比如说，伴随着互联网的发展，我们应对的数据量会越来越大，我们要把这些数据通过一定的方式呈现出来，呈现的效果越好，数据表达也就越好越能被理解。如何在当前硬件存在一定性能瓶颈的基础上，更流畅地展示更多的数据，可能是当前可视化的意义所在。这么来看，可视化在狭义的角度上来看，它可能就是图表、Canvas 动画，或是元宇宙兴起的 VR 技术、浏览器渲染、3D 渲染，这些可视化可研究的方向。

具体来说，因为 Nebula 是一款分布式图数据库，我们提到的可视化更多的是数据可视化。比如，Nebula Dashboard 是一款可视化运维监控产品，在这块的可视化实践不只是图标、动画，更多的是如何把复杂的运维信息通过简单的方式，让用户更容易地 Control 集群。

![](https://docs-cdn.nebula-graph.com.cn/figures/intro-overview-2022-4-14_cn.gif)

# 可视化技术

在不同的阶段、不同的场景下，我们会选择不同的可视化技术以便更好地服务于产品和业务。

就可视化技术来说，前端展示常见的可视化渲染技术是 SVG、Canvas、CSS 和 WebGL，而用什么东西去画 SVG、Canvas 便是另外一个话题。像 Nebula 社区常提到的 D3，其实并非是一种可视化技术，本质上它是一个可视化算法工具，可在网页上使用也可在终端应用。而 D3 本身有些周边工具去做简单 SVG 封装，这比较偏上层应用工具，比如像是图表库 ECharts 就是这类。

而 Nebula Dashboard 产品负责人汪洋表示常见可视化渲染技术如上所述的 CSS 和 SVG 等等，会根据所面临的应用场景、计算资源，针对性地定制化开发。比如：为了方便第三方接入，可视化库的设计人员会抽象语法、让语法糖更加科学、规范；对性能要求高的场景，便会去封装工具以便获得高性能。这里他提到了蚂蚁开源的可视化引擎：G2 [https://github.com/antvis/g2/](https://github.com/antvis/g2/)，G2 受启发于《The Grammar of Graphics》一书的理念，设计这套基于图形语法理论的可视化底层引擎，G2 的这套语法实现也是业界比较公认给的科学规范。同其他可视化库相比，G2 在语法设计这块更像是一个完整的产品。

谈及 G2，可视化图探索工具 Nebula Explorer 核心开发苗壮表示虽然 G2 语法规范、科学，但是如果真的要做数据可视化并非是一个十分顺手的可视化工具，因为它基于图形语法理论，需要一定的专业知识，因此会有一定的门槛。更多时候，G2 可能还是作为一个可视化图表库被使用而非可视化库。

## 可视化的性能问题

![](https://docs-cdn.nebula-graph.com.cn/figures/visualization-22-04-06_cn.gif)

Nebula Explorer 是一款图探索工具，单个页面会面临节点数据展示的问题。社区也常有用户问及，单个画布页面能渲染多少个节点数据。针对可视化性能问题，核心产品开发苗壮说到：可视化性能并非是一个绝对性能，它往往伴随着用户体验。而用户体验和性能某种程度是成反比的，性能越好那用户的体验并非越佳，呈现的信息也会相对较少；而呈现更多的数据，则会消耗更多的硬件资源。这便是一项平衡问题。

而提高可视化性能的方法有二：一种是提高硬件配置，之前很流行的梗——分布式并发不够咋整？加台机器，没有什么是加机器解决不了的。但加机器这种简单粗暴的方法非良策，虽然解决了物理限制但是加入了成本问题，除了机器成本还有对应的系统维护成本。一台机器，或者多台机器加入之后必然会带来系统的复杂度增加。此外，加机器并非是通用解决方法，有些用户不一定能做到随心所欲地添加机器。另外一种是优化算法，相比加机器，方法二更难，本身目前算法都很完善，再继续优化也只是边际递减效应。

## Nebula 可视化工具的优化实践

Nebula Explorer 优化性能也是从上面两个软硬件方向来展开。硬件方面，不同用户的硬件性能不一样，Explorer 开发过程中会选用比较好的硬件来实现酷炫特效的呈现；而针对硬件性能较差的用户，则提供高画质和普通画质两个模式，自适应适配用户硬件从而达到一个比较好的呈现效果。像 Explorer 的 3D 图探索模式虽然看过去很酷炫，很“吃”计算资源的样子，但是本身这个功能的硬件要求并非想象中高，任意一台手机的 GPU 配置都能运行 Explorer 3D 模式，相对而言的 CPU 性能更决定用户体验。

其实，除了软硬件上的性能优化，还有产品设计上的策略优化。像是一些比较难以解决的性能问题，可设法规避它。性能优化上，有个亘古不变的原则，这个原则就是要保证 1 秒钟渲染 60 帧。即便在特殊场景下，无法保证一秒钟 60 帧，做到 40 帧数以上也能保证系统的流畅度。这里就像是 React 的优化实现，它将很多大任务拆解成多个小任务，等系统空闲了再塞进去小任务。还有一种思路，如果是代码层面解决不了的问题，可以修改相对应的交互方式。比如一个长耗时任务，在跑，这时候如果页面不可点击，你会觉得很卡顿对吧？而，这时候加入一个 loading 动画，便会大大地降低用户的等待焦虑，会让用户觉得没那么卡顿。

这里，讲个亲身经历：Nebula Dashboard 刚上线可视化大屏时，踩过的性能坑。可视化大屏刚上线时，只是觉得是个简单大屏可能不会涉及太大的性能问题。结果，一上线 CPU 疯狂转，当时就懵逼了：Nebula Dashboard 可视化大屏只有 7、8 个图表。虽然界面酷炫，但是其实整个网络请求也就只有十几个，于是排除了 CPU 在请求计算耗资源过高的问题。此外，大屏上线时，并不存在很多并发情况…经过一轮的排查，最后定位是 SVG 过度消耗资源。所以我们调整了动画实现方案：对 CPU 要求比较高的动画，进行降级，减少渲染次数和渲染频率。这就有点像是图片压缩，你丢一个 1 MB 的图片到压缩网站，压缩完可能是 200 KB，这时候其实用户肉眼是无法察觉。

## 可视化技术选型

上面讲到硬件和软件能提升可视化性能，但是技术选型选的好不好，也能左右你的系统系能。

在 Nebula Explorer v2.2 版本之前，由于技术选型和业务逻辑组织问题，一旦遇到上百个节点显示问题，便会遭遇卡顿，动画明显不流畅。之后，便对 Nebula Explorer 进行重构，替换了当时的渲染引擎 G6。G6 是基于 G2 的一套图可视化引擎，可能由于 G6 过于专注业务场景，以及缺少高性能场景的验证，在 Nebula Explorer 这边表现差强人意。改用 Force Graph 之后，性能提升了差不多 10 倍左右。当然并非说 G6 的性能不行，而是 Nebula Explorer 自身的可视化需求和 G6 并不 MATCH。

同 Nebula Explorer 相反，Nebula Dashboard 不存在成千上万的点数据展示，而是数量相对固定的图表展示以及对应的运维操作执行。监控图表的话，目前来说市场比较认可的是 Grafana，而 Grafana 本身也是一款开源产品。于是，我们去研究了 Grafana 的实现，发现它底层用了轻量级的 uPlot https://github.com/leeoniya/uPlot。因为 uPlot 是个小于 40kb，特色是绘制时间序列图，方便做定制化开发。而 Nebula Dashboard 除了监控之外，还有一个比较重要的功能是针对集群的管理运维操作。这与 Grafana 专注于监控的设定是背离的，加上 Nebula Dashboard 选型的三个标准是：第一，易开发上手；第二，开源社区活跃；第三，基础库多可提升开发效率。最终，选用 G2 作为 Nebula Dashboard 的可视化底层工具，以便提高开发效率。

# 可视化产品设计

Nebula Explorer 有 2D 和 3D 两种图探索模式，当中涉及了页面如何布局的问题。在 Nebula Explorer 设计中，采用算法来实现特定点群的聚合和散列；以及全图鸟瞰模式在 3D 模式中进行展示，因为主流的电脑为 1920*1080，一个平面最多展示百万个像素点，然后这时候换个角度，我们采用 3D 模式所能呈现的数据便会比 2D 多。

# 可视化小知识

## 关于渲染

VR、监控指标、多点展示，在计算底层渲染时渲染图形的方式大多相同。举个例子，有些计算机系统使用 OpenGL 技术渲染的 3D 图形是由若干个三角形（triangle）拼接而成，而 Nebula Explorer 计算渲染方面也是如此，即，你看到的一个球形节点，其实是由若干个三角形构成并线性插值了不同的顶点颜色。除计算机的光栅化绘图法之外，近几年流行的光线追踪渲染也是一门效果较好的渲染技术，该技术利用光线射出，反射，损耗的物理模拟方式，得到像素点的最终颜色，在视觉上会更接近真实世界。

---

交流图数据库技术？加入 Nebula 交流群请先[填写下你的 Nebula 名片](https://wj.qq.com/s2/8321168/8e2f/)，Nebula 小助手会拉你进群~~

普通人眼中的可视化，和前端眼中的可视化有何区别？面对不同的业务产品，可视化技术选型又有何种侧重？本文 NebulaGraph 两款可视化产品的研发工程师谈及了可视化、性能调优、产品设计等方面内容。

可视化技术在 NebulaGraph 中的应用


![NebulaGraph 开源三周年，你关心的 5 个问题都在这里](https://www-cdn.nebula-graph.com.cn/nebula-blog/five-questions-about-nebula.jpeg)

2019 年 5 月 15 日，NebulaGraph 图数据库在 GitHub 开源 alpha 版本。三年过去了，NebulaGraph 的开源社区茁壮成长，聚集了几千名社区成员和超百位社区代码贡献者，项目在 GitHub 上积累了超过 7400 个 star。

在过去的三年里，包括腾讯、美团、京东科技和快手在内的数百家海内外企业用户已经将 NebulaGraph 作为底层图数据库用到他们各自的行业解决方案或产品中。

另外，NebulaGraph 近期被 CSDN 选为 2021 年的 “年度开源项目”。英国投资公司 OXX.VC 也将 NebulaGraph 评选为 2021 年成长最快的开源公司，与 Airbyte、Supabase 等广受欢迎的开源项目并列。

在庆祝 NebulaGraph 开源三周年取得的成绩的同时，NebulaGraph 的创始人、技术负责人、和社区负责人也希望能将自己的开源经验分享给社区成员们，并回答一些社区成员最关心的问题。

# NebulaGraph 是如何诞生的？

以下内容来自于 Sherman Ye，NebulaGraph 创始人

在过去 10 年里，我参与研发了数个以图为基础的查询和数据库系统，并创业打造了国内首个开源分布式图数据库 NebulaGraph。在这十年时间里，类似于 Facebook 和微信这样的社交网络的爆发让发掘数据之间的关系显得比任何时候都重要。而图数据库则是表示和理解这些关系最天然的工具，并将作为下一个十年最重要的数据库类型被广泛应用在金融、AI 和物联网等热门领域。

在充分了解行业对图数据库的需求，以及认识到现有图数据库产品的不足后，我在 2018 年开始投入研发 NebulaGraph。我们从写下 NebulaGraph 的第一行代码开始就认识到它必须是一款开源的、分布式的、支持线性扩容和性能高效的图数据库产品。

打造这样一款图数据库产品最先要解决的是可扩展性（Scalability）的问题。当时市面上已有的图数据库基本上要么是单机版，要么可扩展性不强。

要解决可扩展性的问题，就需要从整个技术架构上实现高效可扩展。因此，NebulaGraph 的技术架构有两个重要特征：Shared Nothing（SN）和存储计算分离。

SN 架构是相对于 Shared Everything 架构，一般指单个主机独立支配 CPU、内存和磁盘等硬件资源，但其数据并行处理能力差，可扩展性低。另外还有 Shared Disk 架构，各个处理单元私有 CPU 和内存，但各个节点共享磁盘。这种架构具有一定的可扩展性，可以通过增加节点的方式来提升数据并行处理能力，但磁盘的 I/O 性能就成了系统性能的瓶颈。

在一个 SN 架构中，各个处理单元都有私有的 CPU、内存和磁盘资源，不存在共享资源。SN 架构中的节点相互独立，各自处理自己的数据，各个处理单元之间通过协议通信。每个节点处理后的结果可以向上层架构汇总或在各节点之间传递。在 SN 架构的数据库中，各个节点具备共同的 Schema，因此只需要增加节点就能快速增加处理能力和容量。

NebulaGraph 的另一个架构特征是存储计算分离。在这种架构下，有状态的存储端只负责存储数据，不处理业务逻辑，而无状态的计算端只处理逻辑，不持久化处理数据。

做存储计算分离最大的好处就是每一个节点之间没有共享数据，这样在做扩容和扩展的时候成本会很低，因为存储节点之间没有依赖关系。存储计算分离之后存储层和计算层能够单独地做扩容，不需要一起来做。这样首先可以降低成本，其次是整个 scale out 的过程也更加敏捷。存储计算分离也使得我们的系统成了一个云原生的系统。云最大的特点就是它的资源是按需分配的，那么一个存储计算分离的数据库系统也能做到在存储端和计算端分别按需分配，分别做弹性扩容。

在过去几年的时间里，国内涌现了一批优秀的图数据库产品，也逐步建立了一个图数据库开发者生态。但国内图数据库的生态还处于非常早期的状态，目前围绕数据库的外围产品大多数都来自于海外，而图数据库也不为很多开发者所知。

但国内有海量的数据以及一流的业务场景，我相信随着图数据库的不断普及，加上开源社区的力量，很快国内就会出现一个良好且成熟的图数据库生态。

# 为什么 NebulaGraph 会选择开源？

以下内容来自于 于新林，NebulaGraph VP of Engineering 

关于为什么选择开源这个问题，第一，我们公司成立在 2018 年 10 月份左右，那个时候感觉业界整个开源的势头越来越强，这是一个大的趋势；第二，因为我们是做图数据库的，图数据库是底层的 infrastructure 的产品，这种产品只要是商业模式找到了，其实开源是一个比较好的手段，它可以快速地让你接触到你的客户、接触到开发者，可以让客户和开发者给你提需求、提 Bug，甚至贡献代码，这样更适合产品的发展，进行快速迭代，所以当时我们选择了开源。

另外，开源也让 NebulaGraph 这款产品在与其他图数据产品的竞争中脱颖而出。因为 NebulaGraph 是一个开源的、完全自研的图数据库，所以可控性就高了很多，这里自研指的是我们跟社区共建产品；其次，因为可控性很高（自研），可以做很多极致的优化。Nebula 最大场景可以到千亿点和万亿边规模，现在有的客户已经达到这种规模，在这种海量高并发场景下采用 NebulaGraph 就很适合。

另外在这种高并发下，客户对于响应时间的要求比较严格。因为 NebulaGraph 是一个 OLTP 数据库，性能上，在海量高并发下可以实现毫秒级返回，这些都是我们目前感觉做的相对比较好的点，当然也有一些不足需要持续的优化和完善。

# 如何看待开源项目的商业化？

以下内容来自于 Sherman Ye， NebulaGraph 创始人

如何将开源产品商业化这个话题由来已久。从开源这个概念诞生开始，大家就一直在探索怎么能够把开源项目商业化。我认为开源项目的商业化经历了三个阶段的发展。第一阶段是类似于 Red Hat 这样的公司模式，为其开源项目提供商业服务。第二阶段是所谓的 open-core 模式，为开源项目提供付费的企业版。第三阶段就是最近流行起来的云原生的方式，提供基于开源项目的云服务。

对于 NebulaGraph 来说，我们现在处于第二阶段和第三阶段。首先，我们在做强做好 NebulaGraph 开源版本的同时，会提供一个在功能和性能方面更符合企业级要求的企业版，并提供一系列的企业级的服务，包括 SLA 的响应时间以及更及时的技术支持。其次，我们会通过上云的方式来实现商业化，为用户提供一种简洁、方便且平价的图数据库服务。对于中小企业来说，每个月花一笔不多的订阅费使用云上的图数据库其实是一种比较省心省力的投资。而对于大企业来说，如果他们的整个系统和架构都已经在云上的话，他们对开源项目的云服务的需求也是很大的。

因此，我认为云服务在未来几年里将会为开源项目的快速发展提供一块非常肥沃的土壤。

# NebulaGraph 在构建社区上有什么经验分享？

以下内容来自于 刘昭，NebulaGraph 社区负责人

NebulaGraph 这个开源项目离不开我们社区里几百名外部成员的贡献。为开源项目贡献代码和时间本质上是一种劳动，但大多数开源项目贡献者其实并没有收获到实际的报酬。因此，我一直在思考为什么有人愿意贡献开源项目。

去年 COSCon 开源社区年会上，知名开源布道师 tison 分享了题为 Why Contributors Stay and Grow 的演讲，我深感共鸣。结合 NebulaGraph 社区运营的实践，我认为开源贡献者可以分为三类：因为公司使用开源项目而发生的代码回流、为了推动某项技术的开源爱好者，以及对社区产生归属感的成员。这三类人参与开源项目的动机各不相同，但他们都是一个健康的开源社区里不可或缺的一部分。

最常见的一类开源贡献者是他们所在的公司使用某款开源产品，他们作为该产品的使用者，在使用过程中遇到了问题或者发现有功能缺失，在自己 fork 的版本上做了修复和开发，最终将修改回源到上游开源社区，成为贡献者。

第二类开源贡献者因为认同某一项技术，出于个人学习和提升的目的，参与到开源项目的开发中。这些行为与直接的物质奖励和组织的绑定都无关，他们即使没有收到物质奖励或离开了使用这项开源项目的机构，仍可能保持贡献。这种模式下，贡献者从社区获得的价值是个人的成长和能力、声望的提升。

最后一类贡献者是因为对某个社区产生了价值认同和归属感，而愿意长期留在社区，跟社区一起成长，持续地做出贡献，这叫文化驱动。

开源社区是围绕着开源软件存在的，社区的终极目标是打造一款有价值的软件产品，并以此推动行业的发展。在实际维护 NebulaGraph 开源社区的过程中，我们发现第一类，也就是因为组织驱动的贡献者对项目的贡献最活跃和显著。因为他们是开源项目真正的使用者，有真实的业务场景，对项目的理解比较深刻，能提出来的代码贡献应该是最有意义的。

有很多人说开源其实是一个产品进行市场营销 （Marketing） 的一种方式，即通过开源的方式吸引到一批种子用户，然后再推出商业版本将用户转化为付费用户。但我认为社区和 Marketing 是有本质上不同的。

Marketing 有一个转化漏斗的概念，这个漏斗尝试将感兴趣的用户一步一步转化为最终的付费客户，而这个漏斗对用户的价值判断取决于他们是否能够最终沿着设定的路径被转化到漏斗的最底端。因此，在 Marketing 的体系里，只有被转化的那部分人有价值。

而社区允许各种用户的存在。在社区的话语体系里，每个类别的用户都有他 / 她的价值，比如代码贡献者、文档贡献者、布道者等。他们不需要被统一地转化成某一类角色，他们被允许以某一种角色停留在社区里，比如仅仅作为用户，或者仅仅作为一次性的代码贡献者。

目前有一个大家比较认同的社区模型，叫 Orbit 模型，比较清楚地展示了社区中各类角色跟项目之间的关系。在这个模型里，每一个开源社区都致力于构建一个“高引力社区”，意味着社区通过提供极致体验以吸引和留存所有类型的社区成员。

因此，无论是组织驱动的贡献者，抑或是自我驱动、文化驱动的参与者，本身在社区里都有存在的价值。

# NebulaGraph 的下一步 roadmap 是什么？

以下内容来自于 于新林，NebulaGraph VP of Engineering 

第一步，先把 NebulaGraph 上云，提供 DBaaS 服务，类似于 PaaS 服务，客户不用去考虑怎么样去搭建、部署、运维一个数据库，只要使用数据库的服务就好了。我们现在已经在和一些云厂商合作，把我们图数据库搬到云上来。实际上，最近我们已经宣布在微软的 Azure 上的 DBaaS 服务，主要面向海外市场。在国内，最近我们也会宣布在阿里云上的云服务，敬请期待。

第二步，我们其实后续也在加大 AP 这个领域的投入，现在已经有 AP 相关的服务，但是跟我们理想中的还有差距，之后通过加大对 AP 领域的投入，真正把 TP 和 AP 融合起来，做到 HTAP。

第三步，我们后续也希望能把图的计算和图的分析以 SaaS 化的服务形式搬上云，这样对一些客户来讲，就不需要去搭建一套图计算和图分析的平台，只需要用 SaaS 服务把数据上传，进行图计算和图分析便可得到结果，这样可实现按需付费，按照计算单元和时间付费，这是我们接下来的一些大的思考和规划。

---

交流图数据库技术？加入 Nebula 交流群请先[填写下你的 Nebula 名片](https://wj.qq.com/s2/8321168/8e2f/)，Nebula 小助手会拉你进群~~

在庆祝 NebulaGraph 开源三周年取得的成绩的同时，NebulaGraph 的创始人、技术负责人、和社区负责人也希望能将自己的开源经验分享给社区成员们，并回答一些社区成员最关心的问题。

NebulaGraph 开源三周年，你关心的 5 个问题都在这里


![开源三周年快乐](https://www-cdn.nebula-graph.com.cn/nebula-blog/happy-3rd-anniversary.jpg)

2018 年 8 月 31 日，一名叫做 sherman-the-tank 的 GitHub 用户在 nebula 仓库打开第一个 issue。在 issue 中，他提出了“Create a parser framework to process GQL”；

一周之后的 2018 年 9 月 5 日， 用户 dutor 提交了 Nebula 社区的第一个 pr，该 pr 名为 '[Feature] Added some concurrent utilities, GenericThreadPool, etc.'，这个 feature pr 变更了 24 个 Files，添加了若干实用程序，比如：GenericThreadPool、GenericWorker、Barrier、Latch、ThreadLocalPtr…这为后续 NebulaGraph 的顺利开发奠定了基础；

在 2018 年 9 月 5 日的首个 pr 过去后，经历了 253 个 pr，在 2019 年 5 月 15 日，NebulaGraph 图数据库在 GitHub 开源 alpha 版本。

…

3 年过去，190 位社区贡献者陪伴 NebulaGraph 在 13,314 个 pr、11,655 个 commit、 3 个大版本、5 个中版本、14 个小版本中 MAKE IT BETTER，成了今天和大家见面的 [NebulaGraph v3.1.0](https://nebula-graph.com.cn/posts/nebula-graph-v3.1.0-release-note/)。

# 午夜时分的 Nebula

你见过凌晨四点的 GitHub 吗？

Nebula 有幸在午夜时分，与 27 位 Contributor 在 GitHub 相逢。Take Care，Nebula Contributor~

# Contributor 的足迹

午夜、清晨、傍晚，每时每刻 Nebula 都有 Contributor 相伴。

在 Nebula 在过去的 3 年里，190 位 Contributor 的足迹遍布 40 个仓库，他们活跃在 nebula、nebula-docs、nebula-common 等等仓库。

![开源三周年快乐](https://www-cdn.nebula-graph.com.cn/nebula-blog/3rd-github-data.png)

说明：数据来源于 Nebula 所有 public repo，数据统计截止日期 2022.04.06

# pr 的一生

一个 pr 从 create 开始，历经 code review、approve 等阶段，到最后 merge，最短的 pr 生命周期是 5s，最久的 pr 度过 8 个月 20 天 9 个小时方能合入分支，最终在你的 IDE 与你相见。

一个 pr 的平均寿命为 96 小时 59 分钟 46 秒，相当于你写下 600 行优雅代码的耗时。

虽然 pr 一生匆匆，但是每个 pr 都有充实的“人生”。

它们中大多数 pr 需要完成 code line(+) 900 行，code line(-) 399，到最后在 14 个 Files 中记录下它们的一生才会消失。

# 一路同行，有你相伴

```shell
开源 3 年
1,095 天，26,298 小时，1,577,880 分，94,672,800 秒
感谢你与 Nebula 相伴
```

这是三年来，Nebula 的 GitHub Contributor 墙

![开源三周年快乐](https://www-cdn.nebula-graph.com.cn/nebula-blog/3rd-github-contributors.png)

未来，你我继续一路前行

# 开源三年，社区之声

## 我想说…

> 开源三年，筚路蓝缕，祝贺 Nebula 越来越好，打造在国内及国际上领先的图数据库 👏👏👏 
> ——Nebula Contributor & nebula-jdbc 作者 Flash


> 祝 Nebula 三周年快乐，你已经成为了最强大的图数据库，希望在开源的路上，遇到更多的同道中人！
> ——Nebula Contributor 繁凡

> 首先，祝 nebula 三周年快乐，祝贺 nebula 越来越好，一年前开始使用 nebula。见证 nebula 的成长，真的越来越强大。
> ——Nebula 社区用户 kl123456

> 感谢 Nebula 一路相随，是同行者也是见证者。当前正是图数据库的重大发展时机，机遇和挑战并存，愿下一个三年 Nebula 社区越来越强大，成为图数据库的引领者，也期待 Nebula 的开源能催生更多更好的图数据库技术和应用。
> ——Nebula Contributor 文洲

> 希望 Nebula 一鼓作气，成为国产图数据库之光！
> ——Nebula 社区用户 chrisz

> nebula 开源三周年快乐。做一个开源商用软件，很难，但是还能做得这么好，应该更难吧。nebula 开源三周年快乐，希望越来越好，加油～
> ——Nebula 社区用户 tt100

> Nebula开源三周年快乐，祝Nebula越来越好，成为图数据库领域扛把子。
> ——Nebula 社区用户 ncuht

> 国产开源图数据库之光！未来是全球是宇宙是星辰大海！
> ——Nebula 社区用户 smellyteethy

> 一鼓作气
> 三生三世
> NG运行
> 图库我有
> ——Nebula 社区用户 senga

> nebula 在国内基本已经实现了 No.1；希望出去能拳打 Neo4j、脚踢 Tigergraph。
> ——Nebula 社区用户 danjingzixun

> 恭喜 NebulaGraph 开源三周年！！
> 我司和我本人都是三年之前就开始使用 NebulaGraph 了，在此之前用了多款图数据库，但还是 NebulaGraph 用得更爽。祝 NebulaGraph 越来越好，早日实现星辰大海的理想。
> ——Nebula Contributor & java-orm 作者 Anyzm

# 未完待续

* [开源之夏｜和 Nebula 核心研发工程师一起开启开源之旅](https://discuss.nebula-graph.com.cn/t/topic/8696)
* 开源摘星计划，一起探索更多可能性

---

交流图数据库技术？加入 Nebula 交流群请先[填写下你的 Nebula 名片](https://wj.qq.com/s2/8321168/8e2f/)，Nebula 小助手会拉你进群~~

在 2018 年 9 月 5 日的首个 pr 过去后，经历了 253 个 pr，在 2019 年 5 月 15 日，NebulaGraph 图数据库在 GitHub 开源 alpha 版本。

故事从三年前的今天开始，它开源了…


![每周看点](https://www-cdn.nebula-graph.com.cn/nebula-blog/potw2217.png)

> 每周五 Nebula 为你播报每周看点，每周看点由固定模块：产品动态、社区问答、推荐阅读，和随机模块：本周大事件构成。

在本周的每周看点中，收录了社区用户经常会问及的查询性能提升、悬挂边问题，在推荐阅读模块则推荐了社区用户编写的对新手友好的保姆级手把手带你实操教程。

# 本周大事件

## [Nebula Explorer Demo 首秀](https://www.bilibili.com/video/BV1VL4y1V7C2)

![ Nebula Explorer ](https://www-cdn.nebula-graph.com.cn/nebula-blog/cloud-native-on-nlive-04.gif)

Nebula Explorer 是一款可以通过 Web 访问的可视化图探索工具，搭配 NebulaGraph 内核使用，用于与图数据进行可视化交互。即使没有图数据操作经验，用户也可以快速成为图专家。在本次 Demo Show 中， Nebula Explorer 产品负责人演示了共同邻居、路径查找、3D 鸟瞰、可视化查询、数据快照等等多种功能。

如果你对 Explorer 感兴趣可以通过链接：[https://wj.qq.com/s2/10158890/69a8](https://wj.qq.com/s2/10158890/69a8/) 申请试用它，一起来感受酷炫的图查询吧~

# 产品动态

本周 Nebula 主要有这些产品动态：

* 优化路径以减少冗余路径和时间复杂度，标签：`优化`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/4162](https://github.com/vesoft-inc/nebula/pull/4162)
* 修复 ScanVertice 以及 ScanEdges 在多线程扫描数据时会 crash 的问题，标签：`bugfix`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/4190](https://github.com/vesoft-inc/nebula/pull/4190)
* 修复 `SHOW HOSTS` 版本信息显示异常的问题，标签：`bugfix`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/4116](https://github.com/vesoft-inc/nebula/pull/4116)

# 社区问答

Pick of the Week 每周会从官方论坛、知乎、微信群、微信公众号及开源中国等渠道精选问题同你分享。

## 主题分享

本周分享的主题是【如何提升 Nebula 计算两个点之间的关联边数量的性能】，由社区用户 kaisha 提出，Nebula 研发同学负责解答，原帖出自 Nebula 论坛：[https://discuss.nebula-graph.com.cn/t/topic/8451](https://discuss.nebula-graph.com.cn/t/topic/8451)。

> 硬件信息：
> - 磁盘 1.5T
> - CPU、内存信息 32C 128G
> - 查询客户端的配置为 4C 8G

> Nebula 版本号：v2.6.1
> 问题的具体描述：
> **测试逻辑**
> 查询指定的两个点之间的明细边关系数量
> **查询语句**
> MATCH (v)-[e:useridtodeviceid*1]-(v2) where id(v) == '15\*\**\*\*88' and  id(v2) == '411***************08E' RETURN count(e);
> **测试结果:**
> 边关系数据量 3W：平均响应时间在 2.6 秒，95 线 3.5 秒 QPS:40 客户端服务的 CPU 利用率 20% Nebula 机器的 CPU 占 25% 左右
> 边关系数据量 1K：平均响应时间在 111 毫秒，95 线 144 毫秒 QPS: 950 客户端服务的 CPU 利用率 30% Nebula 机器的 CPU 占 23% 左右
> 边关系数据量 300：平均响应时间在 38 毫秒，95 线 49 毫秒  QPS: 2780 客户端服务的 CPU 利用率 60% Nebula 的 CPU 占 30% 左右
> 边关系数据量 2：平均响应时间在 17 毫秒，95 线 22 毫秒  QPS 达到 5300 客户端服务的 CPU 利用率达到 100% Nebula 的 CPU 占 20%左右
> 服务的响应速度和吞吐量随着明细边数量的增加而下降，边数量达到 1 千以上时平均响应时间突破 100 ms。边为个位数时，平均响应时间十几毫秒，并且数量的统计没办法做到超过多少个直接返回。
> 问题：如何提升这样统计数据的查询效率？

**Nebula**：可以升级版本，我们对 `MATCH` 的执行做了许多优化，并且还在持续优化中。也可 `GO` 改写，`GO` 的语义比较简单执行性能在这个版本应该高很多：
```
go from 'abc' over like where like._dst == 'def' yield like._src AS src | group by $-.src yield count ($-.src)
```

> 追问：GO 改写后性能确实得到了很大的提升，不过还是达不到我们的需求，有办法统计数量超过多少时就不继续扫描数量提升性能么？

**Nebula**：加上 `LIMIT` 子句。

## Nebula 进阶技能

本周的 Nebula 进阶技能分享一个【悬挂边】知识，来源于官方文档：[https://docs.nebula-graph.com.cn/3.0.2/20.appendix/0.FAQ/#_6](https://docs.nebula-graph.com.cn/3.0.2/20.appendix/0.FAQ/#_6)。

悬挂边（Dangling edge）是指一条边的起点或者终点在数据库中不存在。在 NebulaGraph v3.x 的数据模型中，由于设计允许图中存在“悬挂边”；没有 openCypher 中的 `MERGE` 语句。 对于悬挂边的保证完全依赖应用层面。此外，你可以通过视频 [https://www.bilibili.com/video/BV1GR4y1F7ko](https://www.bilibili.com/video/BV1GR4y1F7ko) 了解更多的悬挂边内容。

# 推荐阅读

* [《macOS 安装 NebulaGraph 看这篇就够了》](https://nebula-graph.com.cn/posts/deploy-nebula-graph-with-macOS-intel)
    * 推荐理由：一直以来社区用户非常关心 macOS 如何安装 NebulaGraph，虽然 B 站有相关视频，但这次我们搞点“无脑”部署，保姆级 cv 教程带你快速在 macOS 下部署 NebulaGraph ~

# 星云·小剧场

**为什么给图数据库取名 Nebula**？

Nebula 是星云的意思，很大嘛，也是漫威宇宙里面漂亮的星云小姐姐。对了，Nebula 的发音是：[ˈnɛbjələ]

本文星云图讲解–《NGC 3628: 汉堡星系》

![NGC 6369](https://www-cdn.nebula-graph.com.cn/nebula-blog/potw221701.jpeg)

这幅清晰望远镜影像所呈现的，是壮丽侧向螺旋星系 NGC 3628、受到尘埃带分割的鼓胀星系盘。这个迷人的宇宙岛位在春季的狮子星座之内，离我们约有 3 千 5 百万光年远，大小则在 10,000 光年上下。

影像提供与版权：Eric Coles and Mel Helm
作者与编辑：Robert Nemiroff (MTU) & Jerry Bonnell (UMCP)

---

交流图数据库技术？加入 Nebula 交流群请先[填写下你的 Nebula 名片](https://wj.qq.com/s2/8321168/8e2f/)，Nebula 小助手会拉你进群~~

![关注公众号](https://www-cdn.nebula-graph.com.cn/nebula-blog/WeChatOffical.png)


在本周的每周看点中，收录了社区用户经常会问及的查询性能提升、悬挂边问题，在推荐阅读模块则推荐了社区用户编写的对新手友好的保姆级手把手带你实操教程。

Pick of the Week'22 ｜第 17 周看点提升性能的秘籍


![云原生 on nLive：云上 NebulaGraph](https://www-cdn.nebula-graph.com.cn/nebula-blog/cloud-native-on-nlive.jpg)

在 #云原生# 主题分享中，来自 Nebula 云组的 Cloud 专家乔雷同大家分享云的相关知识，本文整理自该次[主题直播](https://www.bilibili.com/video/BV1cY4y1v7ZS)。

# 云原生是什么

![云原生 on nLive：云上 NebulaGraph](https://www-cdn.nebula-graph.com.cn/nebula-blog/cloud-native-on-nlive-01.png)

这里简单介绍下云原生是什么，包括 DBaaS 又是什么？它在云的整套体系内又处于一个什么样的层级？

云原生从本质上来说，是一个不断演进的技术理念。一开始并不存在云原生这一概念，它从早期的虚拟化 VM 演进到容器化，再发展到到今天的 FaaS，逐步发展成一整套体系化的事物。换而言之，云原生便是将基础设施打包在一起构建成的整套技术，而这套技术在不断地向周边延伸。可以看下云原生金字塔这幅图，IaaS 层基于硬件虚拟化提供存储、计算、网络，安全防火墙等产品；再上层是 CaaS 层，基于 Kubernetes 编排系统提供容器化产品；最上层是基于云原生理念构建的应用服务，整套组合构成了云原生概念体系。

某种技术产生一定是服务某项业务，所以我们要明白，云原生最终要服务于什么？云原生是希望更好地将业务同基础设施进行解耦，让大家更专注于业务层面的开发，无需去关心运维操作，比如：机器资源不够；流量爆发时，进行资源的扩容；流量高峰期过后进行缩容…这些常见的运维操作都是可以把它沉淀到整个基础设施体系内的。

# DBaaS 是什么

DBaaS 是依托云原生技术体系内的一个概念，就是 Database as a Service。DBaaS 的理念是希望规模化我们理解的单机版数据库应用技术，使其用起来更简洁、更轻量，让用户感受到开箱即用、用完即走。虽然用户是用完即走，但 DBaaS 的平台运行也是要依托于这套云原生体系，所以我们可以把 DBaaS 依托在 PaaS 层上构建，使用容器的相关技术使数据库具备快速弹性的能力，使用硬件虚拟化技术，提升数据库的性能，这些技术组合使用作为 DBaaS 平台的基座。

# NebulaGraph Cloud

下面结合 NebulaGraph 的 DBaaS 产品来直观地讲解下 DBaaS 平台应该是什么样子。

![云原生 on nLive：云上 NebulaGraph](https://www-cdn.nebula-graph.com.cn/nebula-blog/cloud-native-on-nlive-02.png)

上图为 DBaaS 平台架构，用户角色分为云用户、运营人员、运维人员、开发人员。DBaaS 平台是面向多类人群的，既面向云用户，也面向运营人员、开发运维人员。平台会针对不同的用户角色呈现不同的视图。
举个例子，云用户通过简单的操作点击、选择所需规格实例之后，会有一套完整的流水线作业创建实例并初始化配置，实例就绪后用户可以登录到 Portal 进行图探索、图查询操作，但是实例如何创建、节点如何扩容、数据如何备份用户是无感知的。这里也体现了 DBaaS 概念中很重要的一点，通过 DBaaS 平台将数据库应用跟基础设施分离，用户尽可能地关注数据库层面的操作，数据库运维管理等复杂的工作全部都由 DBaaS 服务商来完成。这样，用户使用 NebulaGraph 的时候会更加方便。

## NebulaGraph Cloud 实例

![云原生 on nLive：云上 NebulaGraph](https://www-cdn.nebula-graph.com.cn/nebula-blog/cloud-native-on-nlive-03.png)

上图为 NebulaGraph 实例创建后，登录可查看到的视图，在左侧的菜单栏可以针对创建的实例进行数据库层面的操作，比如权限管理或者用户管理。
在上图所示的【Applications】页面，页面中罗列了社区用户比较熟悉的 3 款产品：Nebula Studio、Nebula Dashboard、Nebula Explorer，点击上图的【Open】即可登录到对应的应用连接图数据库进行操作。

如果你想更简洁地通过类似终端的方式来使用 NebulaGraph，在 Connectivity 界面我们对接了 Azure 的 VLink，你可以感受到一个直连终端的体验。

## NebulaGraph Cloud 的应用

![云原生 on nLive：云上 NebulaGraph](https://www-cdn.nebula-graph.com.cn/nebula-blog/cloud-native-on-nlive-04.gif)

可以直观地感受到，其实在云上使用 Nebula Explorer 和本地部署一套可视化 Nebula Explorer 组件，体验并无差别。

![云原生 on nLive：云上 NebulaGraph](https://www-cdn.nebula-graph.com.cn/nebula-blog/cloud-native-on-nlive-05.png)

上图为另外一个可视化产品——Nebula Dashboard 展示的监控数据大盘，可以通过数据大盘看到整个集群的机器状况，你也可以基于 Nebula Dashboard 进行简单的运维操作管理。

# NebulaGraph Cloud 背后的 Operator

![云原生 on nLive：云上 NebulaGraph](https://www-cdn.nebula-graph.com.cn/nebula-blog/cloud-native-on-nlive-06.png)

整套 NebulaGraph Cloud 体系基于 K8s 生态实现，通过 Nebula Operator 管理数据库产品。支持下列功能：

* 实例创建、删除
* 实例扩容、缩容
* 实例滚动升级
* 实例备份恢复（开发中）
* 实例监控、告警
* 实例故障自愈
* 实例日志查看
* 实例配置参数变更

基于上述产品规划，可将运维人员可能遇到的部署、升级问题，比如：通过 rpm 包安装了 NebulaGraph，修改配置文件之后启动失败，需要捞取日志定位问题；某个机器数据库版本过低需要升级版本…交由 Nebula Operator 自动完成，节省运维人力。目前来说，NebulaGraph Cloud 和 Nebula Operator 都处于持续迭代中，如果你有其他的产品建议可以前往：https://discuss.nebula-graph.com.cn/ 同我们交流。

# NebulaGraph Cloud 背后的基础设施

![云原生 on nLive：云上 NebulaGraph](https://www-cdn.nebula-graph.com.cn/nebula-blog/cloud-native-on-nlive-07.png)

为了将云服务器、网络等云端资源实现安全自动化的创建、配置和组装，这里使用了基础设施及代码（IaC）工具 。不仅仅是上图展示的 Terraform，每个云厂商都提供相对应的产品。像 Azure 的 ARM 模版，AWS 的 Cloud information，但每个云厂商的模版语言并非是通用语言，而是类似 DSL 的语言。如果要多云对接的话，可以使用 Terraform 定义成一套作业流水模板，在初始化基础设施后，再基于此搭建 DBaaS 平台。

# 社区用户的云交流

这里摘录了部分社区用户的提问，你可以观看视频：[https://www.bilibili.com/video/BV1rR4y1T73V](https://www.bilibili.com/video/BV1rR4y1T73V) 或文末的视频查看本次所有的互动提问。

## NebulaGraph Cloud 解决了什么问题

目前同大家见面的 NebulaGraph Cloud 其实是一个 DBaaS 平台，采用全托管模式，用户通过简单的配置在云市场（目前是 Azure）订阅服务，DBaaS 用户为用户创建一整套数据库产品，用户登陆账户即可使用图数据库 NebulaGraph。在未来规划中，会推出半托管的产品，即用户在最近的云租户下选择 Nebula 官方提供的 Nebula 模版，模版里提供了相关的数据库配置参数，通过参数来起对应的 graph、storage、meta 节点，所有相关的数据由用户拥有，可对其进行管理。

总的来说，NebulaGraph Cloud 是屏蔽同业务无关的操作，专注于业务层面的开发，繁琐的部署、运维工作交给 NebulaGraph Cloud 实现。

## NebulaGraph Cloud 如何收费

需要根据你的使用方式来选择，如果采用 OP 的方式，可以咨询商务同学如何购买 license；如果选择开箱即用的方式，并拥有 Azure 账号，可以访问 Azure 的 MarketPlace 订阅产品，目前 Azure NebulaGraph Cloud 3 折优惠中：[https://azuremarketplace.microsoft.com/en-us/marketplace/apps/vesoftcompanylimited1625556994617.nebula_graph_cloud?tab=Overview](https://azuremarketplace.microsoft.com/en-us/marketplace/apps/vesoftcompanylimited1625556994617.nebula_graph_cloud?tab=Overview)

## NebulaGraph Cloud 的未来规划

今年年底之前，会对接国内大家比较熟悉的云厂商，比如阿里云、腾讯云、华为云…，海外的话，我们也会争取在 AWS 上线 NebulaGraph Cloud。

---

交流图数据库技术？加入 Nebula 交流群请先[填写下你的 Nebula 名片](https://wj.qq.com/s2/8321168/8e2f/)，Nebula 小助手会拉你进群~~

![关注公众号](https://www-cdn.nebula-graph.com.cn/nebula-blog/WeChatOffical.png)


云原生是什么？DBaaS 是什么？NebulaGraph Cloud 又是什么？在本文，来自 Nebula 云组的 Cloud 专家乔雷同大家分享云的相关知识。

云原生 on nLive：云上 NebulaGraph


![每周看点](https://www-cdn.nebula-graph.com.cn/nebula-blog/potw2216.png)

> 每周五 Nebula 为你播报每周看点，每周看点由固定模块：产品动态、社区问答、推荐阅读，和随机模块：本周大事件构成。

本周产品动态颇丰，社区用户 @wuxiaobai24 贡献的 pr 让你能通过 `std::vector<Value>({"Hello NebulaGraph"})` 提取当中的子字符串；pr #4095 则在降低路径消耗的内存消耗量之外，还支持了路径算子的并发执行…在社区问答方面，你将了解版本升级以及 `replica_factor` 设置。

# 本周大事件

## [Nebula 首届征文活动上线](https://discuss.nebula-graph.com.cn/t/topic/8304)

社区用户繁凡问过：为什么要办这个活动呢？是的，为什么呢？因为你是 Nebula 的用户，没有人比你更清楚你是怎么用上它的、Nebula 如何使用、怎么用会获得更好的性能，它又是如何帮你解决问题的…只要你对 Nebula 有兴趣、喜钻研，我们都无比欢迎你来书写自己和 Nebula 有趣的故事！

此外，本次活动除了常见的数码产品（机械键盘、无线充、运动手环）之外，社区用户 Johntill 建议的赠送数据库、领域技术书籍也在获奖用户的查收礼包当中。（细细查看下图能看到书籍们闪烁的智慧之光）

![每周看点](https://www-cdn.nebula-graph.com.cn/nebula-blog/potw221601.jpg)

# 产品动态

本周 Nebula 主要有这些产品动态：

* 社区 `wuxiaobai24` 贡献 ｜支持从字符串中提取出匹配正则表达式的子字符串，标签：`数据提取`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/4098](https://github.com/vesoft-inc/nebula/pull/4098)
* 支持多并发执行路径算子，标签：`优化`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/4095](https://github.com/vesoft-inc/nebula/pull/4095)
* 减少路径内存使用，标签：`优化`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/4095](https://github.com/vesoft-inc/nebula/pull/4095)
* 修复词法分析里科学记数法匹配错误导致的语法报错，标签：`bugfix`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/4136](https://github.com/vesoft-inc/nebula/pull/4136)
* 当节点存在多条路径，某条数据路径对应磁盘故障时，不再需要重建整个节点，标签：`故障恢复`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/4131](https://github.com/vesoft-inc/nebula/pull/4131)
* 存算合并版本支持自动 `ADD HOSTS`，可在配置文件中通过 `--add_local_host` 来配置服务，标签：`优化`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/4129](https://github.com/vesoft-inc/nebula/pull/4129)
* 修复 `WHERE` 子句同时引用多 `MATCH` 变量结果显示不正确的问题，标签：`bugfix`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/4143](https://github.com/vesoft-inc/nebula/pull/4143)

# 社区问答

Pick of the Week 每周会从官方论坛、知乎、微信群、微信公众号及开源中国等渠道精选问题同你分享。

## 主题分享

本周分享的主题是【升级问题】，由社区用户 Jun69 提出，Nebula 研发同学负责解答，原帖出自 Nebula 论坛：[https://discuss.nebula-graph.com.cn/t/topic/8296](https://discuss.nebula-graph.com.cn/t/topic/8296)。

> Jun69：想把生产环境的 Nebula 数据库升级至 3.0.2，存在以下问题：
> 1、nebula 2.5.0 就开始支持内存水位配置，这个参数是否可自由配置，如果自己配可以怎么配置？如果不能配默认是多少？当前一个机器上部署了 graphd 和 storaged 两个服务，担心相互影响。
> 2、nebula 2.5.0 就能支持慢查询终止，是超过慢查询的时间阈值就直接返回错误，服务端有参数配置决定是否终止。
> 3、在升级至 3.0.2 有个要求，剩余空间必须是当前数据容量的 3 倍，当时的情况是数据大小为 550 G，磁盘空间为 1.8 T。在不删除数据的情况下能够有手段升级？（个人理解，当前升级没有自动备份数据，就算升级至新版本有数据膨胀，也不需要三倍的剩余空间）官方文档上写索引不提高加速查询，仅支持定位。那我是不是只要每个 TAG 随便建一个索引就好，我不太理解为什么不能提高性能？

**Nebula**：既然你知道内存水位管理，可以看下文档啊，文档里面有详细的解释说明的，这个是可配置的：在 graph 服务配置中指定 `system_memory_high_watermark_ratio` 大小即可；终止慢查询的话，可以通过 nGQL 语句 `KILL QUERY` 终止正在执行的查询；至于升级，从 2.x 升级到 3.x，是原地升级的，就是直接改你原来的数据，所以：
* 为了防止升级失败，最好你手动备份一下数据。 1 倍。
* 升级过程中，会复制 wal。如果你集群最近没有写入数据，wal 会自动清理，这个就不会很大。
* 升级过程中，会额外的增加一部分数据，这个数据和你有多少个点有关系。 1 亿点，vid type 是 int64 大约为 1.2 G。

综上，需要手动备份额外的 550G 和预留 wal 和增加的数据，不需要 3 倍。

## Nebula 进阶技能

本周的 Nebula 进阶技能分享一个【replica_factor 设置】，来源于官方文档：[https://docs.nebula-graph.com.cn/3.0.2/20.appendix/0.FAQ/#create_spacereplica_factor_2](https://docs.nebula-graph.com.cn/3.0.2/20.appendix/0.FAQ/#create_spacereplica_factor_2)。

Storage 服务使用 Raft 协议（多数表决），为保证可用性，要求出故障的副本数量不能达到一半。

当机器数量为 1 时，`replica_factor` 只能设置为 1。

当机器数量足够时，如果 `replica_factor=2` ，当其中一个副本故障时，就会导致系统无法正常工作；如果 `replica_factor=4`，只能有一个副本可以出现故障，这和 `replica_factor=3` 是一样。以此类推，所以 replica_factor 设置为奇数即可。

建议在生产环境中设置 `replica_factor=3`，测试环境中设置 `replica_factor=1`，不要使用偶数。

# 推荐阅读

* [《BIGO 的数据管理与应用实践》](https://nebula-graph.com.cn/posts/bigo-data-governance-practice)
    * 推荐理由：数据治理能提高企业数据的安全性和易用性，在本文中来自 Bigo 数据中台的蒋涉权讲述了他搭建元数据管理平台用来解决数据缺少统一标准、缺少数据联系、权限管控颗粒度粗的问题。

# 星云·小剧场

**为什么给图数据库取名 Nebula**？

Nebula 是星云的意思，很大嘛，也是漫威宇宙里面漂亮的星云小姐姐。对了，Nebula 的发音是：[ˈnɛbjələ]

本文星云图讲解–《NGC 6369》

![NGC 6369](https://www-cdn.nebula-graph.com.cn/nebula-blog/potw221602.jpeg)

形似幽灵的 NGC 6369，是夜空中的一团暗淡幻影，以小幽灵星云的称号广为周知。它是十八世纪天文学家威廉．赫歇尔爵士，在用望远镜探索蛇夫座时所发现的。

影像提供与版权：Jeremiah Roth
作者与编辑：Robert Nemiroff (MTU) & Jerry Bonnell (UMCP)

---

交流图数据库技术？加入 Nebula 交流群请先[填写下你的 Nebula 名片](https://wj.qq.com/s2/8321168/8e2f/)，Nebula 小助手会拉你进群~~

![关注公众号](https://www-cdn.nebula-graph.com.cn/nebula-blog/WeChatOffical.png)


本周产品动态颇丰，社区用户 @wuxiaobai24 贡献的 pr 支持了提取字符串中的子字符串；pr #4095 则在降低路径消耗的内存消耗量之外，还支持了路径算子的并发执行…在社区方面，你将了解版本升级以及 replica_factor 设置。

Pick of the Week'22 ｜第 16 周看点优化路径，降低内存消耗


![每周看点](https://www-cdn.nebula-graph.com.cn/nebula-blog/potw2213.png)

> 每周五 Nebula 为你播报每周看点，每周看点由固定模块：产品动态、社区问答、推荐阅读，和随机模块：本周大事件构成。

作为查询的核心子句之一，MATCH 的用法在本周的 #3929、#3997 两个 pr 的加持之下变得更加丰富。除了更丰富的 MATCH 用法之外，本周的社区问答方面带你了解更多的索引使用姿势，了解 NebulaGraph 中索引的定位。

# 本周大事件

## [直播预告 ｜ Cloud on nLive 听 Cloud 技术专家聊云原生](https://discuss.nebula-graph.com.cn/t/topic/8014)

在本次直播活动中，邀请了 Nebula Cloud 技术专家——乔雷 @kevin.qiao 来聊聊他对云原生、NebulaGraph Cloud 的看法。

如果你对 云原生 和 NebulaGraph Cloud 有任何产品设计、技术上的问题，可扫描下方二维码向他提问~

![每周看点](https://www-cdn.nebula-graph.com.cn/nebula-blog/potw221301.png)

# 产品动态

本周 Nebula 主要有这些产品动态：

* 支持更多 `MATCH` 用法，例如：`match (v)-->(v)`、`match (v:player) where (v)-[:like]->() return v`、`match (v:player) return (v)-[:like]->()`，标签：`nGQL`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/3997](https://github.com/vesoft-inc/nebula/pull/3997)、[https://github.com/vesoft-inc/nebula/pull/3929](https://github.com/vesoft-inc/nebula/pull/3929)
* `SHOW JOB JOBID` 支持查看指定 job failed 时对应的错误码，标签：`nGQL`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/4067](https://github.com/vesoft-inc/nebula/pull/4067)

# 社区问答

Pick of the Week 每周会从官方论坛、知乎、微信群、微信公众号及开源中国等渠道精选问题同你分享。

## 主题分享

本周分享的主题是【索引设计问题】，由社区用户 qianjiangchao1992 提出，Nebula 研发同学负责解答，原帖出自 Nebula 论坛：[https://discuss.nebula-graph.com.cn/t/topic/7905](https://discuss.nebula-graph.com.cn/t/topic/7905)。

> qianjiangchao1992：官方文档上写索引不提高加速查询，仅支持定位。那我是不是只要每个 TAG 随便建一个索引就好，我不太理解为什么不能提高性能？

**Nebula**：可以阅读下索引讲解文章，以及这里摘录部分当中不加速方面的观点：

* 不加速从确定的 VID 点的查询，因为 VID 本身就是有序存储的（或者说本身已经被索引了），这个索引是增加了属性反查 VID 的可能；
* 属性反查 VID 在没有索引的时候是被禁止的（除非 `LIMIT n`），引入索引不是加速这样的查询，而是使这种属性反查 VID 查询成为可能；
* 图查询中的拓展（即使带有属性过滤），因为都是有序的扫 key 数据，过滤也只是读取 value 反序列化 过滤，为属性排序的索引是帮不上忙的。

## Nebula 进阶技能

本周的 Nebula 进阶技能分享一个【GO 和 MATCH 执行相同语义的查询，查询结果为什么不同？】，来源于官方文档：[https://docs.nebula-graph.com.cn/3.0.1/20.appendix/0.FAQ/#gomatch](https://docs.nebula-graph.com.cn/3.0.1/20.appendix/0.FAQ/#gomatch)。

使用 `GO` 和 `MATCH` 执行相同语义的查询，查询结果为什么不同？

原因可能有以下几种：

* `GO` 查询到了悬挂边。

* `RETURN` 命令未指定排序方式。

* 触发了 Storage 服务中 `max_edge_returned_per_vertex` 定义的稠密点截断限制。

* 路径的类型不同，导致查询结果可能会不同。

  - `GO` 语句采用的是 `walk` 类型，遍历时点和边可以重复。

  - `MATCH` 语句兼容 openCypher，采用的是 `trail` 类型，遍历时只有点可以重复，边不可以重复。
  
因路径类型不同导致查询结果不同的示例图和说明如下。

![路径示例](https://docs.nebula-graph.com.cn/3.0.1/images/path1.png)

从点 A 开始查询距离 5 跳的点，都会查询到点 C（`A->B->C->D->E->C`），查询 6 跳的点时，`GO` 语句会查询到点 D（`A->B->C->D->E->C->D`），因为边`C->D`可以重复查询，而`MATCH`语句查询为空，因为边不可以重复。

所以使用 `GO` 和 `MATCH` 执行相同语义的查询，可能会出现 `MATCH` 语句的查询结果比 `GO` 语句少。

关于路径的详细说明，请参见维基百科：[https://en.wikipedia.org/wiki/Path_(graph_theory)#Walk,_trail,_path](https://en.wikipedia.org/wiki/Path_(graph_theory)#Walk,_trail,_path)。

注：虽然这里是用了 3.0 的文档链接，但是该内容适用于 v2.x 以上版本；

# 推荐阅读

* [《NebulaGraph 在众安保险的图实践》](https://nebula-graph.com.cn/posts/zhongan-insurance-knowledge-graph-practice/)
    * 推荐理由：互联网金融的借贷同传统信贷业务有所区别，相较于传统信贷业务，互联网金融具有响应快、数据规模大、风险高等特点。而众安保险又是如何迎接这些挑战的呢？
* [《全方位讲解 NebulaGraph 索引原理和使用》](https://nebula-graph.com.cn/posts/use-better-know-something-about-nebula-graph-index)
    * 推荐理由：在本文中，Nebula 的布道师 Wey 带你了解 NebulaGraph 中索引的作用是什么，以及它同传统的数据又有何种区别；

# 星云·小剧场

**为什么给图数据库取名 Nebula**？

Nebula 是星云的意思，很大嘛，也是漫威宇宙里面漂亮的星云小姐姐。对了，Nebula 的发音是：[ˈnɛbjələ]

本文星云图讲解–《星雲NGC 281》

![星雲NGC 281](https://www-cdn.nebula-graph.com.cn/nebula-blog/potw221302.jpeg)

NGC 281位在仙后座内，离我们大约 1 万光年远，因其外观，也常被戏称为小精灵星云。这幅清晰的组合影像，是由数张窄波段照片组合而成，其中，星云的氢和氧原子辐射，分别以红、绿和蓝来呈现。

影像提供与版权：Jeremiah Roth
作者与编辑：Robert Nemiroff (MTU) & Jerry Bonnell (UMCP)

---

交流图数据库技术？加入 Nebula 交流群请先[填写下你的 Nebula 名片](https://wj.qq.com/s2/8321168/8e2f/)，Nebula 小助手会拉你进群~~

![关注公众号](https://www-cdn.nebula-graph.com.cn/nebula-blog/WeChatOffical.png)


作为查询的核心子句之一，MATCH 的用法在本周的 #3929、#3997 两个 pr 的加持之下变得更加丰富。除了更丰富的 MATCH 用法之外，本周的社区问答方面带你了解更多的索引使用姿势，了解 NebulaGraph 中索引的定位。

Pick of the Week'22 ｜第 13 周看点更多 MATCH 查询姿势


![每周看点](https://www-cdn.nebula-graph.com.cn/nebula-blog/potw2212.png)

> 每周五 Nebula 为你播报每周看点，每周看点由固定模块：产品动态、社区问答、推荐阅读，和随机模块：本周大事件构成。

本周的产品动态里面“干货”满满，除了大家都能用到的 nGQL 新语句 CLEAR SPACE 清空 Space 数据之外，还有 2 个社区用户贡献的优秀 pr。除了硬核产品动态之外，本周的社区问答非常的柔软——贴近你的使用状态，它将详细带你了解如何进行 Nebula 账号密码的持久化设置。

# 本周大事件

## [NebulaGraph 与蓝象智联达成战略合作](https://mp.weixin.qq.com/s/PeD2XiIU9bhyVEh68687Kg)

近日，国产领先开源分布式图数据库 NebulaGraph 宣布与国内领先隐私计算服务商蓝象智联达成战略合作，联合打造隐私计算与图数据库的融合产品以及解决方案。

![每周看点](https://www-cdn.nebula-graph.com.cn/nebula-blog/potw2209-01.jpg)

未来双方将各自发挥在图技术和隐私计算技术上的优势，以高性能算力深化图联邦产品，进一步拓展隐私计算在各细分领域的场景落地能力。共同探索数据价值高效连接、流通、应用机制，助力产业基于数据驱动的数智化转型。

本次合作意味着 NebulaGraph 图数据库将作为隐私计算以及图联邦领域的底层解决方案被应用到金融、智能制造和通信等领域，这符合 NebulaGraph 作为数据智能时代基础设施构建者的定位。

# 产品动态

本周 Nebula 主要有这些产品动态：

* `社区 @冯亮 贡献` 新增单用户、单机器连接数据库的会话数量限制，标签：`Session`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/3729](https://github.com/vesoft-inc/nebula/pull/3729)
* `社区 @sworduo 贡献`修复同一个 Tag / Edge 的版本超过 255 后引发的 Schema 读取失败问题，标签：`Bugfix`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/4023](https://github.com/vesoft-inc/nebula/pull/4023)
* 新增 distcc、sccache 等多种编译方式的支持，标签：`编译`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/3738](https://github.com/vesoft-inc/nebula/pull/3738)
* 优化 `GO`、`YIELD` 子句，减少不必要的属性读取、提高性能，标签：`优化`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/3974](https://github.com/vesoft-inc/nebula/pull/3974)
* 解决低版本（低于 v2.6.0）客户端连接高版本内核引发的 crash 问题，标签：`Bugfix`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/4021](https://github.com/vesoft-inc/nebula/pull/4021)
* 支持用 `CLEAR SPACE` 清空图空间数据并保留 Schema 信息，标签：`nGQL`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/3989](https://github.com/vesoft-inc/nebula/pull/3989)

# 社区问答

Pick of the Week 每周会从官方论坛、知乎、微信群、微信公众号及开源中国等渠道精选问题同你分享。

## 主题分享

本周分享的主题是【Nebula 账号密码持久化】，由社区用户 icefeng199 提出，Nebula 研发同学负责解答，原帖出自 Nebula 论坛：[https://discuss.nebula-graph.com.cn/t/topic/7949](https://discuss.nebula-graph.com.cn/t/topic/7949)。

> icefeng199：刚开始部署集群的时候修改过 root 密码，重启 Nebula Docker 集群后，root 密码被重置，怎么把密码持久化？有没有具体的配置项或者相关配置文件？

**Nebula**：在 compose yaml 文件里 cmd 中是配置 `--enable_authorize` 为 `true`。具体操作如下：

修改配置，开启 auth

```diff
diff --git a/docker-compose.yaml b/docker-compose.yaml
index 316a7d9..b369643 100644
--- a/docker-compose.yaml
+++ b/docker-compose.yaml
@@ -230,6 +230,7 @@ services:
       - --log_dir=/logs
       - --v=0
       - --minloglevel=0
+      - --enable_authorize=true
     depends_on:
       - storaged0
       - storaged1
@@ -266,6 +267,7 @@ services:
       - --log_dir=/logs
       - --v=0
       - --minloglevel=0
+      - --enable_authorize=true
     depends_on:
       - storaged0
       - storaged1
@@ -301,6 +303,7 @@ services:
       - --ws_http_port=19669
       - --log_dir=/logs
       - --v=0
+      - --enable_authorize=true
       - --minloglevel=0
     depends_on:
       - storaged0
```

重启 graphd：

```bash
docker-compose up -d
WARNING: The Docker Engine you're using is running in swarm mode.

Compose does not use swarm mode to deploy services to multiple nodes in a swarm. All containers will be scheduled on the current node.

To deploy your application across the swarm, use `docker stack deploy`.

nebula-docker-compose_metad1_1 is up-to-date
nebula-docker-compose_metad2_1 is up-to-date
nebula-docker-compose_metad0_1 is up-to-date
nebula-docker-compose_storaged2_1 is up-to-date
nebula-docker-compose_storaged1_1 is up-to-date
nebula-docker-compose_storaged0_1 is up-to-date
Recreating nebula-docker-compose_graphd2_1 ... done
Recreating nebula-docker-compose_graphd1_1 ... done
Recreating nebula-docker-compose_graphd_1  ... done
Recreating nebula-docker-compose_console_1 ... done
```

修改密码：

```bash
❯ nebula-console-3.0 -addr nebula0 -port 9669 -user root -p nebula

Welcome to NebulaGraph!

(root@nebula) [(none)]> ALTER USER root WITH PASSWORD 'test';
Execution succeeded (time spent 1918/28389 us)

Thu, 17 Mar 2022 14:08:31 CST

(root@nebula) [(none)]>

Bye root!
Thu, 17 Mar 2022 14:08:34 CST
```

用错误密码登录：

```
❯ nebula-console-3.0 -addr nebula0 -port 9669 -user root -p nebula
2022/03/17 14:08:36 Fail to create a new session from connection pool, fail to authenticate, error: Invalid password
panic: Fail to create a new session from connection pool, fail to authenticate, error: Invalid password

goroutine 1 [running]:
log.Panicf(0x10518fda3, 0x35, 0x14000105e28, 0x1, 0x1)
	/opt/hostedtoolcache/go/1.16.4/x64/src/log/log.go:361 +0xa8
main.main()
	/home/runner/work/nebula-console/nebula-console/main.go:541 +0x8a4
```

用正确密码登录：

```bash
❯ nebula-console-3.0 -addr nebula0 -port 9669 -user root -p test

Welcome to NebulaGraph!

(root@nebula) [(none)]>

Bye root!
Thu, 17 Mar 2022 14:08:52 CST
```

杀掉旧的集群（但是数据还在，正常重启指的应该不是 down，而是 stop，我这个做的更大）：

```bash
docker-compose down
Stopping nebula-docker-compose_console_1   ... done
Stopping nebula-docker-compose_graphd_1    ... done
Stopping nebula-docker-compose_graphd1_1   ... done
Stopping nebula-docker-compose_graphd2_1   ... done
Stopping nebula-docker-compose_storaged0_1 ... done
Stopping nebula-docker-compose_storaged2_1 ... done
Stopping nebula-docker-compose_storaged1_1 ... done
Stopping nebula-docker-compose_metad0_1    ... done
Stopping nebula-docker-compose_metad1_1    ... done
Stopping nebula-docker-compose_metad2_1    ... done
Removing nebula-docker-compose_console_1   ... done
Removing nebula-docker-compose_graphd_1    ... done
Removing nebula-docker-compose_graphd1_1   ... done
Removing nebula-docker-compose_graphd2_1   ... done
Removing nebula-docker-compose_storaged0_1 ... done
Removing nebula-docker-compose_storaged2_1 ... done
Removing nebula-docker-compose_storaged1_1 ... done
Removing nebula-docker-compose_metad0_1    ... done
```

再起来：

```bash
docker-compose up -d
WARNING: The Docker Engine you're using is running in swarm mode.

Compose does not use swarm mode to deploy services to multiple nodes in a swarm. All containers will be scheduled on the current node.

To deploy your application across the swarm, use `docker stack deploy`.

Creating network "nebula-docker-compose_nebula-net" with the default driver
Creating nebula-docker-compose_metad1_1 ... done
Creating nebula-docker-compose_metad2_1 ... done
Creating nebula-docker-compose_metad0_1 ... done
Creating nebula-docker-compose_storaged0_1 ... done
Creating nebula-docker-compose_storaged1_1 ... done
Creating nebula-docker-compose_storaged2_1 ... done
Creating nebula-docker-compose_graphd1_1   ... done
Creating nebula-docker-compose_graphd2_1   ... done
Creating nebula-docker-compose_graphd_1    ... done
Creating nebula-docker-compose_console_1   ... done
```

测试密码持久化：

```bash
❯ nebula-console-3.0 -addr nebula0 -port 9669 -user root -p test

Welcome to NebulaGraph!

(root@nebula) [(none)]>

Bye root!
Thu, 17 Mar 2022 14:09:31 CST


~
❯ nebula-console-3.0 -addr nebula0 -port 9669 -user root -p test1
2022/03/17 14:09:32 Fail to create a new session from connection pool, fail to authenticate, error: Invalid password
panic: Fail to create a new session from connection pool, fail to authenticate, error: Invalid password

goroutine 1 [running]:
log.Panicf(0x100acfda3, 0x35, 0x140000a9e28, 0x1, 0x1)
	/opt/hostedtoolcache/go/1.16.4/x64/src/log/log.go:361 +0xa8
main.main()
	/home/runner/work/nebula-console/nebula-console/main.go:541 +0x8a4
```

以上。

# 推荐阅读

* [《NebulaGraph 在网易游戏业务中的实践》](https://nebula-graph.com.cn/posts/netease-game-knowledge-graph-practice)
    * 推荐理由：想知道游戏里错综复杂的关系数据是如何管理？你收到的皮肤推荐礼包、匹配队友是如何产生的吗？本文带你一探究竟。
* [《一首古诗带来的图数据库大冒险》](https://nebula-graph.com.cn/posts/use-graph-database-learn-poetry)
    * 推荐理由：有意思的图实践，一起动手来一场古诗大冒险吧。

# 星云·小剧场

**为什么给图数据库取名 Nebula**？

Nebula 是星云的意思，很大嘛，也是漫威宇宙里面漂亮的星云小姐姐。对了，Nebula 的发音是：[ˈnɛbjələ]

本文星云图讲解–《NGC 6543》

![NGC 6543](https://www-cdn.nebula-graph.com.cn/nebula-blog/potw2209-02.jpeg)

并非因猎鹰九号火箭在日落后发射而形成的猫眼星云（NGC 6543），是天空最著名的行星状星云之一。在这张经过特殊处理，以呈现绵延超过 3 光年、庞大但极为昏暗外晕的组合影像里，形状对称且吸睛的星云位在中心。

影像提供与版权：M. Petrasko, M. Evenden, U. Mishra (Insight Obs.)
作者与编辑：Robert Nemiroff (MTU) & Jerry Bonnell (UMCP)

---

交流图数据库技术？加入 Nebula 交流群请先[填写下你的 Nebula 名片](https://wj.qq.com/s2/8321168/8e2f/)，Nebula 小助手会拉你进群~~

![关注公众号](https://www-cdn.nebula-graph.com.cn/nebula-blog/WeChatOffical.png)


本周的产品动态里面“干货”满满，除了大家都能用到的 nGQL 新语句 CLEAR SPACE 清空 Space 数据之外，还有 2 个社区用户贡献的优秀 pr。

Pick of the Week'22 ｜第 12 周看点支持清空 Space 数据


![每周看点](https://www-cdn.nebula-graph.com.cn/nebula-blog/potw-2211.png)

> 每周五 Nebula 为你播报每周看点，每周看点由固定模块：产品动态、社区问答、推荐阅读，和随机模块：本周大事件构成。

不知有没有安装 NebulaGraph 而忘记装 Nebula Console 的小伙伴呢？本周的产品动态有个 pr 能帮你解决这种烦恼。除了实用的新特性之外，本周的社区问题也会同你分享#同一 session 下多次查询的性能开销#，以及多种数据导入如何选择的问题。

# 本周大事件

## [v3.0.0 捉虫活动](https://discuss.nebula-graph.com.cn/t/topic/7736)

v3.0.0 捉虫活动自开始以来，社区小伙伴们提交了不少 NebulaGraph 的相关 bug 信息，他们当中有找到文档中运行结果同描述不匹配的，也有功能结果不符合预期执行发现 TTL bug 的。如果你在使用 NebulaGraph 过程中发现了某个 bug，记得来参加活动哟~

![每周看点](https://www-cdn.nebula-graph.com.cn/nebula-blog/potw-2211-01.png)

# 产品动态

本周 Nebula 主要有这些产品动态：

* Nebula Console 进入 NebulaGraph RPM、DEB 包，无需额外安装 Nebula Console，标签：`部署`，具体 pr 见：[https://github.com/vesoft-inc/nebula/pull/3905](https://github.com/vesoft-inc/nebula/pull/3905)
* 子图优化，标签：`优化`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/3871](https://github.com/vesoft-inc/nebula/pull/3871)
* meta_dump 工具支持更多可 dump 的 table，标签：`Meta Service`，pr 参见：[https://github.com/vesoft-inc/nebula/pull/3870](https://github.com/vesoft-inc/nebula/pull/3870)

# 社区问答

Pick of the Week 每周会从官方论坛、微信群精选问题同你分享。

## 主题分享

本周分享的主题是【同一 session 下多次查询的性能开销】，由社区用户 wuyou 提出。

> wuyou：使用 GO 语法返回的结果是没有层级的。如果我想循环的一层一层的查询，然后用标记当前的结果是第几层，使用同一个 session 多次与数据库交互，性能开销如何。目测最多 20 跳，就需要循环使用 GO 查询 20 次。

**Nebula**：Session 创建是有开销的。如果业务端能共享最好，一个 Session 多次数据库交互是很正常的，如果你的业务需求就是要把每一层的结果返回出来，好像只有这种可行方法。如果和单条语句取 20 跳的最终结果相比，肯定是后者性能高，因为返回的数据少，且客户端和服务端之间的网络开销小。

> 追问：目前 NebulaPool 是单例的，程序启动的时候 init 的 pool，shutdown 程序的时候 close 的 pool，每次执行 nGQL 之前都通过单例的 pool.getSession，然后 nGQL 语句 `use xxxspace; .append` 实际需要执行的 nGQL 语句，执行之后 close session。这样的流程有问题吗？session 如果不执行 close 的话自动过期的时间是多少呢？如何配置？

**Nebula**：NebulaPool 单例问题不大，但 session 对于多线程的话最好自己维护一个 session pool。session 自动过期由 `session_idle_time_out_secs` 参数来配置，详见：[https://docs.nebula-graph.com.cn/3.0.1/5.configurations-and-logs/1.configurations/3.graph-config/#networking](https://docs.nebula-graph.com.cn/3.0.1/5.configurations-and-logs/1.configurations/3.graph-config/#networking)

## Nebula 进阶技能

本周的 Nebula 进阶技能分享一个#导入工具选择#，来源于文档：[https://docs.nebula-graph.com.cn/3.0.1/20.appendix/write-tools/](https://docs.nebula-graph.com.cn/3.0.1/20.appendix/write-tools/)

目前，有多种方式可以写入 NebulaGraph v3.0.0：

- 使用[命令行 -f 的方式](https://docs.nebula-graph.com.cn/3.0.1/2.quick-start/3.connect-to-nebula-graph/)导入：可以导入少量准备好的 nGQL 文件，适合少量手工测试数据准备；
- 使用 [Studio 导入](https://docs.nebula-graph.com.cn/3.0.1/nebula-studio/quick-start/st-ug-import-data/)：可以用过浏览器导入本机多个 csv 文件，单个文件不超过 100 MB，格式有限制； 
- 使用 [Importer 导入](https://docs.nebula-graph.com.cn/3.0.1/nebula-importer/use-importer.md)：导入单机多个 csv 文件，大小没有限制，格式灵活；数据量十亿级以内；
- 使用 [Exchange 导入](https://docs.nebula-graph.com.cn/3.0.1/nebula-exchange/about-exchange/ex-ug-what-is-exchange.md)：从 Neo4j、Hive、MySQL 等多种源分布式导入，需要有 Spark 集群；数据量十亿级以上
- 使用 [Spark-connector](https://docs.nebula-graph.com.cn/3.0.1/nebula-spark-connector.md)/[Flink-connector](../nebula-flink-connector.md) 导入：有相应组件 (Spark/Flink)，撰写少量代码；
- 使用 [C++/GO/Java/Python SDK](https://docs.nebula-graph.com.cn/3.0.1/20.appendix/6.eco-tool-version.md)：编写程序的方式导入，需要有一定编程和调优能力。

下图给出了几种方式的定位：

![](https://docs.nebula-graph.com.cn/3.0.1/images/write-choice.png)

# 推荐阅读

* [《NebulaGraph 在企查查的应用》](https://nebula-graph.com.cn/posts/qi-cha-cha-knowledge-graph-practice)
    * 推荐理由：为更好地展现企业之间的法律诉讼、风险信息、股权信息、董监高法等信息，企查查抽取结构化/非结构化的企业数据构建企业知识图谱，为用户提供真实可靠的服务。而本文正是他们的企业知识图谱实践。
* [《图数据库实操：用 NebulaGraph 破解成语版 Wordle 谜底》](https://nebula-graph.com.cn/posts/use-nebula-graph-find-wordle-answer)
    * 推荐理由：在玩汉兜过程中，笔者发现用 NebulaGraph 的图查询来解 Antfu 的汉兜（中文成语版 Wordle）会是件特别有意思的事情，很适合用来做图数据库查询语言的体操，来一起实操一把…

# 星云·小剧场

**为什么给图数据库取名 Nebula**？

Nebula 是星云的意思，很大嘛，也是漫威宇宙里面漂亮的星云小姐姐。对了，Nebula 的发音是：[ˈnɛbjələ]

本文星云图讲解–《NGC 253》

![玫瑰星云](https://www-cdn.nebula-graph.com.cn/nebula-blog/potw-2211-02.jpeg)

NGC 253 是地球天空中最明亮与最多尘埃的螺旋星系之一。根据它在小望远镜里的外观，有人称它是银元星系；此外，它在南天的玉夫座之内，故也有人称之为玉夫座大星系。这个离我们约 1 千万光年远的尘埃星系，是由数学家兼天文学家 Caroline Herschel (卡洛琳．赫歇尔)发现于 1783 年。

影像提供与版权：M. Petrasko, M. Evenden, U. Mishra (Insight Obs.)
作者与编辑：Robert Nemiroff (MTU) & Jerry Bonnell (UMCP)

---

交流图数据库技术？加入 Nebula 交流群请先[填写下你的 Nebula 名片](https://wj.qq.com/s2/8321168/8e2f/)，Nebula 小助手会拉你进群~~

![关注公众号](https://www-cdn.nebula-graph.com.cn/nebula-blog/WeChatOffical.png)


不知有没有安装 NebulaGraph 而忘记装 Nebula Console 的小伙伴呢？本周的产品动态有个 pr 能帮你解决这种烦恼。除了实用的新特性之外，本周的社区问题也会同你分享#同一 session 下多次查询的性能开销#，以及多种数据导入如何选择的问题。