RexKing6's Note

Nebula Graph入门

发表于 更新于 分类于 阅读次数：
4.9k 4 分钟

简介

转载于：快速入门nebula graph。

介绍

nubula graph 是一款开源分布式易拓展的原生图数据库，能够承载数千亿个点和数万亿条边的超大规模数据集，并且提供毫秒级查询。

生态图

服务架构图

服务架构图

nebula的六种数据模型

  • space:图空间，相当于一个数据库，不同的图空间数据是相互隔离的
  • tag:标签，由一组事先定义的属性构成
  • vertex：点，用vid标识，vid在同一个图空间唯一，相当于主键，一个点至少一个tag
  • edge type：边类型，同tag，由一组事先定义的属性构成
  • edge：边，nebula中只有有向边，一条边只有一个edge type,只有一个rank，rank是边的一个排序值，可用作边权，一个边由四元组<起点vid,edge type,rank,终点vid>唯一标识
  • properties：属性就是键值对形式存储的信息

图论中的路径

路径就是一个有限或者无限的点边连成的序列，路径的类型分为3种：walk，trail，path。

  1. walk：点边可以重复的路径。GO语句采用的是walk类型路径

  2. trail：点可以重复，边不可重复的路径。MATCH、FIND PATH和GET SUBGRAPH语句采用的是trail类型路径

    trail中还有两类特殊的路径类型：cycle和circuit。

    1. cycle：只有起点终点重复
    2. circuit：除了起点终点重复外，还有其他点重复

  3. path：点边都不重复

点重复 点不重复
边重复 walk NONE
边不重复 trail path

启动/连接nebula

启动：
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
# 1. docker启动nebula
下载nebula：git clone -b v2.6.0 https://github.com/vesoft-inc/nebula-docker-compose.git
cd /neubla目录下
docker-compose up -d

# 2.docker启动studio
下载studio：https://oss-cdn.nebula-graph.com.cn/nebula-graph-studio/nebula-graph-studio-v3.1.0.tar.gz
cd /studio目录下
docker-compose up -d

# 3.停止命令：
docker-compose down

# 4.查看服务：
docker-compose ps
连接：

  1. 命令行连接

    下载nebula console：https://github.com/vesoft-inc/nebula-console/releases

    windows下的话修改下载的文件为nebula-console.exe方便使用，执行命令连接数据库：
    nebula-console -addr ip -port 端口 -u 用户名 -p 密码

  2. nebula studio 连接

    启动studio后访问studio,默认是localhost:7001

    输入ip:端口，用户名和密码，进入图形界面：(注意ip不能是localhost或者127.0.0.1，得是真正的IP地址)

    图探索界面：

    控制台执行ngql界面：

nGQL示例

以nba数据为例：player,team为点tag，serve，follow为边edge type
数据模型是：player-serve->team,player-follow->player

1.增

1.0 创建图空间：

create space basketballplayer(partition_num=15,replica_factor=1,vid_type=fixed_string(32));

  • partition_num：指定图空间的分片数量。建议设置为5倍的集群硬盘数量
  • replica_factor：指定每个分片的副本数量
  • vid_type：点ID的数据类型，可选值为FIXED_STRING()和INT64

1.1 创建tag：

create tag player(name string,age int);

1.2 创建edge type：

create edge serve(start_year int,end_year int);

1.3 创建index（match，look up等语句依赖索引去匹配数据）：

create tag index player_index_0 on player();

1.4 插入点：

insert vertex player(name,age) values "player100":("Tim Duncan", 42);

1.5 插入边：

insert edge serve(start_year,end_year) values "player100"->"team204":(1997, 2016);

2.删

2.1 删除点

DELETE VERTEX "player100";

2.2 删除边

DELETE EDGE serve "player100" -> "team204"@0;

3.改

3.1 修改点：

UPDATE VERTEX ON player "player101" SET age = age + 2 WHEN name == "Tony Parker" YIELD name AS Name, age AS Age;

3.2 修改边：

UPDATE EDGE on serve "player100" -> "team204"@0 SET start_year = start_year + 1 WHEN end_year > 2010 YIELD start_year, end_year;

3.3 修改或插入点：

UPSERT VERTEX ON player "player666" SET age = 30 WHEN name == "Joe" YIELD name AS Name, age AS Age;

3.4 修改或插入边：

UPSERT EDGE on serve "player666" -> "team200"@0 SET end_year = 2021 WHEN end_year == 2010 YIELD start_year, end_year;

4.查

  1. go:指定过滤条件遍历图，遍历的路径类型walk
    1.1 查看指定vid所属的队伍：默认遍历出边
    go from "player102" over serve
    1.2 查看follow vid的点:（遍历入边）
    go from "player102" over follow reversely
    1.3 查看N跳的点：
    go 2 steps from "player100" over follow yield follow._dst

  2. match:基于模式(pattern)匹配的搜索，遍历路径类型trail
    2.1 查看所有player,tag player需要建好索引
    match (v:player) return v
    2.2 查看某个点连接的点：
    match (v:player)--(v2) where id(v)=="player100" return v2
    2.3 查看指定方向的点：
    match (v:player)-->(v2) where id(v)=="player100" return v2
    2.4 查看路径
    MATCH p=(v:player{name:"Tim Duncan"})-->(v2) RETURN p;
    2.5 查看指定长度的路径：
    match p = (v:player{name:"Tim Duncan"})-[e:follow*2]->(v2) return p

  3. lookup:根据索引遍历数据，遍历路径类型trail
    3.1 查看tag的所有点
    lookup on player;
    3.2 查看edge type的所有边
    lookup on follow;
    3.3 统计tag的数量
    lookup on player | yield count(*) as playernum
    3.4 统计边的数量
    lookup on follow | yield count(*) as follownum

更详细的ngql语法参考连接：https://docs.nebula-graph.com.cn/2.6.1/3.ngql-guide/1.nGQL-overview/1.overview/

client

  1. python client:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
#安装nebula2-python:
pip install nebula2-python==2.6.0

#示例代码：
from nebula2.gclient.net import ConnectionPool
from nebula2.Config import Config

config = Config()
# 最大连接数
config.max_connection_pool_size = 10
# 连接超时时间
config.timeout = 60000
# 关闭空闲连接时间
config.idle_time = 0
# 检查空闲连接时间间隔
config.interval_check = -1
connection_pool = ConnectionPool()
ok = connection_pool.init([('10.1.92.187',9669)],config)
# print(ok)
# 连接方式一
# session = connection_pool.get_session("root","123")
# session.execute('use basketballplayer')
# result = session.execute("show tags")
# print(result)
# session.release()
# 连接方式二
with connection_pool.session_context('root','123') as sess:
    sess.execute('use basketballplayer')
    res = sess.execute("MATCH (v:player{name:\"Tim Duncan\"})<-[e]-(v2) RETURN e")
    print(res)
  1. java client参考连接：https://docs.nebula-graph.com.cn/2.6.1/14.client/4.nebula-java-client/
  2. go client参考连接：https://docs.nebula-graph.com.cn/2.6.1/14.client/6.nebula-go-client/

Nebula Algorithm

Nebula Algorithm支持的算法：

算法名 说明 应用场景
PageRank 页面排序 网页排序、重点节点挖掘
Louvain 社区发现 社团挖掘、层次化聚类
KCore K 核 社区发现、金融风控
LabelPropagation 标签传播 资讯传播、广告推荐、社区发现
ConnectedComponent 联通分量 社区发现、孤岛发现
StronglyConnectedComponent 强联通分量 社区发现
ShortestPath 最短路径 路径规划、网络规划
TriangleCount 三角形计数 网络结构分析
GraphTriangleCount 全图三角形计数 网络结构及紧密程度分析
BetweennessCentrality 介数中心性 关键节点挖掘，节点影响力计算
DegreeStatic 度统计 图结构分析
一分一毛，也是心意。