图数据库 TigerGraph 使用全攻略
flitingperson 2019-01-13
与关系型数据库或其他类型的 NoSQL 数据库相比，图数据库提供了更有效的关系和网络建模方法。在 1999 年左右，图数据库领域还是 Neo4j 一家独大，但是发展至今，该领域也出现了很多新玩家和新产品。
TigerGraph 是一款“实时原生并行图数据库”，既可以部署在云端也可以部署在本地，支持垂直扩展和水平扩展，可以对集群中的图数据自动分区，遵循 ACID 标准，并且提供了内置的数据压缩功能。它使用了一种消息传递架构，这种架构具备了可随数据增长而伸缩的并行性。
TigerGraph 被设计用来执行深层链接分析以及实时在线事务处理（OLTP）和大容量数据加载。深度链接分析是指从一个顶点开始遍历图，找到三个或更多的跳转关系，并分析出结果。目前大多数图数据库都是为 OLTP 设计的，用于分析少量的关系跳数，其他的分析功能基本是后续添加的。
目前，有一些开源的图查询语言已经得到了广泛的采用，如 Cypher、Gremlin 和 SPARQL，不过，TigerGraph 使用了一种新的查询语言 GSQL。GSQL 将 SQL 风格的查询语法与 Cypher 风格的图导航语法结合在一起，并加入了过程编程和用户自定义函数。
我对 TigerGraph 的 GSQL 查询语言一直有一种说不清的感觉，不可否认的是，它是一种很好的设计，支持并行化，且可以将 Cypher 转换为 GSQL，便于从 Neo4j 数据库转到 TigerGraph 的开发者使用。但是，面对一门全新的编程语言，我总会问自己，它是否值得我花时间和精力来学习呢？
TigerGraph 的架构
从下图中可以看出，TigerGraph 包含了一个 ETL 加载器、图数据存储和处理引擎、查询语言和可视化客户端以及 REST API，并集成了很多企业数据基础设施服务。再往下的系统流程图清楚地表明，TigerGraph 使用 Apache Kafka 与图形处理和存储引擎进行通信，使用 Nginx Web 服务器处理 GraphStudio 和来自用户的 GSQL 请求，并将它们传给后端服务器。
TigerGraph Analytics Platform 包含了图数据存储引擎、图数据处理引擎和三种类型的 API。它可以在本地、云端或混合环境中运行。
传给 TigerGraph 的消息可以在顶点或边级别进行并行处理。RESTPP 是一种增强的 REST API 服务器，主要用于任务管理。
TigerGraph 每小时可以加载多达 150 GB 的数据，每台机器每秒可以遍历数亿个顶点或边，将 20 亿个日常事件以流的方式实时地传输到包含 1 千亿个顶点和 6 千亿条边的图中（这些图数据处于包含 20 台商用机器的集群上），并将实时分析与大规模离线数据处理统一起来。
TigerGraph 使用了几种流行的开源组件：用于处理 Web 流量的 Nginx、消息队列 Apache Kafka、用于管理 Kafka 集群的 Apache Zookeeper。平台的其余部分则使用了专有代码。
在 Docker 中安装 TigerGraph
你可以在各种流行的 Linux（加上 Docker 和 VirtualBox）上安装 TigerGraph。我选择在 iMac 上使用 Docker 来安装。在开始安装之前，我更新了 Docker，并将 Docker 可用的 RAM 和处理器分别增加到 4 GB 和 4 个内核。最后，我将 TigerGraph 镜像下载到本地。
复制代码
Martins-iMac:Downloads mheller$ docker load < ./tigergraph-developer-2.2.3-docker-image.tar.gz 8823818c4748: Loading layer 119MB/119MB 19d043c86cbc: Loading layer 15.87kB/15.87kB 883eafdbe580: Loading layer 14.85kB/14.85kB 4775b2f378bb: Loading layer 5.632kB/5.632kB 75b79e19929c: Loading layer 3.072kB/3.072kB 2106b49716cb: Loading layer 7.168kB/7.168kB da572f4e0c2f: Loading layer 4.034GB/4.034GB 6cd767fef659: Loading layer 338.4kB/338.4kB Loaded image: tigergraph:2.2.3 Martins-iMac:Downloads mheller$ docker image ls REPOSITORY TAG IMAGE ID CREATED SIZE tigergraph 2.2.3 e1911655f9a7 3 weeks ago 4.11GB hello-world latest 4ab4c602aa5e 2 months ago 1.84kB
安装过程中没有出现任何警报，启动过程也很顺利。
复制代码
Martins-iMac:Downloads mheller$ docker run -i -t --name tigergraph -p 4142:14240 tigergraph:2.2.3 Welcome to TigerGraph Developer Edition, for non-commercial use only. [RUN ] rm -rf /home/tigergraph/tigergraph/logs/ALL*.pid [FAB ][2018-11-30 21:56:06] check_port_of_admin_servers [RUN ] /home/tigergraph/tigergraph/.gium/GSQL_LIB/service/../scripts/admin_service.sh start /home/tigergraph/tigergraph/bin/admin_server/config.sh === zk === [SUMMARY][ZK] process is down [SUMMARY][ZK] /home/tigergraph/tigergraph/zk is ready === dict === [SUMMARY][DICT] process is down [SUMMARY][DICT] dict server has NOT been initialized === kafka === [SUMMARY][KAFKA] process is down [SUMMARY][KAFKA] queue has NOT been initialized === gse === [SUMMARY][GSE] process is down [SUMMARY][GSE] id service has NOT been initialized === gpe === [SUMMARY][GPE] process is down [SUMMARY][GPE] graph has NOT been initialized === nginx === [SUMMARY][NGINX] process is down [SUMMARY][NGINX] nginx has NOT been initialized === restpp === [SUMMARY][RESTPP] process is down [SUMMARY][RESTPP] restpp has NOT been initialized [FAB ][2018-11-30 21:56:47] launch_zookeepers [FAB ][2018-11-30 21:57:00] launch_gsql_subsystems:DICT [FAB ][2018-11-30 21:57:04] launch_kafkas [FAB ][2018-11-30 21:57:22] launch_ts3s [FAB ][2018-11-30 21:57:25] launch_gsql_subsystems:GSE [FAB ][2018-11-30 21:57:28] launch_gsql_subsystems:GPE [FAB ][2018-11-30 21:57:31] launch_gsql_subsystems:NGINX [FAB ][2018-11-30 21:57:34] launch_gsql_subsystems:RESTPP [FAB ][2018-11-30 21:57:38] check_port_of_vis_services [RUN ] LD_LIBRARY_PATH="/home/tigergraph/tigergraph/bin" home/tigergraph/tigergraph/visualization/utils/start.sh [FAB ][2018-11-30 21:57:39] check_port_of_admin_servers [RUN ] home/tigergraph/tigergraph/.gium/GSQL_LIB/service/../scripts/admin_service.sh start home/tigergraph/tigergraph/bin/admin_server/config.sh [RUN ] /home/tigergraph/tigergraph/dev/gdk/gsql/gsql_server_util START || : === zk === [SUMMARY][ZK] process is up [SUMMARY][ZK] /home/tigergraph/tigergraph/zk is ready === kafka === [SUMMARY][KAFKA] process is up [SUMMARY][KAFKA] queue is ready === gse === [SUMMARY][GSE] process is up [SUMMARY][GSE] id service has NOT been initialized (not_ready) === dict === [SUMMARY][DICT] process is up [SUMMARY][DICT] dict server is ready === ts3 === [SUMMARY][TS3] process is up [SUMMARY][TS3] ts3 is ready === graph === [SUMMARY][GRAPH] graph has NOT been initialized === nginx === [SUMMARY][NGINX] process is up [SUMMARY][NGINX] nginx is ready === restpp === [SUMMARY][RESTPP] process is up [SUMMARY][RESTPP] restpp is ready === gpe === [SUMMARY][GPE] process is up [SUMMARY][GPE] graph has NOT been initialized (not_ready) === gsql === [SUMMARY][GSQL] process is up [SUMMARY][GSQL] gsql is ready === Visualization === [SUMMARY][VIS] process is up (VIS server PID: 1242) [SUMMARY][VIS] gui server is up [RUN ] rm -rf ~/.gsql/gstore_gs*_autostart_flag Done. tigergraph@2089c417aa54:~$
执行到这一步，我已经启动了 gsql 客户端，并完成了一些命令行教程和演示。
复制代码
tigergraph@2089c417aa54:~$ ls /home/tigergraph/ friendship.csv hello2.gsql hello.gsql person.csv tigergraph tigergraph_coredump tigergraph@2089c417aa54:~$ gsql Welcome to TigerGraph Developer Edition, for non-commercial use only. GSQL-Dev >
GSQL 教程和示例
GSQL 101 教程（https://docs.tigergraph.com/intro/gsql-101）教你如何创建图模式、加载数据和运行查询。对于完成某些操作（例如安装自定义查询）所花费的时间，我感到有些惊讶，但它们确实与文档所描述的是一致的。
为了让你对 GSQL 有个直观的感受，以下的自定义查询演示了如何使用累加器、嵌套查询和自定义查询。
复制代码
USE GRAPH social
CREATE QUERY hello2 (VERTEX<person> p) FOR GRAPH social{
OrAccum @visited = false;
AvgAccum @@avgAge;
Start = {p};
FirstNeighbors = SELECT tgt
FROM Start:s -(friendship:e)-> person:tgt
ACCUM tgt.@visited += true, s.@visited += true;
SecondNeighbors = SELECT tgt
FROM FirstNeighbors -(:e)-> :tgt
WHERE tgt.@visited == false
POST_ACCUM @@avgAge += tgt.age;
PRINT SecondNeighbors;
PRINT @@avgAge;
}
INSTALL QUERY hello2
RUN QUERY hello2("Tom")GSQL 的演示示例（https://docs.tigergraph.com/dev/gsql-examples）涵盖了其他内容，包括协作过滤、PageRank、产品推荐和最短路径算法，这些也值得研究一下。由于开发者许可只允许每个数据库使用一个图，所以你需要通过 DROP ALL 来删除在练习中创建的社交图数据。
GSQL 图算法库（https://docs.tigergraph.com/graph-algorithm-library）实现了标准图算法，并经过测试。你可以从 GitHub 下载这个库（https://github.com/tigergraph/ecosys/tree/master/graph_algorithms）。除了基本算法，这个库还提供了安装脚本，可用于生成自定义算法。这些算法包括紧密度中心性、连通分量检测、社区检测、PageRank、最短路径和三角计数。
GraphStudio 和 TigerGraph 测试驱动
除了 GSQL 的命令行界面外，TigerGraph 还提供了一个叫作 GraphStudio 的 GUI。你可以通过浏览 localhost:4142 在本地实例上访问它，如下所示。
TigerGraph 的 GraphStudio GUI 可以用于设计图模式、加载数据和探索图。查询使用 GSQL 编写。
出于学习的目的，你可能需要了解下 TigerGraph 测试驱动演示（https://testdrive.tigergraph.com/main/dashboard）。它们是只读的图数据库，包括一些预定义的参数化查询。当然，你也可以编写自己的查询。
包含了较大数据集（包含了数十亿条边）的三个测试驱动用例使用了 Amazon EC2 r4.4xlarge（16 个 vCPU 和 122 GB RAM）实例，而包含小数据集的两个测试驱动用例使用了更经济的 Amazon EC2 t2.xlarge（4 个 vCPU 和 16 GB RAM）实例。根据我的经验，即使对于具有 44 亿边缘的反欺诈演示（如下所示），它的性能也相当不错。
使用 GraphStudio 对包含用户、设备和交易数据的大型（44 亿条边）图执行欺诈检测查询。GraphStudio 和 TigerGraph 都运行在 Amazon EC2 r4.4xlarge 实例上。
TigerGraph 基准测试
TigerGraph 提供了一些基准测试（https://www.tigergraph.com/benchmark/），与其他几个图数据库（Neo4j、Amazon Neptune、JanusGraph 和 ArangoDB）进行了比较，测试了数据加载时间和图分析查询时间，所有这些任务在 TigerGraph 中都可以进行并行化操作。毫不奇怪的是，因为基准测试的设置方式偏向于 TigerGraph 的长处，所以 TigerGraph 在所有测试中均胜出，有些还胜出了一大截。其中令我印象深刻的基准测试是 TigerGraph 集群可扩展性测试，当使用 8 台机器时，它的速度提升了 6.7 倍。
在这种情况下，你需要问自己的问题是：“图数据库可以帮我解决哪些问题”？如果你要进行在线事务处理（OLTP），那你可能就不会关心批量加载和多跳分析查询性能。毕竟，唯一真正重要的衡量标准是数据库能为应用程序做些什么，这也是为什么在采用新技术时需要花些时间进行概念验证。
TigerGraph 集群可扩展性测试，使用 8 台机器时速度提升 6.7 倍。如果可扩展性可以达到完美，那么这条线应该是直的，而且速度提升将达到 8 倍。
云端的 TigerGraph
在我进行这次调研时，TigerGraph 发布了一款云产品，将于 2019 年在 AWS 上开始试用。这是对 TigerGraph 目前授权版 AWS 和 Azure 镜像的一个补充。
英文原文：https://www.javaworld.com/article/3330736/application-development/tigergraph-review-a-graph-database-designed-for-deep-analytics.html?upd=1547004107229
