HugeGraph入门

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/

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。 ↩
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。 ↩