图分区技术

这个概念跟关系型数据库的表分区是类似的，也就是在图结构数据量非常大的时候，怎么通过分布式的形式对图进行切分。

在关系型数据库的表分区的应用中，我们对表进行分区可能需要考虑的目的主要是：一个表存为多个分区之后的join和查询的问题。同理：我们在设计图分区策略的时候同样需要考虑的是，图进行分区之后，在做图迭代算法（并行计算）时，最小化在数据量的传输，最小化IO操作，只有减少这部分的开销，才能提高图分区的性能。

另外，业界比较成熟的OLTP产品Neo4j是不支持图分区的，所有的数据都存储于一个实例上，因为他是index-free的实现方式，为了保证图查询的实时性能，因此没有引入分区的方式，所有的图分析和查询都在一个存储上完成，避免网络传输和IO的开销。

一般而言，业界主要有这么几种分区的技术：

edge-cut：边分割

边分割的方式一般适合在图数据中low-degree的数据分布中，也就是中图的连接入度或者出度（有向图）比较少的情况，这样vertex的分割就会比较均匀，减少跨多个集群的数据交换；

vertex-cut：点分割

点分割的方式跟边分割的情况相反，在high-degree的图数据分布的情况下，也就是节点的度特别大，通过点分割，就能够同样减少跨多个集群的数据交换，同时减少节点的副本；如PowerGraph的实现方式；

PowerGraph在一篇论文里PowerGraph: Distributed Graph-Parallel Computation on Natural Graphs以数学的形式证明了在符合幂律分布的自然图中使用点分割的好处。

hybrid-cut：动态混合分割

混合分割的技巧通常需要依赖于图计算架构采集的动态的统计信息，首先需要对图的数据分布情况做估计，然后再决定图分割的策略，使用点分割还是边分割的方式，这种分割方式比较复杂，如Flink Gelly图计算架构就采用这种混合的分割方式；

hash/random partitioning：哈希，随机分区

这种分区方式比较简单粗暴，一般是使用边的hash或者节点的hash来分区，这种方式分区比较简单，但是性能不能保证；

比如OrientDB采用的就是基于hash的分区方式；

 

总的来说，使用分区技术的图分析架构，一般都是定位为OLAP的解决方案，目前还没有OLTP性能不错，也支持分区的图数据库引擎，商业产品TigerGraph和微软的GraphEngine是少数宣称既支持OLAP也支持OLTP的产品，后续的文章可以重点分析分析。