图数据库 --- > Tinkerpop (一)

图数据库 — > Tinkerpop (一)
图数据库 — >Janusgraph 基础 （二）
图数据库 — > hugegraph （三）
图数据库 — > spark 和janusgraph组合（四）
图数据库 — > JanusGraph可视化之Gephi （五）

简介

TinkerPop是一个面向实时事务处理（OLAP）以及批量、分析型（OLTP）的开源的图计算框架。TinkerPop是一个可以应用于不同图形数据库的抽象层，避免应用程序与特定数据库高度依赖。

目标

提供通用的API和工具，使开发人员可以基于不同图数据库轻松创建图形应用程序，使图形数据库与图计算解耦，方便切换不同图形数据库，简化其工作。

体系结构

Gremlin

是TinkerPop图形遍历语言，使用户能够以简但的代码进行复杂的图形遍历，Gremlin具有“写一次，随处运行” 的特点。意味着，所有支持TinkerPop的图形系统都可以使用Gremlin语言进行图形遍历。

基本数据

vertices 节点

vertices:
	label
	type
	properties
	id
如
{
	"label": "person",
	"type": "vertex",
	-"properties": {
		"name": "marko",
		"age": 29,
		"city": "Beijing"
		},
	"id": "1:marko"
}

edge 边

{
	"label": "created",
	"type": "edge",
	-"properties": {
		"weight": 0.2,
		"date": "2017-03-24"
	},
	"id": "S1:peter>2>>L1",
	"outV": "1:peter",
	"inV": 1,
	"outVLabel": "person",
	"inVLabel": "software"
}

在创建顶点或边时，一定事先创建顶点和边的类型（schema）
如

 // 顶点类型
person = graph.schema().vertexLabel("person").properties("name", "age", "city").primaryKeys("name").ifNotExist().create()
software = graph.schema().vertexLabel("software").properties("name", "lang", "price").primaryKeys("name").ifNotExist().create()

//边类型
knows = graph.schema().edgeLabel("knows").sourceLabel("person").targetLabel("person").properties("date").ifNotExist().create()
created = graph.schema().edgeLabel("created").sourceLabel("person").targetLabel("software").properties("date", "city").ifNotExist().create()


//增加顶点数据
marko = graph.addVertex(T.label, "person", "name", "marko", "age", 29, "city", "Beijing")
vadas = graph.addVertex(T.label, "person", "name", "vadas", "age", 27, "city", "Hongkong")

//增加边数据
marko.addEdge("knows", vadas, "date", "20160110")

追加schema

• vertexLabel
  VertexLabel 是可以追加约束的，不过仅限 properties 和 nullableKeys，而且追加的属性也必须添加到 nullableKeys 集合中。

  schema.vertexLabel("person").properties("price").nullableKeys("price").append();
  

• edgeLabel

   schema.edgeLabel("knows").properties("price").nullableKeys("price").append();
  

节点

一个节点的属性用key/value来表示，一个节点可以有0到多个属性，并且这些属性可以有相同的key值。

# 增加节点，并且为该节点增加两属性
v = g.addV().property('name','marko').property('name','marko a. rodriguez').next() # next()代表提交更改到服务器

# 查看该节点属性值
g.V(v).properties('name')

# 由节点id遍历
g.V(1)
g.V(3,4,5)

• inV() 该节点作为head的其他所有节点
• outV() 该节点作为tail的其他所有节点
• next() 是一个终端命令，能够遍历Gremlin server并且返回一个结果。
• values(‘name’) 返回节点key为 ‘name’的值

边

• e[ID] 其中ID代表边的唯一标志
• [ID-relationship->ID] 代表相互关联的两个节点
• out()方法表示与该节点相连的所有其他节点，并且该节点是连接的output or tail .
• in()方法表示与该节点相连的所有其他节点，并且该节点是连接的input or head .

支持ThinkerPop框架的图形数据库

Amazon Neptune - Fully-managed graph database service.
Bitsy - A small, fast, embeddable, durable in-memory graph database.
Blazegraph - RDF graph database with OLTP support.
CosmosDB - Microsoft’s distributed OLTP graph database.
ChronoGraph - A versioned graph database.
DSEGraph - DataStax graph database with OLTP and OLAP support.
GRAKN.AI - Distributed OLTP/OLAP knowledge graph system.
Hadoop (Spark) - OLAP graph processor using Spark.
HGraphDB - OLTP graph database running on Apache HBase.
IBM Graph - OLTP graph database as a service.
JanusGraph - Distributed OLTP and OLAP graph database with BerkeleyDB, Apache Cassandra and Apache HBase support.
JanusGraph (Amazon) - The Amazon DynamoDB Storage Backend for JanusGraph.
Neo4j- OLTP graph database (embedded and high availability).
neo4j-gremlin-bolt - OLTP graph database (using Bolt Protocol).
OrientDB - OLTP graph database
Apache S2Graph - OLTP graph database running on Apache HBase.
Sqlg - OLTP implementation on SQL databases.
Stardog - RDF graph database with OLTP and OLAP support.
TinkerGraph - In-memory OLTP and OLAP reference implementation.
Titan - Distributed OLTP and OLAP graph database with BerkeleyDB, Apache Cassandra and Apache HBase support.
Titan (Amazon) - The Amazon DynamoDB storage backend for Titan.
Titan (Tupl) - The Tupl storage backend for Titan.
Unipop - OLTP Elasticsearch and JDBC backed graph.

Jaunsgraph 和hugegraph区别

1. 「JanusGraph与HugeGraph」图形数据库 - 技术选型-功能对比

2. 主流图库对比以及JanusGraph入门