在 Cassandra DB 中建模图数据

Question

我想使用 Apache Cassandra 根据属性图模型存储大量图数据。该模型包含以下实体：

• Vertices：包含键/值对（属性）的映射。一些键应该被索引以进行查询（见下文）。
• 边：在给定方向上将两个顶点相互连接。包含一个标签和可能的一些边缘数据。边缘数据是键/值对的映射，其中一些键也应该被索引以进行查询。

顶点和边都有一个唯一的主键，可以是字符串或整数值。

例子：

#A vertex
{node_type:'module',pk: 1,...}
#Another vertex
{node_type:'function',pk: 2,...}

#An edge
{incoming_vertex: 1,outgoing_vertex: 2,label: 'body',data : {}}

我想在图表上执行以下类型的查询：

• 根据它们的主键（例如“使用 pk = a5f...获取顶点”）或一个或多个索引属性的值（例如“使用node_type = 'module'和...获取所有顶点”）检索顶点列表。
• 从给定的顶点沿其边遍历图，使用边标签、方向和一个或多个索引边属性来确定所采用的路径（例如“通过带有标签主体和属性的输出边获取连接到顶点 A 的所有顶点... = ...）。

此外，我还有以下要求和边界条件：

• 检索给定顶点的边列表应该尽可能有效（理想情况下为 O(1)）。
• 边的数量将远大于图中的顶点数量。
• 该模型应扩展到数十亿个顶点和数千亿个边（提供适当的硬件）。
• 图数据通常只会写入一次并读取多次，因此模型可以以写入性能为代价来优化查询性能。

我对数据模型的最初想法如下：

• 分别为顶点和边使用一个列族，其中行键是顶点/边的主键，单个文本列包含其 JSON 数据。顶点/边属性上的索引被建模为附加列（其数据被非规范化并在顶点/边数据发生变化时手动更新）
• 使用一个动态列族来管理顶点的邻接（边）列表，复合主键包含顶点的主键、边的主键、边标签和边方向（传入或传出）每个顶点。

这是一个合理的数据模型吗？关于如何实现这一点的任何其他建议？

Answer 1

对于 Cassandra 上的图形数据库，请查看TitanDB：

您所需要的已经在 TitanDB 中实现了。实现自己的图形数据库并不简单，而且非常耗时。在大多数情况下，经过验证的解决方案是最好的。（顺便说一句，我没有参与 TitanDB 开发或业务。）我不知道你的用例，但我不认为有理由实施新的东西，除了作为一种爱好。

更新我在数据库中找到了一份关于 Titan GraphDB 数据模型的白皮书：https://github.com/thinkaurelius/titan/wiki/Titan-Data-Model。它给出了一些如何设计图形数据存储的提示。

Aurelius 现在也是 Datastax 的一部分，他们致力于开发在 Cassandra 中存储大图的组合解决方案。