Neo4j如何使用Data Fabric技术编织万亿图数据

2023-12-27 07:30

本文主要是介绍Neo4j如何使用Data Fabric技术编织万亿图数据,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

Neo4j如何使用Data Fabric技术编织万亿图数据

  • Neo4j如何使用Data Fabric技术编织万亿图数据
    • 一、数据编织(Data Fabric)
    • 二、Neo4j Fabric简介
    • 三、Fabric数据建模
      • 3.1 数据建模
      • 3.2 数据联邦
      • 3.3 数据分片
    • 四、使用 Fabric Cypher 查询数据
      • 4.1 跨数据分片查询
      • 4.2 数据联邦和数据分片同时并行查询
    • 五、总结

Here’s the table of contents:

Neo4j如何使用Data Fabric技术编织万亿图数据

一、数据编织(Data Fabric)

    为了解决超级大图数据存储的问题,我们必须寻找一个分布式的解决方案。图数据库领域最流行的是基于点分割和边分割的分布式存储方案,例如Nebula Graph、HugeGraph等图数据库,采用点分割的图数据库一般较容易带来数据一致性的问题,所以边分割方案使用的更多。

    采用传统的分布式存储技术可以实现在多台服务器上存储超大规模的图数据,但是随之而来的是GQL运行时带来的大量网络通信对于性能的消耗,而且大部分这种方案的图数据库不支持ACID事务(但这对于不需要事务特性的场景可以忽略,例如Elasticsearch的使用,需要说明的是ES在同一索引存储超大量数据也会带来性能问题,于是索引就有为什么会推荐每个分片数据最好在30~50G之间)。

    在区块链领域Fabric是超级账本联盟推出的核心区块链框架,它适合在复杂的企业内和企业间搭建联盟链。根据超级账本联盟的目标, Fabric 被建设为一个模块化的、支持可插拔组件的基础联盟链框架。

    世界领先的图数据库Neo4j支持存储超大规模图数据,为了实现这一操作,Neo4j从4.0开始引入了数据编织理念(Data Fabric)。该Fabric架构支持存储超大规模的图数据的同时不带来查询性能的急剧下降。这确实是一个非常特别的架构!

二、Neo4j Fabric简介

  • Neo4j Fabric是什么?

    Fabric是在Neo4j 4.0版本中引入的一种在多个数据库存储和检索数据的方法。无论这些数据库是在同一个Neo4j数据库管理系统上还是在多个数据库管理系统中,均使用单个Cypher进行查询。Fabric实现的主要目标:

  1. 本地和分布式数据的统一视图,可通过单个客户端连接和用户会话访问
  2. 提高了读/写操作、数据量和并发性的可扩展性
  3. 预估在正常操作、故障转移或其他基础架构更改期间执行查询的响应时间
  4. 高可用性,大数据量无单点故障

    实际上,Fabric为以下各项提供了基础功能和工具:

  1. 数据联合(datafederation):以不连接的图的形式,获取分布式数据源的可用数据的能力。
  2. 数据分片(datasharding):以分割在多个数据库中公共图的形式,获取分布式数据源的可用数据的能力。

    使用Fabric时,Cypher查询可以在多个联合图和分片图中存储和检索数据。

  • Neo4j Fabric到底是不是分布式技术?

    为了弄明白这个问题,我们先来看一下分布式的定义:

在这里插入图片描述

    通过阅读分布式的百科定义,我们可以确信这是一种分布式技术!😃

  • Neo4j Fabric是如何部署的?

    Neo4j通过Fabric节点来关联其它数据库节点,该节点不存储任何数据,部署拓扑图如下(无单点故障的Fabric部署架构,将绿色节点看作Fabric Virtual Database):

在这里插入图片描述

    关于更多Neo4j Fabric部署相关信息可以参考官网的说明。

三、Fabric数据建模

    我们以公司的销售数据为例进行Fabric数据建模,数据包括客户、产品、产品分类、客户订单、供应商等信息。

3.1 数据建模

  • 在同一Neo4j集群或者Neo4j单节点部署下,数据建模:

    节点标签:Product、:Category、:Supplier、:Order、:Customer;
    关系类型:SUPPLIES、:PART_OF、:ORDERS、:PURCHASED

在这里插入图片描述

    在同一Neo4j集群或者Neo4j单节点部署下,数据建模与一般图数据建模过程没有区别。

  • 在多个Neo4j集群或者多个Neo4j单节点部署下,Fabric数据建模:

    在这个模式下,我们假定需要将产品分类和客户订单数据分区存储(存放在不同的Neo4j集群),而且客户数据需要两个分区(例如客户数据分别存储在上海、北京的Neo4j数据库)。我们来看一下将数据模型解构后的样子:
在这里插入图片描述

3.2 数据联邦

    2.1说明了Fabric数据建模的样例,在这个样例中产品和客户数据位于两个不相交的图中,具有不同的标签和关系类型。要对这两个图进行查询我们必须进行数据联邦。为了保证数据可以联邦,这里我们对产品节点设计一个产品ID的字段,在查询时保证不同图中具有相同的ID即可。

在这里插入图片描述

3.3 数据分片

    刚才的建模中,我们假定用户信息被存储在两个地理区域不同的Neo4j集群,它们也是不相交的,但是数据模型完全一致。这样的建模我们称之为数据分片

在这里插入图片描述

四、使用 Fabric Cypher 查询数据

    由于这篇文章的目的是重点解释Neo4j Fabric技术实现思路,因此跳过了一些数据导入、数据库配置的细节信息,有兴趣的小伙伴可以去官网复现文中提到的案例。
    Set up and use Fabric

4.1 跨数据分片查询

    查询表示从编号为1和2的两个Neo4j集群中同时查询客户信息,并返回前五个客户的信息。

// 跨分片查询
UNWIND [1,2]AS gid
CALL {USE fabricnw.graph(gid)MATCH (c:Customer)WHERE c.customerID STARTS WITH 'A'RETURN c.customerID AS name, c.country AS country
}
RETURN name, country
LIMIT 5;

4.2 数据联邦和数据分片同时并行查询

    查询使用所有 3 个Neo4j集群来查找购买了禽肉类产品的所有客户。
    首先,fabricnw调用数据库db0(fabricnw.product)来检索禽肉类别中的所有产品,并返回产品ID。然后并行查询db1和db2,获取购买了这些产品的客户及所属国家信息。

// 获取产品ID
CALL {
USE fabricnw.product
MATCH (p:Product{discontinued:true})-[:PART_OF]->(c:Category{categoryName:'Meat/Poultry'})RETURN COLLECT(p.productID) AS pids
}
// 拿到DB1和DB2编号,不包括DB0
WITH *, [g IN fabricnw.graphIds() WHERE g<>0] AS gids
UNWIND gids AS gid
// 并行查询DB1和DB2,DB1和DB2为数据分片关系
CALL {USE fabricnw.graph(gid)WITH pidsUNWIND pids as pidMATCH (p:Product{productID:pid})<-[:ORDERS]-(:Order)<-[:PURCHASED]-(c:Customer)RETURN DISTINCT c.customerID AS customer, c.country AS country
}
RETURN customer, country
LIMIT 20;

五、总结

    Neo4j Fabric技术虽然支持大规模数据存储的同时保证性能不会急剧下降,但是数据建模、数据生产变得更加复杂了。不过总体来说,数据建模和数据生产的复杂性是可以接受的。
    通过上面的介绍我们已经明白了,在一个Fabric集群中如何进行数据联邦和数据分片。相对应的,为了让Neo4j的其它版本或者分支版本(ONgDB)支持类似Fabric的查询,我们可以自定义组件的方式支持(有实力购买企业版的可以忽略)。

这篇关于Neo4j如何使用Data Fabric技术编织万亿图数据的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/542327

相关文章

Python获取中国节假日数据记录入JSON文件

《Python获取中国节假日数据记录入JSON文件》项目系统内置的日历应用为了提升用户体验,特别设置了在调休日期显示“休”的UI图标功能,那么问题是这些调休数据从哪里来呢?我尝试一种更为智能的方法:P... 目录节假日数据获取存入jsON文件节假日数据读取封装完整代码项目系统内置的日历应用为了提升用户体验,

vue使用docxtemplater导出word

《vue使用docxtemplater导出word》docxtemplater是一种邮件合并工具,以编程方式使用并处理条件、循环,并且可以扩展以插入任何内容,下面我们来看看如何使用docxtempl... 目录docxtemplatervue使用docxtemplater导出word安装常用语法 封装导出方

SpringBoot3实现Gzip压缩优化的技术指南

《SpringBoot3实现Gzip压缩优化的技术指南》随着Web应用的用户量和数据量增加,网络带宽和页面加载速度逐渐成为瓶颈,为了减少数据传输量,提高用户体验,我们可以使用Gzip压缩HTTP响应,... 目录1、简述2、配置2.1 添加依赖2.2 配置 Gzip 压缩3、服务端应用4、前端应用4.1 N

Linux换行符的使用方法详解

《Linux换行符的使用方法详解》本文介绍了Linux中常用的换行符LF及其在文件中的表示,展示了如何使用sed命令替换换行符,并列举了与换行符处理相关的Linux命令,通过代码讲解的非常详细,需要的... 目录简介检测文件中的换行符使用 cat -A 查看换行符使用 od -c 检查字符换行符格式转换将

使用Jackson进行JSON生成与解析的新手指南

《使用Jackson进行JSON生成与解析的新手指南》这篇文章主要为大家详细介绍了如何使用Jackson进行JSON生成与解析处理,文中的示例代码讲解详细,感兴趣的小伙伴可以跟随小编一起学习一下... 目录1. 核心依赖2. 基础用法2.1 对象转 jsON(序列化)2.2 JSON 转对象(反序列化)3.

使用Python实现快速搭建本地HTTP服务器

《使用Python实现快速搭建本地HTTP服务器》:本文主要介绍如何使用Python快速搭建本地HTTP服务器,轻松实现一键HTTP文件共享,同时结合二维码技术,让访问更简单,感兴趣的小伙伴可以了... 目录1. 概述2. 快速搭建 HTTP 文件共享服务2.1 核心思路2.2 代码实现2.3 代码解读3.

Elasticsearch 在 Java 中的使用教程

《Elasticsearch在Java中的使用教程》Elasticsearch是一个分布式搜索和分析引擎,基于ApacheLucene构建,能够实现实时数据的存储、搜索、和分析,它广泛应用于全文... 目录1. Elasticsearch 简介2. 环境准备2.1 安装 Elasticsearch2.2 J

使用C#代码在PDF文档中添加、删除和替换图片

《使用C#代码在PDF文档中添加、删除和替换图片》在当今数字化文档处理场景中,动态操作PDF文档中的图像已成为企业级应用开发的核心需求之一,本文将介绍如何在.NET平台使用C#代码在PDF文档中添加、... 目录引言用C#添加图片到PDF文档用C#删除PDF文档中的图片用C#替换PDF文档中的图片引言在当

Java中List的contains()方法的使用小结

《Java中List的contains()方法的使用小结》List的contains()方法用于检查列表中是否包含指定的元素,借助equals()方法进行判断,下面就来介绍Java中List的c... 目录详细展开1. 方法签名2. 工作原理3. 使用示例4. 注意事项总结结论:List 的 contain

C#使用SQLite进行大数据量高效处理的代码示例

《C#使用SQLite进行大数据量高效处理的代码示例》在软件开发中,高效处理大数据量是一个常见且具有挑战性的任务,SQLite因其零配置、嵌入式、跨平台的特性,成为许多开发者的首选数据库,本文将深入探... 目录前言准备工作数据实体核心技术批量插入:从乌龟到猎豹的蜕变分页查询:加载百万数据异步处理:拒绝界面