目前工业界和学术界已经开发出了很多图分析系统，针对图分析的计算特性提出了各种各样的优化策略，在图分析任务上取得了优异的性能。近年来，各种各样的图数据库支持了各种查询语言（例如Cypher、GSQL和Gremlin），尝试为用户提供简单易用的图查询功能，利用这些查询语言，用户也可以表达出SSSP、PageRank等图分析算法的计算逻辑。为了对比图分析系统和图数据库在图分析任务上的性能，我们选取了典型

目前图计算系统主要分为两大流派，general purpose和graph-specific。General purpose系统底层基于RDD等通用数据抽象，基于通用大数据平台（如Spark）将图计算操作转换为retational operator等通用操作，而graph-specific系统将数据直接表示成图结构，并为用户提供访问、操作点、边的图结构等接口。为了比较general purpose

近年来，全球大数据进入加速发展时期，数据量呈现指数级爆发式增长，而这些大量数据中不同个体间交互产生的数据以图的形式表现，如何高效地处理这些图数据成为了业界及其关心的问题。很过用普通关系数据无法跑出来的结果，用图数据进行关联分析会显得异常高效。 提到处理图数据，我们首先想到NetworkX，这是网络计算上常用的Python包，可提供灵活的图构建、分析功能。但是我们使用NetworkX跑大规模图数据