图形数据库（neo4j）与关系型数据库的比较。需要在设计方面寻求帮助。

Question

我是一名有帮助的助手，以下是您需要翻译的内容：

我需要与一个开源项目（biojava）合作，但对其中部分性能不满意，我想花些时间来改进它。

例如，我有一个以这种方式编码的文本数据库：

chrX    Cufflinks   exon    65175856    65175971    .   .   .   gene_id "XLOC_002576"; transcript_id "TCONS_00004217"; exon_number "1"; gene_name "RP6-159A1.2"; oId "CUFF.3698.1"; nearest_ref "ENST00000456392"; class_code "p"; tss_id "TSS3873";    
chrX    Cufflinks   exon    128986006   128986088   .   .   .   gene_id "XLOC_002577"; transcript_id "TCONS_00004218"; exon_number "1"; oId "CUFF.3750.1"; class_code "u"; tss_id "TSS3874";

并非每个字段都是必填的，每个gene_id可以与多个transcript_id（1..n）相关联，每个transcript_id具有1个或多个exon。

该库的行为是将整个文本文件加载到ArrayList中，并且对于每个搜索，必须迭代整个列表。这适用于小列表，但在我的情况下，我有10 ^ 10个查询和一个非常大的列表，这需要几天时间才能在良好的计算机上完成。

Neo4j是否是一个好选择？如何实现它？例如，创建仅为字符串的实体，并在它们之间建立关系是否不好？还是使用带有单个表的Hsqldb更好？

请注意，我不需要持久性，但速度和同步是必需的。

编辑：如果您愿意，可以查看项目here。

- Carmelo Foti

---

（您应该在问题中标记“neo4j”和“hsqldb”，这样您的问题将更容易被看到） - cporte

Answer 1

如果速度非常重要，因为您的数据模式似乎很"简单"，您可以采用"手动"解决方案。如果开发时间更重要，而不是"绝对速度"，则内存中的关系型数据库是一个不错的选择。 如果不需要持久性，我会避免使用neo4j，因为它更多地针对持久性设计，而您的数据似乎更多是"关系型"而不是"复杂图形"

如果速度至关重要，那么您可以考虑使用Hsqldb等解决方案，将三种对象（基因，转录本，外显子）填充，并使用哈希表对它们进行索引。

- cporte

Answer 2

当你想在大数据集中查找针时，Neo4J表现良好，但当你运行查询时，你只对少量数据感兴趣。例如，如果你有一个类似于以下的图形：

(gene) -> (transcript) -> (exon)

如果你需要运行类似于“从基因XLOC_002576开始，给我所有的转录本以及与这些转录本相关的其他基因”的查询，那么Neo4J是一个很好的选择。（我不知道什么是转录本和外显子，所以这个查询可能没有意义，但你可以理解我的意思）。

如果你不是在大量数据中寻找特定信息，而是对整个数据集进行处理，那么Neo4J可能不是最适合的工具。如果数据集非常庞大（例如数百GB），并且你将整个数据集缩小到一个小答案，并且你不介意将处理分布在几台机器上，那么使用hadoop map reduce并将大型文本文件上传到HDFS可能是一个选项。

如果你提供更多关于查询配置文件的信息，那么就能更好地提供答案。例如，你正在对数据做什么？你所说的“搜索”是什么意思？

- theon