如何优化ArangoDB中的图遍历？

Question

我的主要问题是：「ArangoDB 是否真的是一个真正的图形数据库？」

但这个问题可能会听起来有点冒犯。

triAGENS 的团队做了一项非常出色的工作，创建了一个「多范式」的数据库。作为 PostgreSQL、PostGIS、MongoDB 和 Neo4J/Titan 的用户，我非常欣赏能看到一个「一站式」的解决方案 :)

但问题仍然存在，基本上在 ArangoDB 中创建图形需要创建两个单独的集合：一个用于边缘，另一个用于顶点，因此，就我所理解的而言，顶点和相关边缘已经不是「物理上」相邻的了。

此外，即使创建了适当的索引，在 Gremlin 中进行此类操作时我仍然面临一些严重的性能问题。

g.v('an_id').out('likes').in('likes').count()

在约3秒钟后（感知时间），它会返回结果。

我以为自己对Gremlin和Blueprint/ArangoDB的工作方式理解不够，所以我尝试使用AQL重写了相同的查询：

LET lst = (FOR e1 in NEIGHBORS(vertices, edges, "an_id", "outbound", [ { "$label": "likes" } ] )
    FOR e2 in NEIGHBORS(vertices, edges, e1.edge._to, "inbound", [ { "$label": "likes" } ] )
        RETURN 1
    )
RETURN length(lst)

这给了我同等数量级的延迟。

如果我尝试在一个Titan或Neo4j数据库上运行相同的查询（使用完全相同的数据），查询几乎立即返回（感知时间：<200毫秒）。

所以对我来说，ArangoDB图形功能是“传统文档数据库”上面的“智能图形层”，但ArangoDB不是“本地”图形数据库。

为了确认这种感觉，我将数据转换为加载到PostgreSQL中并运行一个查询（可以假设它涉及多个表JOIN），并获得类似于ArangoDB的执行延迟

我在AQL查询中做错了什么吗？

有没有一种方法来优化数据库以获得更好的遍历时间？

在PostgreSQL中，从概念上讲，我会混合边缘和节点，并使用CLUSTER子句对数据进行物理排序，那么在ArangoDB中是否可以执行类似的操作？（我认为这可能很难，因为它将涉及“交错”边缘和节点，只是一种直觉）

- Raphaël Braud

Answer 1

我是ArangoDB的核心开发者。您能否给我更多关于您正在使用的数据尺寸的信息？

• 顶点数量
• 边的数量

那么我们就可以创建自己的设置，具有相同的尺寸并进行优化。

- mchacki

---

嗨，我尝试使用IMDB数据集进行了类似于你的查询，db.vertices.count() = 63027，db.edges.count() = 225060。因此维度非常相似。（计数根据起始节点返回高达3000个。）在我的时间测量中，我得到的请求时间低于0.3秒（如果我没有预先加载集合，则大约为3秒，但在生产中，集合始终被加载，只设置默认索引）。您能否在您的机器上尝试我们的数据集，并告诉我们是否获得相同的结果？ - mchacki

链接数据集：https://www.dropbox.com/s/fec6bii624c2lfy/imdbdata.tar.gz 在您的查询中，将“likes”替换为“ACTS_IN”，初始节点为Bruce Willis的“858”。要导入数据，您需要创建一个文档集合“imdb_vertices”和一条边缘集合“imdb_edges”，然后可以使用arangoimp将数据加载到ArangoDB中。 - mchacki

除了默认的图索引之外，我们目前还没有提供其他针对图的特定索引，但我们计划在未来添加它们。例如，我们的路线图上有一个基于顶点的索引，允许为每个顶点存储长度为n的路径索引，其中n的最大大小是可配置的。这将大大提高遍历性能。如果您需要其他类型的索引或者有其他的想法，请告诉我们，以便我们可以将它们添加到数据库中。 - mchacki

事实上，分布式图（和遍历）已经在我们今年的路线图上了。不过我们必须先完成“通用”分片。 - mchacki

我非常想知道这会引向何方。非常感谢你们提供的全面测试数据。我想采用ArangoDB，但需要在neo4j测试案例中描述的性能特征。我会关注路线图的。 - code_monk