从关系数据库到图数据库建模研究

图数据库基于图理论，也可称为面向/基于图的数据库，对应的英文是Graph Database。图数据库的基本含义是以“图”这种数据结构存储和查询数据。它的数据模型主要是以节点和关系（边）来体现，如图1所示。

图1 图数据库示例

图数据库中的每个节点都直接包含一个关系列表，关系列表中存放此节点与其他节点的关系记录，运行类似关系数据库的连接（Join）操作时，图数据库都将使用此列表来直接访问连接的节点，无须进行记录的搜索、匹配计算操作。

将关系预先保存到关系列表中的这种能力使Neo4j能够提供比关系数据库高几个数量级的性能，特别是对于复杂连接的查询，Neo4j能够实现毫秒级的响应。

如图2所示，使用关系数据库创建一个客户合约动账跟踪的存储结构，必须为客户、合约、账户、用户单独创建表结构，各个表结构之间通过外键约束相互关联，对于多对多的复杂关系还须创建“中间表”（如Observe表），这消耗了大量的系统资源。

图2 关系数据库模型示例

如果采用图数据库创建则容易得多，只需要为客户、合约、账户、用户创建节点，并且节点不需要主键、外键，也不需要中间表，只保留必要的属性即可。各个节点直接通过关系指向来表达节点之间的复杂关系，如图3所示。

图3 图数据库模型示例

Neo4j有一个重要的特点，就是用来保证关系查询的速度，即免索引邻接属性，数据库中的每个节点都会维护与它相邻节点的引用。因此每个节点都相当于与它相邻节点的微索引，这比使用全局索引的代价要小得多。这就意味着查询时间和图的整体规模无关，只与它附近节点的数量成正比。在关系型数据库中使用全局索引连接各个节点，这些索引对每个遍历都会增加一个中间层，因此会导致非常大的计算成本。

比如还以图2的模型为例，查询某个用户关注的所有账户：

(1)SQL语句：

SELECT accName FROM Account
LEFT JOIN Observe
ON Account.accNo = Observe.accNo
LEFT JOIN User
ON User.userNo = Observe.userNo
WHERE User.userNo = "user1" 

图4 关系数据库查询示意图

图4展示了在关系数据库中的查询方式。要查找user1关注的所有账户，首先要执行关系表的索引查询，时间成本为O(log(n))，n为索引表的长度。

(2)Neo4j的Cypher语句：

match(u:User{userNo:'user1'})-[:Observe]->(a:Account)
return a.accName

图5 图数据库查询示意图

图5展示了同样场景下Neo4j的查询方式。使用免索引邻接机制，每个节点都有直接或间接指向其相邻节点的指针。要查找user1关注的账户，只需要在user1的关系链表中遍历，每次遍历的成本仅为O(1)。

考虑一个更复杂的场景，user1关注的账户还被哪些用户关注了，在关系数据库中，找到user1关注的账户的时间成本为O(log(n))，找到每个账户被哪些用户关注的时间成本为O(n)，假设user1关注了m（m远小于n）个账户，那么总的时间复杂度为O(m*n*log(n))。而在图数据库中，时间复杂度仅为O(m)，其中m远小于n，这相比关系数据库占有绝对的优势。

通过对比发现，图数据库节点不需要主键、外键，也不需要中间表，只保留必要的属性，使用图数据库可以更加简洁、明确地描述数据间的复杂关系，且查询效率更高，总结以下从关系数据库迁移至图数据库的原则：

(1)表到节点标签：关系模型中的每个实体表都成为图模型中节点上的标签。

(2)行到节点：关系实体表中的每一行都成为图中的一个节点。

(3)列到节点的属性：关系表上的列（字段）成为图中的节点属性。

(4)添加约束/索引：为业务主键添加唯一约束，为频繁查找属性添加索引。

(5)关系的外键：用关系替换另一个表的外键，然后将其删除。

(6)连接表到关系：将连接表转换为关系，这些表上的列成为关系的属性。

根据3.1中的原则即可完成数据迁移，但在实际建模前，还可以结合具体需求对模型进行优化，判断哪些查询需要更高的性能，调整数据模型以充分发挥图数据库的优势。

如图6所示，需要经常查询所有币种为美元的合约，查询语句如下：

match (c:Contract)

where c.ccyCod='USD'

return c.contNo

图6 合约节点优化前示意图

这样需要遍历所有的合约节点，逐个判断币种属性，可以优化为图7所示，将币种属性作为节点提出，合约指向币种节点，这样在查询时只需要从币种作为头节点查询关联的所有合约即可，利用Neo4j免索引邻接的特性，大大提升查询效率。

图7 合约节点优化后示意图

首先给币种节点的ccyCod属性创建唯一约束，避免创建重复的节点：

CREATE CONSTRAINT ON (ccy:Ccy)
ASSERT ccy.ccyCod IS UNIQUE

然后变合约的币种属性为币种节点，将合约指向币种节点，如果有很多节点需要更新，可以尝试批量提交：

CALL apoc.periodic.iterate(
'MATCH (contract:Contract) RETURN contract',
'MERGE (ccy:Ccy{ccyCod:contract.ccyCod}) MERGE (contract)-[:CONTRACT_CCY]->(ccy) REMOVE contract.ccyCod',
{batchSize:10000,iterateList:true,parallel:false}
)

优化模型后的查询语句如下：

match (ccy:Ccy)<-[:CONTRACT_CCY]-(cont:Contract)
where ccy.ccyCod='USD'
return cont.contNo

类似的场景可能在项目的初期不容易判断，Neo4j的优势就在于数据模型具有灵活性，能够根据需求的变化而更改。

图数据库是大数据时代的一把利器，充分研究并应用到对公领域系统建设中，有助于提升服务品质和用户体验，通过科技赋能，不断为客户提供更优质的金融服务，助力数字化转型发展。

顾问：王振峰 刘建闽 刘文刚

主编：王皓瑜

副主编：田光辉 宋佳雨

审核：张大伟

编辑：孟庆龙