图计算服务Graph Compute是阿里云自主研发的高性能分布式图计算产品，为开发者提供万亿级数据规模的一站式图技术服务。Graph Compute支持复杂图关系数据的存储、查询和计算，高效对接图算法与模型，在搜索推荐广告、实时风控、知识图谱、社交网络等场景有着广泛的应用。
前置概念
阅读本文前，您可能需要了解如下概念：
为什么选择图计算服务
复杂关系，简化表达
通过KKV可高效表达图模型中的关联关系，将常用的2度查询简化为1度查询，查询表达更简单。
源于开源，胜于开源
支持开源Gremlin语法，重点算子性能优化，让计算效率更高。
海量数据，灵活扩展
分布式集群架构可弹性运维，分钟级快速扩展服务和数据存储能力。
大数据生态，深度对接
对接完整的阿里云大数据及AI产品生态，提供基于MaxCompute+Flink+Graph Compute 的场景化图计算解决方案。
图计算服务Graph Compute特点
高性能
查询延时低、数据导入快（千亿数据查询延时2ms以内，数据载入最高达500w doc/s ）。
低成本
通过提供倒排查询和向量计算的扩展能力，同需求场景下，引擎资源开销是采用其他方案的50%。
高可用
离线系统支持多版本备份，提供分钟级数据恢复功能，具有更强的容灾和数据回滚能力。
百万级TPS
Graph Compute采用异步更新架构，单节点支持百万级别TPS更新，保证数据的高时效性。
全托管
提供图形化展示的控制台，提升数据开发效率。数据链路全托管，业务运维0投入。
Graph Compute 与其他开源图计算相比的优势
问题一：查询性能为什么能比开源好很多
图计算服务内核引擎iGraph在分区并发查询的基础上，通过自研的协程异步框架并发召回，将同步串行磁盘访问改造为异步并行，极大的提高了查询性能；同时将部分计算下沉，保证了复杂计算的性能。
在基于磁盘的查询访问场景下引入了io_uring，支持高iops下稳定运行。
内核引擎iGraph自研多级缓存，对热数据更加友好。
问题二：大数据导入能力对比开源有较大的提升？
Graph Compute拥有一套自研分布式索引构建服务，使得离线全量、增量、实时数据统一入口，离线全量、批次增量索引、配合在线实时增量索引解决在线索引LSM tree过度膨胀的问题。
实时数据更新写入支持最终一致性，性能对比强一致性的写入对比开源有1～2个数据量级的性能优势。
问题三：Graph Compute的成本总体为什么能比开源低？
架构的设计上我们优先考虑成本和高性能，保证资源的高利用率。
较为完善的自动化运维系统让运维成本直线下降。
天然支持多种类型索引（kv/kkv/倒排/向量），不需要申请额外的业务资源。
问题四：Graph Compute的稳定性为什么比开源高？
针对异常和大促场景下iGraph内核引擎做了多年技术优化和沉淀来保证稳定性，同时配合高可用、自动负载均衡、自动扩缩容、自动降级等一系列自动化运维系统进行动态平衡流量和快速恢复。