什么是图分析引擎_云原生数据仓库AnalyticDB(AnalyticDB)-阿里云帮助中心

云原生数据仓库 AnalyticDB PostgreSQL 版以插件形式集成了图分析引擎功能，并支持使用Cypher查询语言对图数据进行高效查询与操作。图分析引擎在处理高度互联的数据集时表现出色，广泛应用于社交网络、欺诈检测、推荐引擎、知识图谱以及网络/IT 运维等场景。例如，在典型的社交网络中，引入图查询能力，可以快速解决复杂社交关系分析的问题，显著提升查询效率与灵活性。

什么是图

图的基本组成元素是节点和边，其中节点表示事物或实体，边则描述节点之间的关联关系。

如上图所示，左侧的节点表示各类实体，包括产品A、公司A、员工A、员工 E 以及员工E的朋友A。边则用于表示这些节点之间的关联关系，例如：公司与员工之间的雇佣关系、人员之间的朋友关系，以及产品与员工之间的研发关系。此外，节点和边还可以附加属性，以进一步丰富信息表达。例如，可以在节点上添加人员的工号，或在边上记录就职的起始时间等。这种带有属性的图称为属性图。

通过图的方式，我们能够以抽象且直观的形式描述实体及其关联关系。图模型支持多样化的节点类型、边类型及属性，因此具备极强的表达能力，非常适合用来处理高度互联的数据场景。

图分析引擎的元素

元素名称	描述

元素名称	描述
图（Graph）	图是一种由节点和边组成的数据结构，表示实体及其之间的关联关系。以社交网络为例，它是一个典型的图结构。其中每个人可以表示为一个节点，而人与人之间的关系（如朋友、家人、同事等）则通过边来体现。
节点（Node）	节点是图分析引擎中的核心元素，表示数据库中的实体。每个节点可以被附加标签，用来存储与该实体相关的信息详情。例如，在社交网络中，节点可以代表用户、公司或组织等实体，而标签则可以包括用户的年龄、公司的名称或组织的地址等信息。
边（Edge）	边用于连接节点的关系，能够通过标签（如权重、方向等）描述关系的特性。例如，在社交网络中，边可以表示用户之间的关注、好友或粉丝等关系，而权重可以反映关系的强度（如互动频率），方向则标明关系的指向性（如“关注”是从一个用户指向另一个用户）。
标签（Label）	标签是用于对节点或边进行分类和标识的一种属性，能够为数据赋予语义化信息，从而提升查询和理解效率。例如，在社交网络中，节点的标签可以用来区分不同的实体类型，如“人”（Person）或“公司”（Company），而边的标签则可以描述关系的性质，如“认识”（Knows）或“工作于”（WorkIn）。
属性图	如果节点包含标签（用于存储实体的详细信息）或边包含标签（用于描述关系的具体特征），这种图结构被称为属性图。
模式	在Cypher语言中，查询以模式为核心，即通过定义模式来匹配目标的图结构。一旦找到或创建与模式相匹配的结构，其结果便可用于进一步的数据处理或分析。

优势

与传统关系型数据库的表结构相比，AnalyticDB for PostgreSQL提供的图结构在数据建模和操作上更为灵活。它通过节点和边来构建数据，并以点为核心进行数据访问和操作，支持图数据的增删查改。

例如，在图数据操作中，一个节点可以通过其所有“出边”（从该节点出发连接到其他节点的边）快速访问与其直接关联的邻接节点。这种基于点和边的操作方式，能直观表达实体间的复杂关联关系，因此可高效处理高度互联的数据场景。

区别	图分析引擎	关系型数据库

区别	图分析引擎	关系型数据库
侧重点	侧重数据实体及其关联关系。	侧重数据的严格分类存储（即数据结构集合的定义），且表需预先定义固定结构。
灵活性	灵活性高。当数据变动较大时，仅需添加新的节点、边以及属性，并为其指定相应的类型即可完成更新。	灵活性较低。当数据变动较大时，需要调整表结构或创建多个新表，这将带来较高的数据结构修改成本。
直观性和复杂性	使用图的方式来表达现实世界的关系更加直接和自然。数据分析和查询可以直接基于点与边的拓扑结构进行。通过直观的连接关系即可快速定位所需的数据，极大地简化了复杂关系的处理过程。	需要先创建实体表，再建立关系表，并通过复杂的映射将数据关联起来，这一过程对抽象思维要求较高。