TigerGraph加速落地中国市场 普及人工智能图数据库

随着深度学习、机器学习等AI技术的逐级深入，人们开始思考如何通过挖掘大数据的关联性去探索“隐藏”在背后的商业价值，这种诉求也将一个15年前的技术再次推到了台前——图数据库。

TigerGraph，一家来自美国硅谷的公司，致力于打造基于“图”的大数据分析系统，经过近六年的研发后于去年10月在美国市场正式发布了相关产品。当然，这里指的图并不是图片，而是欧拉图和知识图谱的“图”。TigerGraph的创始人兼CEO许昱博士，曾供职于Twitter和Teradata，在数据库行业有超过20年的工作经验，是该领域的技术权威。

TigerGraph加速落地中国市场 普及人工智能图数据库

图像是关系数据库

在很多人的印象中，关系型数据库仍是市场的主流，甲骨文、Teradata、IBM、微软都是这个领域的主要玩家。而与以往用表格处理数据相比，图是没有表的概念的，就是数学上的点和边的关系，所有的数据可以汇集在一起。从存储角度来说，图是存储数据最自然的关联模型。从计算角度来说，则合适大数据和人工智能。由于早年间计算性能和架构的局限于，使得图数据库这个在计算机科学领域较为高阶的研究成果在近几年才开始显露威力。

较传统关系型数据库，图数据库的差异体现在四个层面。首先是存储模型不同，表格化和图形化对于关键信息的筛选和联系有着本质区别，并且压缩率和对CPU Cache的利用度也不一样;其次是计算模型不同，图可以从特定节点出发定向去寻找关联的数据，而非“大海捞针”;再有就是查询功能，TigerGraph将语言设计成类似SQL的GSQL高级语言，便于二次开发时实现各种复杂的功能;最后是数学理论不同，可以理解为关系型数据库是二维的，图的维度没有限制，在图里任何东西都可以是一个节点，各种维度可以关联起来做大规模的并行处理。

TigerGraph关系数据库的优势

TigerGraph优势主要有三点：实时计算、深度关联，以及支持数据库的增删改查。以深度关联为例，可以感知到5-10步的行为联系，再如实时计算，实现了同时支持大规模数据、深度关联、边查询边更新、实时风控的分布式架构，允许用户实时在图里基于新的数据来做计算，这是非常难的。

今年6月，TigerGraph在美国发布了两个版本的产品：一个是终身免费的开发者版本，单机、没有数据和时间限制;另一个是企业版本，多机、有时间限制，可以根据业务需求来选择1个月或更长。

“数月前，我们还发布了‘多图’，允许一个企业不同部门共享一套物理系统，比如这个业务部门或风控部门看见的图跟IT部门看的图不同，有些数据是可以共享的，有些数据不共享，这样就不用部署多套系统，数据不需要重复冗余的在不同系统拷来拷去。”许昱介绍称，“这是我们在业界唯一首创的功能，这个难度非常大，涉及到权限控制、性能控制、数据共享， 还包括像LDAP一键登录，包括加密(数据传输和落地硬盘的加密)等等。”

如果用户正在使用关系型数据库，TigerGraph可以帮助其快速迁移到图数据库环境，降低了用户从别的数据源到图数据库的建模、映射、入库的门槛。

例如，TigerGraph用一台机器在1小时内平均能入库100G到200G的速度，再加10台机器就是1T的数据导入量。对于TigerGraph来说，GSQL不仅是查询语言，也是定义映射的语言，借助GraphStudio将关系型数据库的表映射到图的节点、边只需拖拽即可。“很多用户第一次用都不敢相信入库速度这么快，就是因为我们有并行压缩、并行入库的能力。”许昱说。

生态推动场景应用成熟

得益于对关系型数据库场景的良好支持，任何用关系型数据库能表达的商业逻辑和业务，用图也可以表达出来，并且后者在大数据时代的并行计算等方面有着天然的优势。最直观的一个例子是，图不用去海量的非结构化数据中盲目寻找两个人的关系，而是会直接从两个人潜在的关联性出发以最短路径找到行为联系。

近几年，图数据库是数据库技术中发展速度最快的，未来五年仍将是十倍速的增长。随着知识图谱在中国市场越来越流行，为各行各业提供知识图谱通用图引擎的TigerGraph也将迎来高速的发展机遇，无论是金融行业还是跨行业的客户，都可以利用TigerGraph 建立针对自己企业的图模型。

声明： 本网站原创内容，如需转载，请注明出处；本网站转载内容（文章、图片、视频等资料）的版权归原网站所有。如我们转载或使用了您的文章或图片等资料的，未能及时和您沟通确认的，请第一时间通知我们，以便我们第一时间采取相应措施，避免给双方造成不必要的经济损失或其他侵权责任。如您未通知我们，我们有权利免于承担任何责任。 我们的联系邮箱：news@cecb2b.com。