图数据库是怎么样一种数据库，和传统关系数据库的主要区别在哪里( 三 )
实时数据更新和查询
TigerGraph图数据库可以在对大数据集执行实时更新的同时支持查询。这是现有大数据管理系统（如Hadoop HDFS）所不能实现的，因为它是专为数据湖而设计，其中顺序扫描和添加新数据（无随机搜索）是预期的工作特征，它假设任何查询都会触及文件的大部分，为了快速顺序扫描整个文件才选择该种架构模式。而图数据库只触及查询的相关数据，因此顺序扫描不是优化假设。
灵活的在线模式变更
图数据库在为您的查询提供服务时提供灵活的在线模式演变。 您可以不断添加和删除新的顶点或边类型或其属性，以扩展或缩小数据模型。 管理爆炸性和不断变化的对象类型非常方便。关系数据库无法轻易地适应这一要求，这在现代数据管理时代是司空见惯的。
按聚合查询分组
除了传统的分组查询之外，图数据库可以通过在关系数据库中难以想象或不切实际的聚合查询来执行某些类别的分组。 由于表格模型限制，关系数据库上的聚合查询受到数据如何组合在一起的极大限制。 相比之下，图模型可以更灵活地进行分组和聚合相关数据。 请参阅本文（https://arxiv.org/pdf/1901.08248.pdf），了解使用累加器进行图遍历的最新聚合表达能力（顶点和边的运行时属性，或查询的全局状态）。 我认为关系数据库不能对选择性数据进行这种灵活的聚合。 （声明：我已经从事商业关系数据库内核十年，Oracle、MS SQL Server、Apache流行的开源平台等）
组合和层次化多个维度
图数据库可以组合多个维度来管理大数据，包括时间序列，人口统计，地理维度等，以及不同维度的粒度层次结构。 考虑一下我们想要根据时间和地理维度对一组人口进行分段的应用程序。 通过精心设计的图表架构，数据科学家和业务分析师几乎可以对图数据库进行任何分析查询。 传统上，此功能只能由底层编程语言（如C ++和Java）访问。
AI基础设施
由于具有结构良好的实体间关系信息，图数据库可用作优秀的AI基础设施，从而可以进一步推断间接事实和知识。 机器学习专家喜欢他们。 它们提供丰富的信息和方便的数据可访问性，其他数据模型很难满足。 例如，Google Expander团队已将其用于智能消息推送技术。 知识图谱是由Google创建的，旨在更好地了解人类，并且在知识推理方面正在取得更多进展。 最近，DeepMind进一步提倡GNN概念https://arxiv.org/abs/1806.01261，它强调图结构数据作为神经网络的优化配置。 确保图数据库能作为实时AI数据基础架构的关键是：
支持实时更新一种高度表达和用户友好的声明性查询语言，数据科学家可以完全掌控实时（亚秒）支持深度链接遍历（\u0026gt; 3跳），就像人类神经元通过神经网络发送信息一样; 深度而有效支持横向和纵向扩展以管理大图总之，我们看到原生并行图数据库管理大数据的许多优点是传统关系数据库无法解决的。 然而，随着任何新技术取代旧技术，采用图数据库仍然存在障碍。 一个是就业市场上合格的开发人员比SQL开发人员少。 另一个是图数据库查询语言的非标准化。有很多营销炒作和不完整的产品导致低于性能和低于可用性，这减缓了所需企业中图模型的采用。
推荐TigerGraph《原生并行图》电子书了解一下。
推荐阅读
- 月季花|月季花长花苞后，及时给它施一种肥，不然影响正常开花
- 为啥知乎上普便有一种【我在北上广深打工，所以拥有更好的视野】这样的错觉
- 为啥电器实体店的价格比淘宝贵那么多
- dart这编程语言现在发展怎么样了，语法与Java，c#很相似，甚至更简洁
- 青年|一汽奔腾T77怎么样？车主吐槽：后排座椅太短，和坐小板凳似的
- 莫让美育体育成为另一种竞争焦虑
- 电商网站支付流程的流失率是怎么样的从用户点击充值/支付按钮，到支付完成，其中每一步的流失比率都是咋样的
- 作为一个服装供应商，怎么样与淘宝卖家沟通才能卖出自己的产品或者拿到订单
- 在丁丁租房工作的感受是怎么样的
- 城市数据团是怎么样一个团队