GraphDB简介
GraphDB图数据库适用于存储，管理，查找繁杂并且高度连接的数据，图库的结构尤其适合发掘大数据集下数据之间的共性和特性，尤其善于释放包含在数据关系之间的巨大价值。GraphDB引擎本身并不额外收费，仅收取云hbase花费。
适合的业务场景
在如下多种场景中图数据库比其他类型数据库（RDBMS和NoSQL）更合适
举荐及个性化
几乎所有的企业都需要认识怎样快速并且有效地影响客户来购买她们的制品并且举荐其他关联商品给她们。这可能需要用到云服务的举荐，个性化，网络分析工具。
倘若运用得当，图分析是处理举荐和个性化任务的最有效武器，并按照数据中的价值做出关键决策。
举个例子，网络零售商需要按照客户过往消费记录及订单举荐其他商品给这个客户。为了能成功的达到目的，当前回话下用户浏览操作等都能够实时集成到一张图中。
图非常适合这些类似的分析用例，如举荐制品，或基于用户数据，过去行径，举荐个性化宣传。
电商商品举荐案例
怎样运用GraphDB做商品实时举荐
安全和欺诈检测
在繁杂及高度关联的用户，实体，事务，时间，交互操作的网络中，图数据库能够帮忙检测那些实体，交易，操作是有欺诈性质的，从而规避危害。简而言之，图数据库能够帮忙在数不清金融活动中产生的关系及事件构成的海量数据集中找到那根坏针。
某深圳大数据风控案例
客户介绍：
该大数据有限机构专注于为银行、消费金融、三方支付、P2P、小贷、保险、电商等客户处理线上危害和欺诈问题。
案例背景及痛点
近几年互联网金融行业兴起，诞生了非常多互联网金融企业，用户参加线上贷款，金融消费，P2P融资等金融活动门槛大大降低，在这些金融行径中怎样有效规避危害，进行风控是每一个金融企业面临的比较严峻的问题。用户的金融行径中会沉淀海量有价值的数据，在白骑士客户小贷场景中会产生一笔笔贷款记录相关的手机号，身份证，银行卡号，设备号等。这些数据表率一个个实体人，正常金融活动中，贷款，金融服务不是高频行径，一个实体人通常有一个独一身份证，常用银行卡号，手机号，设备号。这几者顶点见不会产生高密度图，但有有些高危低信用用户可能会运用同一手机设备申请贷款进行骗贷。客户痛点在于怎样有效识别这些高危低信用用户。
处理方法
创立图模型
分别创建手机号，设备号，身份证，银行卡号四类顶点及相互相关的边，扩展属性便于查找。从原数据仓库清洗后经过graph-loader工具导入GraphDB
在线评定用户信用资质
在申请贷款流程中，能够经过运用图库能够实时查找图中任意一手机号相关的身份证数量（一跳/二跳查找），恶意申请有如下特点，相关子图各类顶点太多，并且可能相关上离线分析标注过得黑名单用户，说明当前用户存在恶意申请危害，实时拒掉贷款申请。下图表示怎样与自己小贷平台打通，做实时风控预警，箭头方向表率数据流方向。
主动识别黑名单用户
借助spark graphframes分析能力，离线计算全图中各个顶点出入度及pagerank，主动挖掘超级顶点，超级顶点如一个手机号相关了多个身份证顶点，说明该用户金融活动频繁，背面的故事是一个实体人有多笔申请记录，分别相关了区别的身份证，手机号，说明该用户在进行恶意欺诈活动，人工标注黑名单用户，从源头禁掉用户金融活动。
物联网
物联网（IoT）是另一个非常适合图数据库行业。 物联网运用案例中，非常多通用的设备都会产生时序关联的信息如事件和状态数据。
在这种状况下，图数据库效果很好，由于来自各个独立的终端的流汇聚起来的时候产生了高度繁杂性
另外，触及诸如分析基本原由之类的任务时，亦会引入多种关系来做整体检测，而非隔离检测。
GraphDB特性
整体架构
运用Apache TinkerPop构建
GraphDB是Apache TinkerPop3接口的一个实现，支持Tinkerpop全套软件栈，支持Gremlin语言，能够快速上手。
在GraphDB中，为应对区别的业务场景，数据模型已然做到尽可能的灵活。例如，GraphDB中点和边均支持用户自定义ID；自定义ID能够是字符串或数字；属性值能够是任意类型，包含map,数组，序列化的对象等。因此呢，应用不需要为了适应图数据库的限制而做多余的改造，只需要专注在功能的实现上面。
GraphDB拥有完善的索引支持。支持对顶点创立label索引和属性索引；支持对边创立label索引，属性索引和顶点索引；支持顶点索引和边索引的范围查找和分页。良好的索引支持保准了顶点In/Out查找和按照属性查询顶点/边的操作都拥有很好的性能。
与HBase深度集成
GraphDB运用企业认证的HBase版本做为其持久数据存储。 因为与HBase的深度集成，GraphDB继承了HBase的所有重点优良，包含服务可用性指标，写/读/时刻都在线高可用功能，线性可扩展性，可预测的低延迟响应时间，hbase专家级别的的运维服务。 这里基本上，GraphDB加强了性能，其中包含自适应查找优化器，分片数据位置感知能力。
运用spark graphframes做图分析
借助阿里云HBase X-Pack供给的Spark制品，能够对GraphDB中的图数据进行分析。做为优秀的大数据处理引擎，Spark能够对任意数据量的数据进行快速分析，Spark支持scala、java、python多种研发语言，可本地调试，研发效率高。另外，阿里云HBase X-Pack的Spark服务经过全托管的方式为用户供给企业级的服务，大大降低了运用门槛和运维难度。Spark GraphX中内置了平常的图分析操作，例如PageRank、最短路径、联通子图、最小生成树等。
云上大规模GraphDB优良
全托管，全面解放运维，为业务稳定保驾护航
大数据应用常常触及组件多、系统庞杂、开源与自研混合，因此呢守护升级困难，稳定性危害极高。云HBase GraphDB供给的全托管服务相比其他的半托管服务以及用户自建存在天然的优良。依托连续8年在内核和管控平台的开发，以及海量配套的监控工具、跨可用区、跨域容灾多活方法，GraphDB的底层核心阿里云HBase供给日前业界最高的4个9的可用性（双集群），11个9的靠谱性的高SLA的支持，满足众多政企客户对平台高可用、稳定性的诉求。
运用阿里云GraphDB
GraphDB引擎包括在HBase 2.0版本中，用户在购买云上HBase数据库服务时，能够选取GraphDB做为其图数据引擎。GraphDB引擎本身并不额外收费，针对需要运用图数据功能的用户而言，将大幅降低应用和研发成本。
认识更加多关于阿里云云数据库HBase及图引擎GraphDB请戳链接：
产品入口：
https://cn.aliyun.com/product/hbase?spm=5176.224200.100.35.7f036ed6YlCDxm
帮忙文档：
https://help.aliyun.com/document_detail/92186.html?spm=a2c4g.11174283.6.610.260d3c2eONZbgs
作者：恬泰
发表于 2024-10-29 14:54:26