什麼是圖分析引擎 - AnalyticDB

AnalyticDB for PostgreSQL以外掛程式形式整合了圖分析引擎功能，並支援使用Cypher查詢語言對圖資料進行高效查詢與操作。圖分析引擎在處理高度互聯的資料集時表現出色，廣泛應用於社交網路、欺詐檢測、Recommendation Engine、知識圖譜以及網路/IT 營運等情境。例如，在典型的社交網路中，引入圖查詢能力，可以快速解決複雜社交關係分析的問題，顯著提升查詢效率與靈活性。

什麼是圖

圖的基本組成元素是節點和邊，其中節點表示事物或實體，邊則描述節點之間的關聯關係。

如上圖所示，左側的節點表示各類實體，包括產品A、公司A、員工A、員工 E 以及員工E的朋友A。邊則用於表示這些節點之間的關聯關係，例如：公司與員工之間的僱傭關係、人員之間的朋友關係，以及產品與員工之間的研發關係。此外，節點和邊還可以附加屬性，以進一步豐富資訊表達。例如，可以在節點上新增人員的工號，或在邊上記錄就職的起始時間等。這種帶有屬性的圖稱為屬性圖。

通過圖的方式，我們能夠以抽象且直觀的形式描述實體及其關聯關係。圖模型支援多樣化的節點類型、邊類型及屬性，因此具備極強的表達能力，非常適合用來處理高度互聯的資料情境。

圖分析引擎的元素

元素名稱	描述
圖（Graph）	圖是一種由節點和邊組成的資料結構，表示實體及其之間的關聯關係。以社交網路為例，它是一個典型的圖結構。其中每個人可以表示為一個節點，而人與人之間的關係（如朋友、家人、同事等）則通過邊來體現。
節點（Node）	節點是圖分析引擎中的核心元素，表示資料庫中的實體。每個節點可以被附加標籤，用來儲存與該實體相關的資訊詳情。例如，在社交網路中，節點可以代表使用者、公司或組織等實體，而標籤則可以包括使用者的年齡、公司的名稱或組織的地址等資訊。
邊（Edge）	邊用於串連節點的關係，能夠通過標籤（如權重、方向等）描述關係的特性。例如，在社交網路中，邊可以表示使用者之間的關注、好友或粉絲等關係，而權重可以反映關係的強度（如互動頻率），方向則標明關係的指向性（如“關注”是從一個使用者指向另一個使用者）。
標籤（Label）	標籤是用於對節點或邊進行分類和標識的一種屬性，能夠為資料賦予語義化資訊，從而提升查詢和理解效率。例如，在社交網路中，節點的標籤可以用來區分不同的實體類型，如“人”（Person）或“公司”（Company），而邊的標籤則可以描述關係的性質，如“認識”（Knows）或“工作於”（WorkIn）。
屬性圖	如果節點包含標籤（用於儲存實體的詳細資料）或邊包含標籤（用於描述關係的具體特徵），這種圖結構被稱為屬性圖。
模式	在Cypher語言中，查詢以模式為核心，即通過定義模式來匹配目標的圖結構。一旦找到或建立與模式相匹配的結構，其結果便可用於進一步的資料處理或分析。

優勢

與傳統關係型資料庫的表結構相比，AnalyticDB for PostgreSQL提供的圖結構在資料建模和操作上更為靈活。它通過節點和邊來構建資料，並以點為核心進行資料訪問和操作，支援圖資料的增刪查改。

例如，在圖資料操作中，一個節點可以通過其所有“出邊”（從該節點出發串連到其他節點的邊）快速存取與其直接關聯的鄰接節點。這種基於點和邊的操作方式，能直觀表達實體間的複雜關聯關係，因此可高效處理高度互聯的資料情境。

區別	圖分析引擎	關係型資料庫
側重點	側重資料實體及其關聯關係。	側重資料的嚴格分類儲存（即資料結構集合的定義），且表需預先定義固定結構。
靈活性	靈活性高。當資料變動較大時，僅需添加新的節點、邊以及屬性，並為其指定相應的類型即可完成更新。	靈活性較低。當資料變動較大時，需要調整表結構或建立多個新表，這將帶來較高的資料結構修改成本。
直觀性和複雜性	使用圖的方式來表達現實世界的關係更加直接和自然。資料分析和查詢可以直接基於點與邊的拓撲結構進行。通過直觀的串連關係即可快速定位所需的資料，極大地簡化了複雜關係的處理過程。	需要先建立實體表，再建立關係表，並通過複雜的映射將資料關聯起來，這一過程對抽象思維要求較高。