【导语】

如果说运营是一切能帮助产品进行推广、促进用户使用、提高用户认知的手段，那运营优化无疑是帮助企业更好达到上述目标的过程。运营人员需要根据用户反馈、数据变化、活动结果的分析及时调整运营策略，通过历史数据总结规律，更好服务商业决策。举个例子，双十一全网购物的狂欢给各大电商带来了可观的流量，但活动结束后运营人员依然需要结合用户购物车数据及实际消费行为分析双十一期间平台的营销及活动运营效果，拆解业务目标的达成状况，并针对性地对后期平台运营策略进行调整……这些数据洞察工作往往涉及数据的多维度交叉透视，而传统关系型数据库在面对数据复杂关联查询时存在查询性能差、返回时间长的问题——当数据量增大时甚至可能无法完成查询任务。在这样的挑战面前，一种新型数据存储技术——图数据库——为我们提供了全新可能。

不同于传统关系型数据库（MySQL, Oracle等），图数据库以实体和实体间的关系作为核心存储单元，擅长处理多维数据的高效关联查询，尤其适用于通过数据关联洞察商业规律的应用场景。本文我们以电商运营为例，为大家拆解如何利用图技术实现精准快速的运营决策。

某生鲜App在双十一当天通过各种营销活动成功实现成交订单100000笔，其中下单用户数达80000人，该平台运营人员想深入挖掘湖南省用户中购买新西兰苹果的女生画像（例如，她们最爱购买的酒类产品），进一步提供针对性的促销活动，从而优化该部分客群的购物体验、提升客单价、达成更高复购。对于同样的分析需求，关系型数据库和图数据库具体会呈现哪些差异呢？

关系型数据库的解决方式

图1 生鲜App场景的关系型数据库模型

上述电商场景在关系型数据库中表现为用户、订单、订单详情、产品四张数据表（图1）。关系型数据库在处理关联数据查询时需要进行连表操作，在查询时会逐行扫描表中每一行记录：如对表A（共m行）和表B（共n行）进行连接时，对于表A的每一条记录，数据库要扫描整个表B，找到与之对应的记录信息，将表A与表B两两配对。也就是说，完成两表连接一共要消耗的时间成本为m*n*最小单位查询时间。

表1 某电商APP双十一当天销售数据假设

我们对该生鲜App在双十一当天的数据做一些合理假设（表1），要查找购买了新西兰苹果（如上图中产品ID为2的产品）的湖南女性用户时，无论实际下单的湖南女性用户数量有多少，运营人员首先都需要将“订单详情表”与“产品”表进行连接（join）操作，找到所有包含新西兰苹果的订单号，因为“产品表”共计1000行，订单详情表共计100000*10行（10万订单数*10产品/订单），所以两表连接总计时间成本为1000*100000*10*最小单位查询时间；找到相应订单号后，再与“订单表”连接找到下了这些订单的用户ID，因为订单表共计100000行，所以总计时间成本为1000*100000*10*100000*最小单位查询时间；得到用户ID后，再将其与“用户表”连接找到对应ID的用户详情，从而锁定购买新西兰苹果的湖南女性用户，再从结果中找出这些用户购买的所有酒类的产品的名称并统计数量进行排序。因此，关系型数据库在查找购买新西兰苹果的湖南女生时总计时间成本为1000*100000*10*10000*80000*最小单位查询时间=8*1017*最小单位查询时间（表2）。

表2 关系型数据库查找理论时间

值得一提的是，虽然存在添加索引、使用hash join等优化方式提升关联查询效率，但是，随着数据表中数据条目增多，数据间关联复杂度增加（从而增加需要做连接的表的数量/连接次数），多表连接的成本代价依然会急剧增高，关系型数据库的性能呈指数级下降，难以应对当前的业务需求。比如，构建索引就是一个非常昂贵的数据库操作：索引本身需要占用数据表以外的物理存储空间，创建和维护索引也需要花费时间，而且每当对表进行更新操作时都需要重建索引，降低数据的维护速度。当数据分析的维度随业务需要不断增加及变化的时候，关系型数据库不可能为所有的数据维度建立索引，因此它无法有效应对灵活多变的商业环境下深度关联洞察的分析需求。

图数据库的解决方式

图2 生鲜App场景的图数据库模型

相比之下，图数据库中的数据结构是基于实体与实体间关联关系的模型表达，具有天然可解释性。该生鲜App场景下对应的图模型如图2所示，省份、用户、订单、产品、产品类型等概念以节点的方式存储，并通过位于、订购、包含、属于等关系连接。在做关联查询时图数据库不需要像关系型数据库一样做基于全数据的代价高昂的连表操作，只需通过查询指定实体以及通过指定边关系关联的实体就能实现关联查询，查询成本仅与指定类型的节点的数量和指定类型的边的数量相关，与全局数据量无关，从而极大提高查询效率。以用户张三为例，我们通过图模型可以清楚看到其省份信息、双十一当天在该平台的购物信息、以及相关的商品信息。当要查找购买新西兰苹果的湖南女生用户时，图数据库只需通过省份为湖南的节点检索到与之关联的5000位湖南用户，根据这些用户的属性值找到当中的2500位女性用户，再遍历与这些女性用户关联的5000个订单，同时找到包含新西兰苹果SKU的订单（900），两者做交集，便找到了湖南女生中购买了新西兰苹果的所有订单，通过这些订单找到订单中包含的所有N个产品（N<=700，假设平均每个订单10个产品，则70个订单最多包含700个不重复的产品），同时找到品类为酒类的10个SKU，两者做交集，就能找到湖南女生中买了新西兰苹果的又买了哪些酒类产品。

图3 用图数据库进行关联查询

因此，图数据库完成整个查询的时间成本大约为5000+5000+900+700+10=11610*最小单位查询时间（表3）。相比之下，关系型数据库的查询时间接近图数据库的十万亿倍。

表3 图数据库查找理论时间

通过关系型数据库与图数据库在数据模型(schema)和查询方式的比较，我们不难理解图数据库在关联查询上的优势：数据模型直接反映数据关联，关联查询只与满足条件的一度邻居数量相关，而与整体数据量（全体用户、全部订单、所有订单详情、完全产品列表）的大小无关，这也是图数据库随着数据集不断增大却能保持关联查询性能基本恒定的原因。上述示例的数据体量并不大，在实际业务场景中，数据体量更大，分析维度也更多，图数据库和关系型数据库的差异更加巨大，完成相应分析需要的系统架构和软硬件成本也因而差异巨大。

与此同时，由于图数据库的数据模型直接还原业务场景，在动态变化的商业环境下显得极其灵活。如果需要新加分析维度或者淘汰老的分析维度，只需要增加/删除对应的节点即可完成，不同担心由于建立庞大索引而给数据库带来的读写性能损耗和额外空间开销。

Galaxybase助力企业深度运营优化

创邻科技全自主知识产权的图数据库产品Galaxybase是国内首个商业化分布式并行图数据库。其大数据深链查询性能优异，较国际同类产品有显著优势。我们以Twitter社交网络公开数据集作为测试数据（14亿边，4000万点），将Galaxybase开发者版与目前全球市场上最具代表性图数据库产品Neo4j做性能对比，结果显示，在1-2度邻居的查询性能上Galaxybase开发者版较Neo4j有近10倍提升，在3度及以上的深链查询上优势更为明显，有千倍以上速度优势（表4）。因此，Galaxybase尤其适合数据量大、关联维度数高的复杂关联查询，能够有效支撑企业的实时运用优化决策。

表4 Galaxybase性能优势

从纷繁复杂的各类数据中总结规律并指导商业决策需要数据运营人员结合具体的情境看数据变化、深挖用户行为动态，透过数据看到其背后的动因。而图数据库作为数据分析的助力器，能帮助运营人员实时进行多度关联分析，了解用户行为，快速迭代商业策略，从而达到用户运营、内容运营、和活动运营的不断优化，提高用户留存率、活跃度和复购率，提高运营效果和效率。而创邻科技的Galaxybase图数据库凭借自身的技术优势，能够赋能企业运营优化，提升运营效率，实现企业可持续的长期竞争性优势。

-END-

原文来自【创邻科技】公众号

想了解更多图数据库相关知识请在微信搜索【创邻科技】关注该公众号！