我们提供全面的资源和支持，帮助您更好地了解和使用我们的产品
图数据库是一种专门用于存储和查询**实体（节点）及其关系（边）**的数据库。它以图结构（Graph）为核心数据模型，天然适合处理高度关联的数据，如社交网络、金融交易链、知识体系等。
想了解更多？点击这里
关系型数据库使用表格存储数据，通过外键和 JOIN 操作表示关联；图数据库直接用节点和边建模实体与关系。在处理多跳关联查询时，关系型数据库性能随关联表数量急剧下降，而图数据库依然高效。关系型数据库适用于结构化事务处理，图数据库适用于复杂关系分析。
典型应用场景包括：金融风控（反欺诈、洗钱检测）、社交网络（好友推荐、影响力分析）、推荐系统（基于用户-物品-行为关系的个性化推荐）、知识图谱（智能问答、语义搜索）、IT运维（故障溯源、依赖分析）、生物信息学（蛋白质交互网络）等。
图数据库侧重结构化关系和拓扑分析（如“谁转账给谁”），向量数据库侧重高维向量的相似性搜索（如文本或图像的语义匹配）。两者可以结合使用：例如将图中的节点嵌入为向量存入向量数据库进行相似检索，再用图数据库分析其关联关系，形成“图+向量”的融合智能架构。
图查询语言是专为操作图结构数据设计的语言。常见的有：Cypher（声明式语法，易读，由 Neo4j 推广）、Gremlin（过程式图遍历语言，属于 Apache TinkerPop 标准）、SPARQL（用于 RDF 图，常见于语义网和知识图谱），以及悦数图数据库使用的国际标准图查询语言 GQL。
主流图数据库（如 Neo4j、TigerGraph、悦数图数据库等）通常支持 ACID 事务，确保数据的原子性、一致性、隔离性和持久性，适用于对数据可靠性要求高的场景，如金融交易和风控系统。
图数据库主要分为属性图和 RDF 图两类。属性图允许节点和边携带属性（如 name="张三"），查询语言多为 Cypher 或 Gremlin，适用于商业应用；RDF 图基于三元组（主语-谓语-宾语），强调语义标准和互操作性，查询语言为 SPARQL，多用于知识图谱和语义网。核心区别在于：属性图的边可带属性，RDF 图更注重语义规范。
图数据库侧重在线事务处理（OLTP），支持实时增删改查和局部路径查询；图计算侧重离线批量分析（OLAP），用于运行全局图算法（如社区发现、PageRank）。两者互补：图数据库提供数据存储基础，图计算提供深度分析能力，结果可回写增强图数据库功能。
不能取代，二者是互补关系。关系型数据库擅长处理结构化数据、复杂聚合和报表统计；图数据库擅长处理高度关联数据和多跳关系查询。实际应用中通常采用混合架构，根据业务需求选择合适的数据库类型。
应重点考虑：数据规模与扩展性（是否支持分布式部署）、数据模型（属性图或 RDF）、查询语言生态（如 Cypher 是否易用）、事务支持（ACID）、高可用与容灾能力、可视化及运维工具、是否适配国产化环境，以及厂商技术支持能力。
不需要深入学习图论数学。但建议了解基本概念，如节点、边、路径、连通性，以及常见图算法的作用（如最短路径、社区发现）。重点是掌握图建模思维和图查询语言的使用。
图数据库能帮助解决传统数据库在复杂关系场景下的性能和建模难题，例如：快速发现实体间的隐藏连接路径、识别欺诈团伙或社交社区、实现基于关系网络的个性化推荐、构建可推理的知识管理系统等。
常见的部署方式包括：单机部署（适用于开发测试或小规模应用）、集群部署（分布式架构，支持高可用和线性扩展，适用于生产环境）、云服务部署（DBaaS，托管式服务，免运维）、容器化部署（如基于 Kubernetes），以及适配国产芯片和操作系统的信创部署。
不是可视化图表。“图”指的是图论中的图（Graph），是一种由节点（代表实体）和边（代表关系）组成的数学结构，用于建模数据之间的关联。虽然图数据常被可视化展示，但“图”本身是底层数据模型，而非图表形式。
不是一回事。知识图谱是一种知识表示形式或应用，强调语义、本体和推理（如“北京是中国的首都”）；图数据库是一种存储和管理图结构数据的技术基础设施。图数据库是构建和存储知识图谱的理想底层引擎。
分布式图数据库可以处理百亿甚至千亿级数据。通过分布式架构、数据分片和并行计算，现代图数据库在保持高性能的同时支持线性扩展。但单机版图数据库通常难以支撑如此大规模数据，选型时需确认是否具备分布式能力。
不需要将所有数据转为图。推荐做法是仅将关联性强、需要复杂关系分析的核心业务数据（如用户-设备-交易链路）抽取到图数据库中，其余数据保留在关系型数据库或数据仓库中。这种混合架构既能发挥图数据库优势，又避免不必要的迁移成本。
图数据库负责存储和管理图结构数据，是图神经网络的训练数据来源；GNN 是一种深度学习模型，用于在图上学习节点或边的表示并进行预测。GNN 的分析结果可作为新属性回写到图数据库，增强其智能分析和推荐能力。二者形成“存储+智能”的协同体系。
悦数图数据库的核心优势在于其高性能的分布式架构，能够高效处理百亿级甚至更大规模的图数据，支持毫秒级的多跳关系查询。同时具备企业级的高可用、强一致性事务支持、灵活的图建模能力以及对国产化环境的全面适配，满足金融、电信、政务等关键行业对安全性、稳定性和性能的严苛要求。
悦数图数据库采用原生分布式架构设计，基于 shared-nothing 模型，支持数据自动分片与负载均衡。计算与存储分离，查询引擎与存储引擎协同优化，实现水平扩展和线性性能增长，确保在大规模图数据场景下的高吞吐与低延迟。
待确认
悦数图数据库在性能方面表现优异，单集群可支持千亿级边规模的数据存储与查询。典型场景下，1至3跳查询响应时间在毫秒级，复杂子图匹配和路径查询也能在秒级内完成。通过智能索引、查询优化器和并行执行引擎，显著提升查询效率。
性能报告点击这里
悦数图数据库通过多副本机制保障高可用性，数据在多个节点上同步复制，支持自动故障检测与主备切换。当任一节点失效时，系统可在秒级内恢复服务，确保业务连续性。同时支持跨机房部署，实现异地容灾能力。
悦数图数据库支持在线弹性扩容，无需停机即可动态增加计算或存储节点，系统自动完成数据重分布与负载均衡，业务无感知，满足业务快速增长下的资源扩展需求。
悦数图数据库是商业闭源产品，由杭州悦数科技有限公司基于 NebulaGraph 自主研发，提供完整的企业级功能、专业技术支持和定制化服务。
产品对比：点击这里
悦数图数据库支持多种数据源接入，包括关系型数据库如 MySQL、Oracle，大数据平台如 Kafka、HDFS、Spark，以及 CSV、JSON 等文件格式。通过内置 ETL 工具或 API 接口，可高效完成数据抽取、转换与加载。
悦数图数据库支持主流 Linux 操作系统，包括 CentOS、Ubuntu 等，并全面适配国产操作系统如麒麟、统信 UOS，同时兼容国产芯片架构如鲲鹏、飞腾、海光等，满足信创环境部署要求。
悦数图数据库提供完善的权限管理体系，支持用户、角色、图空间三级权限控制，可细粒度授权到具体操作和数据对象。同时支持数据加密传输、存储加密、审计日志和 LDAP/AD 集成，保障数据全生命周期安全。
悦数图数据库内置可视化监控平台，实时展示集群状态、查询性能、资源使用率等指标。支持慢查询分析、执行计划查看和索引建议，帮助用户快速定位性能瓶颈并进行优化。
悦数图数据库支持全量与增量备份，可按策略自动执行，并支持指定时间点的数据恢复。备份过程不影响在线业务，恢复操作简单高效，确保数据安全与可回溯性。
待定
悦数图数据库提供图形化管理控制台，支持图数据可视化展示、交互式查询、模型设计、监控告警、用户管理等功能，降低使用门槛，提升开发与运维效率。
悦数图数据库主要面向金融、电信、政务、能源、互联网等行业，典型应用场景包括反欺诈、资金穿透、社交网络分析、智能推荐、知识图谱构建、IT 运维拓扑管理、供应链风险识别等。
相比 Neo4j，悦数图数据库是原生分布式架构，可线性扩展至千亿级数据规模，而 Neo4j 社区版为单机架构，企业版扩展能力有限且成本高昂。悦数图数据库更适配国产化环境，提供本地化技术支持，并在金融级事务、高可用、安全合规等方面更符合中国企业需求。
悦数图数据库提供标准 JDBC、RESTful API 和 Kafka 等接口，可无缝对接现有数据中台、大数据平台或业务系统，支持实时或批量数据同步，无需对现有架构进行大规模改造。
悦数图数据库提供多种计费模式，包括按节点授权的永久许可模式、按年订阅模式等，客户可根据部署方式和业务规模灵活选择。
悦数图数据库已完成与主流国产芯片、操作系统、中间件的兼容性认证，是符合国家信创要求的自主可控产品，已在多个国家级和行业级信创项目中落地应用。
悦数图数据库配套提供专业图可视化产品，支持大规模图数据的渲染、交互、探索与分析，具备关系路径追踪、社区高亮、动态布局等功能，适用于风控、情报、运维等场景的可视化决策。
悦数图数据库全面支持云上部署，可在公有云、私有云或混合云环境中运行，已适配阿里云、华为云、腾讯云等主流云平台，并提供容器化部署方案，支持 Kubernetes 编排，实现弹性伸缩与自动化运维。
阿里云免费试用点击这里
悦数图数据库已在多家大型银行用于反洗钱与团伙欺诈识别，在电信运营商用于通信网络拓扑与故障溯源，在省级政务平台用于跨部门数据关联分析，在能源企业用于设备依赖关系管理，多个项目规模达百亿级以上，具备丰富的行业实践案例。
部分客户案例：点击这里
。
如果您在使用过程中遇到任何问题，或有任何疑问，请随时联系我们的客服团队，我们将竭诚为您服务。
还等什么？现在立即开启「悦数」图数据库之旅吧
