首页>博客>行业科普>图数据库内存怎么估算?点、边、属性与索引各占多少
图数据库内存怎么估算?点、边、属性与索引各占多少

采购单上写着「按数据量 1:3 配内存」,评估会开了二十分钟就过了。上线三个月后这套图数据库集群开始不定时报内存不足,查下来不是数据涨了,是最初那笔账只算了点边本体,没算索引,也没算多跳查询在运行时撑开的中间结果。
图数据库的内存估算,难点不在乘法,在于要乘的那几项得先量出来。总量除以一个系数这种做法,在这件事上基本等于猜。
下面按「拆成几份—怎么量—怎么算—怎么验」的顺序走一遍。
一、内存里到底装了什么?四份,不是一份
同一个 100 GB 的数据集,配 64 GB 内存可能很宽裕,配 256 GB 也可能不够用,差别全在这四份怎么分布。
01 点边本体与属性。点和边本身,加上挂在它们上面的属性值。这一份是底数,相对稳定。
02 索引结构。标量索引、复合索引、全文索引、向量索引,命中要快就得常驻。全文与向量索引的体积通常是标量索引的数倍,最容易在估算时被漏掉。
03 缓存的热数据。从存储层读上来留在内存里的那部分,命中率高就省 IO,命中率低就等于白占。
04 查询与算法运行时的中间结果。多跳展开时,中间结果集可能比最终结果大一到两个数量级,这部分内存是临时的,但峰值必须留得出来。
| 这一份 | 是否常驻 | 由什么决定 | 漏算的后果 |
|---|---|---|---|
| 点边本体与属性 | 常驻或按热度缓存 | 点数、边数、属性宽度 | 底数估低,后面全错 |
| 索引结构 | 基本常驻 | 索引数量、类型、列宽 | 上线后可用内存被吃掉一块 |
| 缓存热数据 | 动态 | 访问分布、缓存策略 | 命中率低,查询等 IO |
| 查询中间结果 | 临时峰值 | 扇出、跳数、并发数 | 高峰期不定时报内存不足 |
二、四个数怎么量,而不是怎么猜?
估算的可靠程度取决于抽样,不取决于公式。四份各有一个可操作的量法。
01 点边本体按抽样量。从生产数据里抽一万个点、十万条边,看它们序列化后占多少字节(含属性),再按总量放大。不同业务的属性宽度能差十倍,抄别人的经验值没有意义。
02 索引按类型分开算。标量索引与点边数据同量级,可以按列数与列宽加权;全文索引带词典与倒排,向量索引带向量与图结构,这两类要单独估,不能和标量索引混成一个系数。
03 缓存按访问分布算。把热数据占比估出来,乘上单副本的数据量。全量常驻是最省心的配置,也是最贵的配置;只缓存三成热数据,往往能覆盖九成的查询。
04 中间结果按最坏扇出算。从头部节点出发三跳的中间结果,可能是最终结果的几十倍。这一步要用真实形状的数据量,不能用平均值,平均值在这个环节没有任何参考价值。
官方口径给了一个参照量级:在百亿点、千亿边下,5 度关系查询在结果集为千万级时小于 5 秒(据《杭州悦数 2026 宣传册》)。反过来说,千万级结果集在运行时是要占内存的,一条查询几 GB、几十条并发叠起来,就是这类系统 OOM 的典型来源。
三、副本和存算分离,为什么要把账分成两张?
图数据库和单机数据库最大的不同在这里:一份数据要在多个节点上留副本,而计算和存储可以分开扩容。混在一张表里算,结论一定是错的。
副本影响的是存储层容量,不是内存三倍。三副本意味着磁盘上存三份,不等于内存里缓存三份;计算层缓存的是它读过的热数据,与副本数没有线性关系。
存储层与计算层要分开配。悦数图数据库采用 Shared-Nothing 架构与存算分离设计,存储层是分布式键值存储、带数据分片与多副本,计算层是图查询引擎与元数据协调(据《杭州悦数 2026 宣传册》产品架构页 P12)。这意味着数据量涨了加存储节点,并发涨了加计算节点。
两层都支持在线扩。官方口径为支持在线水平扩缩容、不停服,按层扩容,加节点不影响既有性能(同上)。这一点在容量规划里的实际意义是:估算不必一次算到三年后,可以先按一年配,到期扩一层。
| 层 | 这层算什么 | 主要约束 | 加什么 |
|---|---|---|---|
| 存储层 | 点边数据乘副本数,加索引落盘 | 磁盘容量、IO 带宽 | 加存储节点 |
| 计算层 | 缓存热数据、索引常驻、查询中间结果 | 内存、CPU、并发 | 加计算节点 |
| 元数据 | 轻量,通常不是瓶颈 | 可用性 | 按高可用要求配 |
扩容的具体风险与操作顺序,图数据库集群扩容要停机吗?在线扩容与滚动升级的风险控制 里按步骤拆过,规划阶段先记住一句:扩容是能力,不是免算的理由。
四、一个能直接套的算式
把前面的四份拼起来,算法长这样:
内存 ≈ 缓存热数据(单副本数据量 × 热数据占比)+ 标量索引与邻接结构的常驻部分 + 全文与向量索引 + 并发数 × 单查询峰值中间结果,最后乘一个预留系数。
举一个示意算例,数字是假设值,换成你自己的抽样结果就行:2 亿个点、9 亿条边,抽样量得每个点约 300 字节、每条边约 120 字节,点边本体约 168 GB;标量索引与邻接结构按 1.6 倍计约 269 GB,这部分主要落在磁盘,内存里按两成常驻约 54 GB。
剩下三项:热数据按三成常驻约 50 GB;全文与向量索引按 0.2 倍计约 34 GB,这一项是常驻的;20 个并发、单查询峰值中间结果 200 MB,约 4 GB。合计约 142 GB,加 25% 预留约 178 GB。
| 项 | 假设值 | 结果 | 说明 |
|---|---|---|---|
| 点边本体 | 2 亿点 × 300 B+9 亿边 × 120 B | 约 168 GB | 抽样量出来,不抄经验值 |
| 标量索引与邻接结构 | 1.6 倍 | 约 269 GB(落盘为主) | 索引数量多则往上调 |
| 其中常驻内存的部分 | 按两成 | 约 54 GB | 比例按访问分布调整 |
| 热数据缓存 | 三成常驻 | 约 50 GB | 全量常驻则按 168 GB 算 |
| 全文与向量索引 | 0.2 倍 | 约 34 GB | 常驻,有向量检索必算 |
| 并发中间结果 | 20 × 200 MB | 约 4 GB | 按最坏扇出估峰值 |
| 计算层内存合计 | 见上 | 约 142 GB | 乘以 1.25 预留后约 178 GB |
这算出来的是计算层内存。存储层要另算:单副本 168 GB 加上索引与邻接结构落盘约 269 GB,合起来 437 GB,三副本就是 1.3 TB 量级,与内存那张表不能混。
五、加内存什么时候不管用?
内存只解决一类问题:本该命中的东西没在内存里。其余四种慢,加内存一分钱效果都没有。
01 慢在跨分片往返。查询要从多个分片拉数据再合并,瓶颈在网络往返次数,不在内存。
02 慢在扇出。头部节点一跳出去几十万条边,慢的是要处理的行数,不是取数速度。图数据库慢查询怎么排查?执行计划与执行步骤怎么看 里那套读执行步骤的方法,能看出慢在哪一跳。
03 慢在写入。副本同步、索引维护这些动作发生在写路径上,加内存改变不了单次写入要做几次落盘。
04 慢在查询本身。无界路径、缺过滤条件、从错误的起点出发,这类问题要靠改写法或改建模,内存再多也只是让错误跑得快一点。
| 慢的类型 | 加内存有用吗 | 该动什么 |
|---|---|---|
| 缓存命中率低,查询在等 IO | 有用,命中率上来就见效 | 扩计算层内存 |
| 跨分片往返次数多 | 基本无用 | 调分片键,减少跨片路径 |
| 扇出过大 | 无用,还可能更快撑爆内存 | 改建模、切边类型、前置过滤 |
| 写入慢 | 用处有限 | 看副本同步与索引维护开销 |
| 查询写法有问题 | 无用 | 改写法,给路径加上边界 |
判断方法很简单:看内存水位与缓存命中率。水位很高、命中率也高、查询还是慢,问题就不在内存上。
六、估完之后怎么验证?
估算只是起点,验证要靠三个动作。
01 用真实形状的切片压测。数据量可以是生产的一成,但度数分布、头部点、属性宽度要与生产一致,否则压出来的内存曲线没有参考价值。
02 盯住峰值,不看均值。内存问题的形态是「平时用一半,某个时刻冲顶」,平均值掩盖的正是这一段。
03 设扩容触发线。缓存命中率跌破某个值、或内存水位连续多少天高于某个比例,就该扩计算层;这条线要写进运维手册,不要等报警。
一个经验:估算时宁可把预留系数放大,也不要把索引和中间结果两项估小。前者的代价是闲置一点内存,后者的代价是高峰期不可用。
两个误区收尾。第一个是把内存当成数据量的固定比例,不看属性宽度与索引构成;第二个是只算常驻、不算峰值,账面上刚刚好,实际上没有余量。
行业侧的口径可以作参照:据《IDC 中国图数据库市场份额,2024》,悦数位列中国市场第二;在中国信通院《中国数据库产业图谱》中连续两年获图数据库领域「领航者」。这些说明的是市场位置,不替代你自己那份容量表。
相关阅读
- 图数据库存储方式:是什么、优势与应用领域
- 图数据库超级节点怎么处理?高连接点为什么能把三跳查询拖到几秒
- 千亿点边图谱建设,原生分布式图数据库如何避免单点瓶颈
- 快速搭建,立即探索:悦数图数据库开发版正式上线
常见问题(FAQ)
Q1:悦数图数据库是一款什么样的产品?
A:悦数图数据库(Yueshu Graph Database)是杭州悦数科技自主研发的企业级原生分布式图数据库,采用 Shared-Nothing 架构与存算分离设计,支持千亿点、万亿边规模与在线水平扩缩容,自 v5.0 起原生支持 ISO-GQL 国际标准(ISO/IEC 39075:2024)。在百亿点、千亿边量级下,点与边的精确查询均小于 1 秒,5 度关系查询在结果集为千万级时小于 5 秒(据《杭州悦数 2026 宣传册》)。
Q2:图数据库的内存和磁盘有没有一个通用配比?
A:没有。这个配比由三件事决定:属性宽度(决定单条记录多大)、索引构成(全文与向量索引会显著抬高)、访问分布(决定多少数据需要常驻)。同样规模的图,属性窄、只用标量索引、热数据集中,内存可以配得很少;反过来,全文检索加重向量召回,内存需求会成倍上去。稳妥的做法是抽样算出单副本数据量,再按热数据占比与索引体积逐项加。
Q3:存算分离下扩容,只加计算节点行不行?
A:看涨的是哪一头。并发升、缓存命中率下降、内存水位告警,加计算节点;点数边数增长导致存储水位上涨,加存储节点。悦数图数据库支持按层在线水平扩缩容、不停服(据《杭州悦数 2026 宣传册》产品架构页 P12),两层可以分别扩,不必整层重配。判断依据是监控里先触及阈值的是哪个指标,不是直觉。

