首页>博客>行业科普>图数据库索引怎么建?建了索引查询还是不走,问题多半不在索引上
图数据库索引怎么建?建了索引查询还是不走,问题多半不在索引上

群里有人贴了一张图数据库的执行计划截图,问索引明明建了,为什么这条查询还是把整个点表扫了一遍。往下看两行就清楚了:这条语句的起点是一个点 ID,属性条件写在它后面。索引建得没问题,问题在于这条查询从头到尾没打算用索引。
图数据库里绝大多数「索引不生效」,都不是索引本身的事,是查询根本没走到索引那条路上。图数据库和关系库的差别在这里特别明显:关系库的慢查询多半是过滤慢,图库的慢查询多半是展开慢,而展开这件事,索引帮不上忙。
先把这两件事分开,后面才谈得上怎么建。
一、一条查询走不走索引,先看它从哪起步?
图数据库的查询入口只有两条路,路径完全不同。
01 从 ID 起步。给定一个点或一条边的 ID,直接在存储层定位到它,这是一次主键查找,不经过任何二级索引。哪怕你建了十个索引,这条路也不看它们。
02 从属性起步。给定「名称等于某值」「信用代码以某前缀开头」这类条件,引擎不知道这些值存在哪,必须借索引先找出候选 ID,再回存储层取点。索引只服务这一类。
另有一类常被当成第二类:从一个点出发沿边展开,再对邻居做属性过滤。这条路是先按边找到邻居、再逐条比对属性,索引能否参与,取决于过滤条件是不是被下推到了取数之前。写成了「先展开再过滤」,索引就只能干看着。
| 查询形态 | 引擎实际走的路 | 索引参与吗 |
|---|---|---|
| 按点 ID 取点、按边 ID 取边 | 存储层主键定位 | 不参与 |
| 按属性等值或前缀找起点 | 索引定位候选 ID → 回表取属性 | 参与,且必需 |
| 沿边展开后对邻居做过滤 | 先取邻居,再比属性 | 看过滤是否下推 |
| 全图统计、图算法遍历 | 顺扫全图 | 不参与 |
这张表能解释一大半「建了没用」的困惑:读者看到的那条慢查询,起点往往是个 ID 或者一次边展开,索引本来就不在这条路上。
二、建了索引还是不生效,通常是哪四件事?
确认查询是从属性起步之后,如果索引仍然没被用上,按下面四条依次排。
01 条件列不在索引里,或者复合索引只用了后半段。复合索引按列序生效,建的是(城市,行业),查询只用行业,索引就用不上。
02 条件被函数或运算包住了。对列做截取、转型、拼接之后,索引里存的是原始值,比对不上。
03 类型不匹配。数值型属性传了字符串,或者时间属性的格式与写入时不一致,比较会在类型转换之后进行,索引顺序失去意义。
04 优化器算过账。命中的行占全表比例很高时,走索引要先查索引再逐条回表,比顺序扫一遍更贵,优化器会主动放弃索引。这不是失效,是选择。
| 现象 | 更可能的原因 | 怎么验 |
|---|---|---|
| 换成另一个属性条件就快了 | 条件列不在索引里 | 看执行计划有无索引扫描步骤 |
| 加了前缀就快、用模糊就慢 | 索引不支持任意子串匹配 | 改用全文索引,或改查询写法 |
| 同一条件,参数不同快慢差十倍 | 优化器按命中比例切换了路径 | 对比两次执行计划是否一致 |
| 建完索引当场没变化 | 存量数据还没回填完 | 看回填进度,别急着下结论 |
第四条最容易被误判成产品问题。回填没跑完就测,测出来的当然是旧路径,这一点在数据量大、索引列多的时候尤其明显。
三、点索引、复合索引、全文与向量索引,命中逻辑差在哪?
四类索引服务四种完全不同的问法,混着建就会互相拖累。
单属性点索引与边索引,服务等值与前缀范围。最典型的一句是「按名称或编码找一个实体」,这类查询在生产上占比很高,几乎每张图都该有。
复合索引,服务多条件同时出现的查询。列序按查询里出现频率最高的组合确定,宽度控制在两到三列;列再多,维护成本上去,命中率不一定上去。
全文索引,服务分词检索。它走的是倒排,能匹配词,不能匹配任意子串;把「包含某个片段」的查询交给全文索引,结果对不上是正常的。
向量索引,服务近似最近邻。它给出的是一批候选,不是精确结果,召回率与延迟之间要调;而且它必须被显式走向量检索路径,把向量当成普通属性做等值比较,等于全扫。
| 索引类型 | 服务什么问法 | 不生效的典型写法 |
|---|---|---|
| 单属性点索引、边索引 | 按名称、编码等值或前缀找起点 | 条件里对属性做截取、转型、拼接 |
| 复合索引 | 两个以上条件稳定同时出现 | 只用后缀列,跳过了首列 |
| 全文索引 | 按词检索长文本 | 想匹配任意子串,或查询没走检索入口 |
| 向量索引 | 近似最近邻召回 | 把向量当普通属性做等值比较 |
LOOKUP ON company WHERE company.name == "苏州某制造集团"
YIELD company.name, company.credit_code
上面这条语句是典型的属性起步查询,LOOKUP 是图数据库里明确走索引的入口,和从 ID 出发的取点语句不是一回事。写查询时先想清楚自己要走哪个入口,比事后调索引有用得多。
悦数图数据库的做法是把这几类索引放在同一套点边模型里:标量、向量、全文、地理空间与时间属性同为点边的属性类型,混合检索在引擎层完成(据《杭州悦数 2026 宣传册》产品架构页 P12)。这个设计带来的直接好处是,一个查询里可以先用标量索引把范围缩到几百个点,再在这个子集上做向量近邻,不必在两个系统之间倒一次数据。
四、索引的代价落在哪三处?
索引不是白拿的,代价有三处,建之前先认。
01 写入放大。每多一个索引,每次写入就要多维护一份结构。公开口径的导入吞吐为每秒数十万笔(同上),这个数是在既定索引配置与数据形状下测的,索引数量增加、属性变长,吞吐会往下走。
02 内存与磁盘占用。索引要常驻才快,常驻就要占内存。一张图上建了十几个索引,缓存能被挤掉的不只是索引,还有热数据。
03 回填与重建。动态 Schema 下新增属性不用停机,但给存量数据补建索引需要回填,回填期间查询会抖,写入也会慢。这一步在测试环境往往瞬间完成,到了生产要按小时算。
一个粗糙但够用的判断:单条查询省下的时间乘以每天调用次数,对比写入吞吐下降带来的整体成本。前者大就建,后者大就不建。批量导入型业务、以写为主的图,索引要克制;查询密集、以读为主、条件固定的图,索引值得多建。
五、按什么顺序建索引,才验收得住?
索引是迭代出来的,不是设计出来的。顺序错了,建得越多越乱。
01 先拉真实查询清单。从慢查询日志里捞,按调用频次排序取前二十条,看它们的起点分别是什么。这一步的产出比任何建模直觉都可靠。
02 先建起点属性的单列索引。二十条里出现最多的那两三个起点属性,先把单列索引建上,再复测。
03 复合索引按实际组合建。只在两个条件稳定同时出现时才建复合索引,列序照抄查询里的书写顺序,宽度不超过三列。
04 每加一个索引复测三件事。目标查询的 P99 有没有降、无关查询有没有变慢、写入吞吐掉了多少。三件事里有一件明显变差,就要考虑撤掉。
05 上线后按周看慢查询。索引会随着数据形状漂移而失效:某个属性从稀疏变稠密,优化器就可能不再选它。定期回看,比一次建全更实际。
这一步和排查慢查询是同一件事的两头:那头找慢在哪,这头决定该给谁建索引。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,正好用来验证索引到底有没有被选中。
六、哪些情况不该建索引?
四种场景,建了大概率是负收益。
01 超级节点上的属性过滤。一个点挂着几十万条边时,按属性过滤只是把「扫边」换成「查索引再回表取边」,省不下多少。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 讲过这类形状该怎么改,改建模比加索引有效。
02 全图统计与图算法。社区发现、中心性、风险传导这类计算本来就要遍历全图,索引无从下手。
03 选择性极低的属性。状态只有三五个取值、性别只有两个,命中比例高到优化器不会选它,建了也是摆设。
04 一次性分析任务。为一个跑一次的报表建索引,回填的时间比省下的查询时间还长,不如直接跑完删掉。
两个误区收尾。第一个是把索引当性能开关,查询慢就加索引,加到最后写入拖垮;第二个是以为索引建完立刻生效,不看回填、不看执行计划,凭感觉判断有没有用。前者伤写入,后者伤判断。
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,不替代你自己那张图上的索引账。
相关阅读
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:建索引要不要停服,会不会锁住写入?
A:给已有数据补建索引需要回填,回填期间查询会抖、写入会慢,但不等于停服。稳妥的做法是分批建、错开业务高峰,建完先看回填进度再复测。如果一次给多张大表同时建索引,抖动的叠加效应会比单张表明显得多,这一点在测试环境很难复现。
Q3:向量索引和普通属性索引能放在同一个查询里用吗?
A:可以。悦数图数据库把标量、向量、全文、地理空间与时间属性放在同一套点边模型里,混合检索在引擎层完成(据《杭州悦数 2026 宣传册》产品架构页 P12),因此一个查询里可以先用属性条件缩小范围,再在子集上做向量近邻,不需要把数据搬到另一个系统里拼。实际写法上要注意先缩范围再算近邻,顺序反过来,召回结果会不一样。

