NebulaGraph

news2024/10/7 20:26:15

文章目录

      • 关于 NebulaGraph
      • 客户端支持
      • 安装 NebulaGraph
      • 关于 nGQL
        • nGQL 可以做什么
        • 2500 条 nGQL 示例
        • 原生 nGQL 和 openCypher 的关系
      • Backup&Restore
          • 功能
      • 导入导出
          • 导入工具
          • 导出工具
      • NebulaGraph Importer
      • NebulaGraph Exchange
      • NebulaGraph Spark Connector
      • NebulaGraph Flink Connectors
      • NebulaGraph Studio
      • NebulaGraph Dashboard
          • 产品功能
        • NebulaGraph Operator
          • 工作原理
          • 功能介绍
      • NebulaGraph Algorithm 图计算
      • NebulaGraph Bench

关于 NebulaGraph

  • 官网：https://www.nebula-graph.com.cn

  • 官方文档：https://docs.nebula-graph.com.cn/3.8.0/

    手册PDF : https://docs.nebula-graph.com.cn/3.8.0/pdf/NebulaGraph-CN.pdf

客户端支持

NebulaGraph 提供多种类型客户端，便于用户连接、管理 NebulaGraph 图数据库。

  • NebulaGraph Console：原生 CLI 客户端
  • NebulaGraph CPP：C++ 客户端
  • NebulaGraph Java：Java 客户端
  • NebulaGraph Python：Python 客户端
  • NebulaGraph Go：Go 客户端

安装 NebulaGraph

有以下安装方式:

  • 基于 Docker
  • 从云开始（免费试用）
  • 本地部署步骤 1：安装 NebulaGraph

releases : https://github.com/vesoft-inc/nebula-console/releases

关于 nGQL

nGQL是 NebulaGraph 使用的的声明式图查询语言，支持灵活高效的图模式，而且 nGQL 是为开发和运维人员设计的类 SQL 查询语言，易于学习。

nGQL 是一个进行中的项目，会持续发布新特性和优化，因此可能会出现语法和实际操作不一致的问题，如果遇到此类问题，请提交 issue 通知 NebulaGraph 团队。 NebulaGraph 3.0 及更新版本正在支持 openCypher 9。

nGQL 可以做什么
  • 支持图遍历
  • 支持模式匹配
  • 支持聚合
  • 支持修改图
  • 支持访问控制
  • 支持聚合查询
  • 支持索引
  • 支持大部分 openCypher 9 图查询语法（不支持修改和控制语法）
2500 条 nGQL 示例

https://github.com/vesoft-inc/nebula/tree/master/tests/tck/features

features 目录内包含很多.features格式的文件，每个文件都记录了使用 nGQL 的场景和示例。例如：

原生 nGQL 和 openCypher 的关系

原生 nGQL 是由 NebulaGraph 自行创造和实现的图查询语言。openCypher 是由 openCypher Implementers Group 组织所开源和维护的图查询语言，最新版本为 openCypher 9。

由于 nGQL 语言部分兼容了 openCypher，这个部分在本文中称为 openCypher 兼容语句。

Backup&Restore

Backup&Restore（简称 BR）是一款命令行界面（CLI）工具，可以帮助备份 NebulaGraph 的图空间数据，或者通过备份文件恢复数据。

功能
  • 一键操作备份和恢复数据。
  • 支持基于以下备份文件恢复数据：
    • 本地磁盘（SSD 或 HDD），建议仅在测试环境使用。
    • 兼容亚马逊对象存储（Amazon S3）云存储服务接口，例如：阿里云对象存储（Alibaba Cloud OSS）、MinIO、Ceph RGW 等。
  • 支持备份并恢复整个 NebulaGraph 集群。
  • （实验性功能）支持备份指定图空间数据。

导入导出

导入工具

有多种方式可以将数据写入NebulaGraph 3.8.0：

  • 使用命令行 -f 的方式导入：可以导入少量准备好的 nGQL 文件，适合少量手工测试数据准备。
  • 使用 Studio 导入：可以用过浏览器导入本机多个 CSV 文件，格式有限制。
  • 使用 Importer 导入：导入单机多个 CSV 文件，大小没有限制，格式灵活。适合十亿条数据以内的场景。
  • 使用 Exchange 导入：从 Neo4j、Hive、MySQL 等多种源分布式导入，需要有 Spark 集群。适合十亿条数据以上的场景。
  • 使用 Spark-connector/Flink-connector 读写 API：这种方式需要编写少量代码来使用 Spark/Flink 连接器提供的 API。
  • 使用 C++/GO/Java/Python SDK：编写程序的方式导入，需要有一定编程和调优能力。

下图给出了几种方式的定位：

image

导出工具
  • 使用 Spark-connector/Flink-connector 读写 API：这种方式需要编写少量代码来使用 Spark/Flink 连接器提供的 API。
  • 使用 Exchange 导出功能将数据导出至 CSV 文件或另一个图空间（支持不同 NebulaGraph 集群）中。

NebulaGraph Importer

NebulaGraph Importer（简称 Importer）是一款 NebulaGraph 的 CSV 文件单机导入工具，可以读取并批量导入多种数据源的 CSV 文件数据，还支持批量更新和删除操作。

功能

  • 支持多种数据源，包括本地、S3、OSS、HDFS、FTP、SFTP、GCS。
  • 支持导入 CSV 格式文件的数据。单个文件内可以包含多种 Tag、多种 Edge type 或者二者混合的数据。
  • 支持过滤数据源数据。
  • 支持批量操作，包括导入、更新、删除。
  • 支持同时连接多个 Graph 服务进行导入并且动态负载均衡。
  • 支持失败后重连、重试。
  • 支持多维度显示统计信息，包括导入时间、导入百分比等。统计信息支持打印在 Console 或日志中。
  • 支持 SSL 加密。

NebulaGraph Exchange

NebulaGraph Exchange（简称 Exchange）是一款 Apache Spark™ 应用，用于在分布式环境中将集群中的数据批量迁移到 NebulaGraph 中，能支持多种不同格式的批式数据和流式数据的迁移。

Exchange 由 Reader、Processor 和 Writer 三部分组成。Reader 读取不同来源的数据返回 DataFrame 后，Processor 遍历 DataFrame 的每一行，根据配置文件中fields的映射关系，按列名获取对应的值。在遍历指定批处理的行数后，Writer 会将获取的数据一次性写入到 NebulaGraph 中。下图描述了 Exchange 完成数据转换和迁移的过程。

NebulaGraph® Exchange 由 Reader、Processor、Writer 组成，可以完成多种不同格式和来源的数据向 NebulaGraph 的迁移

Exchange 有社区版和企业版两个系列，二者功能不同。社区版在 GitHub 开源开发，企业版属于 NebulaGraph 企业套餐。

NebulaGraph Spark Connector

详情：https://github.com/vesoft-inc/nebula-spark-connector/blob/release-3.8/README_CN.md

NebulaGraph Spark Connector 是一个 Spark 连接器，提供通过 Spark 标准形式读写 NebulaGraph 数据的能力。NebulaGraph Spark Connector 由 Reader 和 Writer 两部分组成。

  • Reader
    提供一个 Spark SQL 接口，用户可以使用该接口编程读取 NebulaGraph 图数据，单次读取一个点或 Edge type 的数据，并将读取的结果组装成 Spark 的 DataFrame。
  • Writer
    提供一个 Spark SQL 接口，用户可以使用该接口编程将 DataFrame 格式的数据逐条或批量写入 NebulaGraph 。

NebulaGraph Flink Connectors

NebulaGraph Flink Connector 是一款帮助 Flink 用户快速访问NebulaGraph的连接器，支持从NebulaGraph图数据库中读取数据，或者将其他外部数据源读取的数据写入NebulaGraph图数据库。

NebulaGraph Studio

NebulaGraph Studio（简称 Studio）是一款可以通过 Web 访问的开源图数据库可视化工具，搭配 NebulaGraph 内核使用，提供构图、数据导入、编写 nGQL 查询等一站式服务。

用户可以在 NebulaGraph GitHub 仓库中查看最新源码，详情参见 nebula-studio https://github.com/vesoft-inc/nebula-studio。

Studio 可以方便管理 NebulaGraph 数据，具备以下功能：

  • 使用 Schema 管理功能，用户可以使用图形界面完成图空间、Tag（标签）、Edge Type（边类型）、索引的创建，查看图空间的统计数据，快速上手 NebulaGraph 。
  • 使用导入功能，通过简单的配置，用户即能批量导入点和边数据，并能实时查看数据导入日志。
  • 使用控制台功能，用户可以使用 nGQL 语句创建 Schema，并对数据执行增删改查操作。

NebulaGraph Dashboard

NebulaGraph Dashboard（简称 Dashboard）是一款用于监控 NebulaGraph 集群中机器和服务状态的可视化工具。

产品功能
  • 监控集群中所有机器的状态，包括 CPU、内存、负载、磁盘和流量。
  • 监控集群中所有服务的信息，包括服务 IP 地址、版本和监控指标（例如查询数量、查询延迟、心跳延迟等）。
  • 监控集群本身的信息，包括集群的服务信息、分区信息、配置和长时任务。
  • 支持全局调整监控数据的页面更新频率。
NebulaGraph Operator

NebulaGraph Operator 是用于在 Kubernetes 系统上自动化部署和运维 NebulaGraph 集群的工具。

依托于 Kubernetes 扩展机制，NebulaGraph 将其运维领域的知识全面注入至 Kubernetes 系统中，让 NebulaGraph 成为真正的云原生图数据库。

operator_map

工作原理

对于 Kubernetes 系统内不存在的资源类型，用户可以通过添加自定义 API 对象的方式注册，常见的方法是使用 CustomResourceDefinition（CRD）。

NebulaGraph Operator 将 NebulaGraph 集群的部署管理抽象为 CRD。通过结合多个内置的 API 对象，包括 StatefulSet、Service 和 ConfigMap，NebulaGraph 集群的日常管理和维护被编码为一个控制循环。在 Kubernetes 系统内，每一种内置资源对象，都运行着一个特定的控制循环，将它的实际状态通过事先规定好的编排动作，逐步调整为最终的期望状态。当一个 CR 实例被提交时，NebulaGraph Operator 会根据控制流程驱动数据库集群进入最终状态。

功能介绍

NebulaGraph Operator 已具备的功能如下：

  • 集群创建和卸载：NebulaGraph Operator 简化了用户部署和卸载集群的过程。用户只需提供对应的 CR 文件，NebulaGraph Operator 即可快速创建或者删除一个对应的 NebulaGraph 集群。更多信息参见创建 NebulaGraph 集群。
  • 集群升级：支持升级 3.5.0 版的 NebulaGraph 集群至 3.6.0 版。
  • 故障自愈：NebulaGraph Operator 调用 NebulaGraph 集群提供的接口，动态地感知服务状态。一旦发现异常，NebulaGraph Operator 自动进行容错处理。更多信息参考故障自愈。
  • 均衡调度：基于调度器扩展接口，NebulaGraph Operator 提供的调度器可以将应用 Pods 均匀地分布在 NebulaGraph 集群中。

NebulaGraph Algorithm 图计算

NebulaGraph Algorithm （简称 Algorithm）是一款基于 GraphX 的 Spark 应用程序，通过提交 Spark 任务的形式使用完整的算法工具对 NebulaGraph 数据库中的数据执行图计算，也可以通过编程形式调用 lib 库下的算法针对 DataFrame 执行图计算。

NebulaGraph Bench

NebulaGraph Bench 是一款利用 LDBC 数据集对 NebulaGraph 进行性能测试的工具。

2024-05-21（二）

在这里插入图片描述

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1686672.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

临时工说：为什么成熟的数据库企业都在云上部署产品，并把主要力量放到云上...

临时工说：为什么成熟的数据库企业都在云上部署产品，并把主要力量放到云上...

开头还是介绍一下群，如果感兴趣PolarDB ,MongoDB ,MySQL ,PostgreSQL ,Redis, Oceanbase, Sql Server等有问题，有需求都可以加群群内有各大数据库行业大咖，可以解决你的问题。加群请联系 liuaustin3 ，（共2320人左右 1 …
阅读更多...
网站笔记：huggingface——can you run it？

网站笔记：huggingface——can you run it？

Can You Run It? LLM version - a Hugging Face Space by Vokturz 1 配置设置部分 Model Name就是需要测量的模型名称 GPU Vendor ——GPU供应商 Filter by RAM (按RAM过滤) 筛选出所有内存容量在选择范围之间的GPU GPU 下拉菜单选择具体的GPU型号 LoRa % trainable param…
阅读更多...
如何用VSCode debug Python文件

如何用VSCode debug Python文件

诸神缄默不语-个人CSDN博文目录 需求：我其实一般都用print大法来“调试”程序，但是有时对于机械性比较强但是又有些复杂的程序，还是debug比较方便。 debug功能我之前用过NetBeans和eclipse，应该可以明显看出来我是Java转Python党…
阅读更多...
做好智慧校园的顶层设计，助力教育信息化发展

做好智慧校园的顶层设计，助力教育信息化发展

教育信息化已被视为我国教育事业发展的重要支撑。随着国家教育信息化一系列重大工程的部署和实施，我国教育信息化进入快速发展时期，取得了显著成绩。我们认识到国家教育信息化正由初步应用融合阶段向着全面融合创新阶段过度，无论从国家地区的…
阅读更多...
上位机图像处理和嵌入式模块部署（mcu之芯片选择）

上位机图像处理和嵌入式模块部署（mcu之芯片选择）

【 声明：版权所有，欢迎转载，请勿用于商业用途。 联系信箱：feixiaoxing 163.com】 目前市面上的mcu很多，有国产的，有进口的，总之种类很多。以stm32为例，这里面又包括了stm32f1、stm32…
阅读更多...
local dimming（局部调光）介绍

local dimming（局部调光）介绍

文章目录 1. 什么是local dimming2. 工作原理3. 类型4. 优点5. 缺点和局限7. 技术发展趋势 1. 什么是local dimming local dimming（局部调光）是电视和显示器中用于提升画面对比度和画质的背光技术。其基本原理是将背光源（通常是LED&#xff…
阅读更多...
python写接口性能测试

python写接口性能测试

import time import requestsdef measure_response_time(api_url):try:start_time time.time()response requests.get(api_url, timeout10) # 设置超时时间为10秒end_time time.time()response_time end_time - start_timeprint(f"接口 {api_url} 的响应时间为&#…
阅读更多...
UE5 OnlineSubsystem Steam创建会话失败解决方法

UE5 OnlineSubsystem Steam创建会话失败解决方法

连接上Steam但是创建会话失败 解决方法 在DefaultEngine.ini中加上bInitServerOnClienttrue,这个其实在官方文档里用注释给出了，直接取消注释就行 删除项目目录中的Saved、Internmediate、Binaries目录 右键你的项目.uproject选择Generate Visual Studio project f…
阅读更多...
QT 圆盘百分比

QT 圆盘百分比

1. /* 设置抗锯齿 */painter.setRenderHints(QPainter::Antialiasing, true);/* 最外层的圆 */QRect drawRect event->rect();QRadialGradient gradient1(drawRect.center(), drawRect.width() / 2, drawRect.center()); gradient1.setColorAt(0, Qt::transparent); gradi…
阅读更多...
志愿者招募|基于SSM＋vue的志愿者招募网站系统的设计与实现(源码+数据库+文档)

志愿者招募|基于SSM＋vue的志愿者招募网站系统的设计与实现(源码+数据库+文档)

志愿者招募网站 目录 基于SSM＋vue的志愿者招募网站系统的设计与实现 一、前言 二、系统设计 三、系统功能设计 1系统功能模块 2后台登录模块 5.2.1管理员功能 5.2.2用户功能 5.2.3志愿组织功能 四、数据库设计 五、核心代码 六、论文参考 七、最新计…
阅读更多...
【Qt常用控件】—— 布局管理器

【Qt常用控件】—— 布局管理器

目录 前言 （一）垂直布局 （二）水平布局 （三）网格布局 （四）表单布局 （五）分组布局 （六）Spacer 总结 前言 之前使⽤Qt在界⾯上…
阅读更多...
【软件工程】【23.10】p2

【软件工程】【23.10】p2

关键字： 软件复用技术、过程途径、特定需求是文档核心、数据字典条目、高内聚低耦合独立性、数据流图映射模块结构图、UML依赖、用例图关系、RUB迭代、程序规格说明等价类划分、有效性测试的目标、喷泉模型面向对象、软件验证过程、CMMI
阅读更多...
15.回归问题

15.回归问题

回归问题是机器学习领域中的核心问题之一，它旨在通过拟合数据点来建立数学模型，以预测因变量的值。回归问题不仅广泛应用于金融、医疗、工程等领域，也是数据分析和机器学习算法研究的重要基础。本文将深入探讨回归问题的基本概念、数学原理、…
阅读更多...
Java | Leetcode Java题解之第100题相同的树

Java | Leetcode Java题解之第100题相同的树

题目&#xff1a; 题解&#xff1a; class Solution {public boolean isSameTree(TreeNode p, TreeNode q) {if (p null && q null) {return true;} else if (p null || q null) {return false;}Queue<TreeNode> queue1 new LinkedList<TreeNode>();…
阅读更多...
回文排列00

回文排列00

题目链接 回文排列 题目描述 注意点 回文串不一定是字典当中的单词 解答思路 因为本题中回文串不一定是字典当中的单词&#xff0c;所以使用Map存储每个字符出现的次数&#xff0c;并统计出现次数为奇数的字符的数量&#xff0c;如果多余1个&#xff0c;则不是回文排列 代…
阅读更多...
Mia for Gmail for Mac：Mac用户的邮件管理首选

Mia for Gmail for Mac：Mac用户的邮件管理首选

对于追求高效工作的Mac用户来说&#xff0c;Mia for Gmail for Mac无疑是邮件管理的首选工具。它以其卓越的性能和丰富的功能&#xff0c;为用户带来了前所未有的高效邮件管理体验。 Mia for Gmail for Mac不仅支持多帐号登录和标签选择功能&#xff0c;还提供了邮件分类、垃圾…
阅读更多...
如何选择序列化协议：关键因素与场景分析

如何选择序列化协议：关键因素与场景分析

如何选择序列化协议&#xff1a;关键因素与场景分析 序列化协议的选择直接影响着系统的性能、可维护性及跨平台兼容性。以下是针对不同场景下&#xff0c;几种常见序列化协议的选择建议&#xff1a; 1. 公司间系统调用&#xff08;性能要求宽松&#xff09; SOAP (基于XML)&a…
阅读更多...
【Python】 Python脚本中的#!（Shebang）：使用指南与最佳实践

【Python】 Python脚本中的#!（Shebang）：使用指南与最佳实践

基本原理 在Python脚本编程中&#xff0c;#!&#xff08;通常称为shebang&#xff09;是一个特殊的行&#xff0c;它告诉操作系统使用哪个解释器来执行脚本。在Unix-like系统中&#xff0c;shebang是必需的&#xff0c;因为它允许脚本作为独立的程序运行&#xff0c;而不需要显…
阅读更多...
揭秘：APP广告变现逻辑

揭秘：APP广告变现逻辑

APP广告变现项目逻辑 一、项目背景与目标 在当今数字化时代&#xff0c;移动应用&#xff08;APP&#xff09;已成为人们日常生活中不可或缺的一部分。随着智能手机的普及&#xff0c;APP市场呈现出爆炸性增长&#xff0c;为开发者提供了巨大的商业机会。然而&#xff0c;如何在…
阅读更多...
全球点赞第一人颜廷利：英文“China”中国及瓷器背后的易经最前沿教育思想

全球点赞第一人颜廷利：英文“China”中国及瓷器背后的易经最前沿教育思想

在全球化的语境中&#xff0c;“China”一词不仅标识了一个国家&#xff0c;它还承载了一种文化符号——瓷器。这种看似简单的词汇背后&#xff0c;蕴藏着丰富的哲学思想和深刻的文化意蕴。 让我们从一种不同的角度来审视这个词汇。当我们将“China”作为音译词进行解读时&…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023