知识图谱-
作者：互联网
1. 图数据库
- 数据库分类: 传统的关系数据库和NoSQL数据库
传统的关系数据库：mySQL、oracle
NoSQL数据库分为Graph，Document，Column Family以及Key-Value Store等四种,分别对应titan、ES、hbase、redis。- 图数据库相对于传统关系型数据库的优点
（1）传统关系型数据库为每一类实体建表，但没有对关系进行表示的机制。因此在更多实体引入之后，我们将需要越来越多的关联表，从而使得基于关系型数据库的解决方案繁琐易错。
（2）图数据库由于其独特的设计，为关系和属性的查询提供了快速的解决方案。- 常见的图数据库
titan、neo4j、OrientDB、JanusGraph、HugeGraph、Trinity
1.4 图数据库比较
4.1 neo4j与titan和JanusGraph：
（1）neo4j的用户生态更加完整，使用量多，受欢迎数据库排名第1。
（2）开源版neo4j不支持分布式，而JanusGraph支持分布式。
（3）neo4j的表示语言不直观，没有sql方便
4.3 Trinity与JanusGraph和Neo4j：
Trinity中的边作为Node的属性存在，本身不能具有属性；JanusGraph和Neo4j的边本身是一个对象，可以具有属性
4.4 titan与JanusGraph
JanusGraph是titan的升级版，titan目前已无人维护。
titan存在的问题：
（1）Titan 1.0.0仅仅稳定支持hadoop 1.2.1
（2）Titan 1.0.0采用较新版本的slf4j(1.7.5)和Hadoop采用的slf4j(1.4.3)版本不一致，可能会导致基于Hadoop的Titan图数据库运算，如mr.updateIndex不能正常运行.
（3）Titan 1.0.0，其PageRankVertexProgram，针对大规模顶点（>= 1000万）时，由于程序bug，没有保存部分顶点的PageRank值
2 图查询语句
2.1 总结
SQL：数据以表形式存在，有比较强的schema定义，表间的数据关联以联接(join)的方式实现。这是一种事实标准，大部分人都想把其它问题也转换回SQL或类SQL的方式上来。
SPARQL：面向RDF(Resource Description Framework)的三元组数据，W3C标准，无schema，在研究中应用非常广泛。SPARQL的查询与RDF是一致的，RDF是图，SPARQL查询是子图匹配。
Gremlin：数据以属性图的形式存在，可以认为是上面两种的混合体，属性仍然在表中，但是联接关系是直接以链接（比如指针）的形式存在的。查询的本质是图遍历，擅长解决求图的直径、点到点之间的路径，比如刘德华连接奥巴马需要几度关系。
Cypher: Neoj4数据库使用的图查询语言
2.2 缺点
1、SQL的问题：
这里涉及到一个问题，属性值并不总是单一值（List），而SQL表是有这个假设的（比如MySQL，PostgreSQL是有Array类型的）。针对每一个多值属性都需要进行额外拆表，这对表的管理带来了巨大挑战。查询时频繁地进行多表联接对数据库性能也是个挑战。另外，也可以直接在关系型数据库中存储三元组，但是查询效率并不高。
2、SPARQL：
Free Schema的方式，在使用Gremlin时可能需要创建的很多表，造成使用不便，效率低下，可以考虑这种方式，例如知识图谱的应用场景
2.3 查询语句介绍
标签：titan,SQL,图谱,数据库,知识,查询,JanusGraph,属性 来源： https://blog.csdn.net/weixin_36378508/article/details/120206927