AgensGraph 完全指南 / 第 01 章：AgensGraph 与图数据库基础

第 01 章：AgensGraph 与图数据库基础

1.1 为什么需要图数据库？

1.1.1 关系型数据库的局限

传统关系型数据库（RDBMS）在处理高度关联数据时面临天然的瓶颈。考虑一个典型场景：在社交网络中查找"朋友的朋友"。

-- 关系型方案：多层 JOIN
SELECT DISTINCT u3.name
FROM users u1
JOIN friendships f1 ON u1.id = f1.user_id
JOIN users u2 ON f1.friend_id = u2.id
JOIN friendships f2 ON u2.id = f2.user_id
JOIN users u3 ON f2.friend_id = u3.id
WHERE u1.name = '张三'
  AND u3.id != u1.id;

当查询深度增加到 3 层、5 层甚至更多时，JOIN 的数量呈指数级增长，查询性能急剧下降。这正是关系型模型的"关联诅咒"（Join Curse）。

注：k 为平均邻居数（average degree），图数据库的复杂度虽然也是指数级，但常数因子远小于 JOIN 操作。

1.1.2 图数据库的核心思想

图数据库将数据之间的关系视为"一等公民"（First-Class Citizen），与数据本身同等重要。其核心理念：

1. 关系是预物化的：不需要运行时通过 JOIN 计算，关系在写入时已经存储
2. 遍历是 O(1) 操作：沿关系导航的代价与数据总量无关，只与遍历深度有关
3. Schema 灵活：图结构天然适合渐进式演化

1.1.3 图数据库 vs 关系型数据库

1.2 图数据库核心概念

1.2.1 Property Graph 模型

AgensGraph 采用 属性图模型（Property Graph Model），这是目前最主流的图数据模型。一个属性图由以下元素组成：

┌──────────────┐   knows_since: 2020    ┌──────────────┐
│  Vertex      │ ─────────────────────▶ │  Vertex      │
│  label: Person                        │  label: Person
│  {                                   │  {
│    name: "Alice",                     │    name: "Bob",
│    age: 30                           │    age: 28
│  }                                   │  }
└──────────────┘                        └──────────────┘

核心元素：

形式化定义：

属性图 G = (V, E, λ, σ)
  V: 顶点集合
  E: 边集合 (E ⊆ V × V)
  λ: 标签函数 — 为顶点和边分配标签
  σ: 属性函数 — 为顶点和边分配键值属性

1.2.2 顶点（Vertex）

顶点是图中的基本实体单元，具有以下特征：

• 唯一标识：每个顶点在图中有唯一 ID
• 标签（Label）：一个或多个类型标记，如 Person、Employee
• 属性（Properties）：任意数量的键值对

-- 创建一个带标签和属性的顶点
CREATE (a:Person:Employee {
  name: '张三',
  age: 30,
  department: '技术部',
  join_date: date('2022-03-15')
})
RETURN a;

1.2.3 边（Edge）

边表示顶点之间的关系，具有以下特征：

• 有方向：每条边都有起始顶点和终止顶点
• 唯一标识：每条边有唯一 ID
• 单一类型：每条边有一个标签（关系类型）
• 可带属性：与顶点一样可以携带属性

-- 创建带属性的边
MATCH (a:Person {name: '张三'}), (b:Person {name: '李四'})
CREATE (a)-[r:KNOWS {since: 2020, context: '大学同学'}]->(b)
RETURN r;

1.2.4 标签（Label）

标签是对顶点或边进行分类的机制，类似于面向对象编程中的"类"（Class）。

标签特性：
  ├─ 一个顶点可以有多个标签  →  (:Person:Employee:Manager)
  ├─ 标签是可选的            →  可以有无标签的顶点
  ├─ 标签不等于类型          →  同一标签的顶点可以有不同的属性
  └─ 标签用于索引和查询优化   →  可在标签上创建索引

1.2.5 属性（Property）

属性是以键值对形式存储的数据，其中：

• 键（Key）：字符串类型
• 值（Value）：支持多种数据类型

1.3 图数据库全景

1.3.1 主流图数据库对比

1.3.2 AgensGraph 的独特定位

AgensGraph 的核心差异化在于PostgreSQL 深度融合：

传统方案（双数据库）:
  ┌─────────────┐     API     ┌─────────────┐
  │ PostgreSQL  │ ◀─────────▶ │  Neo4j      │
  │ (关系数据)  │             │  (图数据)   │
  └─────────────┘             └─────────────┘
  → 数据同步复杂、一致性难保证、运维成本高

AgensGraph 方案（单数据库）:
  ┌─────────────────────────────────────┐
  │            AgensGraph               │
  │  ┌───────────┐  ┌───────────────┐  │
  │  │ SQL 引擎  │  │  图查询引擎   │  │
  │  └─────┬─────┘  └──────┬────────┘  │
  │        └──────┬────────┘           │
  │         共享存储引擎                 │
  │         共享事务管理                 │
  └─────────────────────────────────────┘
  → 统一事务、零数据同步、单一运维入口

1.4 AgensGraph 发展历程

1.5 第一个图：Hello Graph

在深入学习之前，先通过一个简单例子感受图查询的魅力。

场景：小型社交网络

-- 创建人物节点
CREATE (alice:Person {name: 'Alice', age: 30});
CREATE (bob:Person {name: 'Bob', age: 28});
CREATE (carol:Person {name: 'Carol', age: 32});
CREATE (dave:Person {name: 'Dave', age: 25});

-- 创建关系
MATCH (a:Person {name: 'Alice'}), (b:Person {name: 'Bob'})
CREATE (a)-[:KNOWS {since: 2020}]->(b);

MATCH (a:Person {name: 'Alice'}), (c:Person {name: 'Carol'})
CREATE (a)-[:KNOWS {since: 2019}]->(c);

MATCH (b:Person {name: 'Bob'}), (c:Person {name: 'Carol'})
CREATE (b)-[:KNOWS {since: 2021}]->(c);

MATCH (c:Person {name: 'Carol'}), (d:Person {name: 'Dave'})
CREATE (c)-[:KNOWS {since: 2022}]->(d);

查询：找到 Alice 的朋友的朋友

MATCH (alice:Person {name: 'Alice'})-[:KNOWS*2]->(fof:Person)
WHERE fof.name <> 'Alice'
RETURN DISTINCT fof.name AS friend_of_friend;

查询结果

注意：Bob 是 Alice 的直接朋友，不会出现在"朋友的朋友"结果中（除非通过其他路径也是 2 跳可达）。

对比 SQL 实现

-- 等价 SQL 查询（假设关系存储在 friendships 表中）
SELECT DISTINCT p3.name AS friend_of_friend
FROM persons p1
JOIN friendships f1 ON p1.id = f1.person_id
JOIN persons p2 ON f1.friend_id = p2.id
JOIN friendships f2 ON p2.id = f2.person_id
JOIN persons p3 ON f2.friend_id = p3.id
WHERE p1.name = 'Alice'
  AND p3.name != 'Alice'
  AND p3.id NOT IN (
    SELECT f.friend_id FROM friendships f
    JOIN persons p ON f.person_id = p.id
    WHERE p.name = 'Alice'
  );

差距显而易见——Cypher 更直观、更简洁、更接近人类对"关系"的思维方式。

1.6 本章小结

1.7 练习

1. 概念辨析：解释 Vertex、Edge、Label、Property 之间的关系。
2. 场景分析：以下场景哪些适合用图数据库？说明理由。
   • 电商订单管理
   • 社交网络推荐
   • 库存管理
   • 知识图谱问答
3. 动手实践：使用 CREATE 语句创建一个包含 5 个顶点和 6 条边的小型图。

1.8 扩展阅读

• Graph Database Concepts — Neo4j
• Property Graph Model — GQL Standard
• The Graph Data Modeling Book
• Bitnine AgensGraph Official Site
• PostgreSQL Documentation