一、圖數據庫neo4j和spark下面的graphx有什么區別

neo4j是native graph database，也就是有自己的數據庫存儲。它的長處在于支持交互式查詢，屬于oltp系統，很多人說不支持分片存儲使其無法應付海量數據，本人覺得恰恰相反，可以說neo4j的存儲方式是教科書式的以空間換時間，每臺服務器配備ssd磁盤陣列雖然貴，但是可以大幅減少分片存儲的帶寬占用和通信時間開銷，保證oltp的效率。

neo4j很容易上手，特有的cypher查詢語言以畫草圖的方式查詢和建模數據，很直觀。適當構建查詢計劃的情況下，neo4j的查詢效率很高，能夠迅速從整網中找出符合特定模式的子網，供隨后分析之用。

此外，neo4j實現了tinkerpop接口，tinkerpop是剛剛畢業的一個阿帕奇項目，有望建立圖數據庫的一套標準用戶接口。同樣實現tinkerpop的還有titan，orient等主流圖數據庫。

再來看graphX。

graphX是spark的系統組件，存儲是基于spark rdd的，有節點和邊兩種rdd。熟悉spark的朋友對rdd該不會陌生，spark通過緩存rdd的操作節省了大量計算和io開支，因此spark特別適合對海量數據進行運算，此理同樣適用于graphX。因此，graphX自設計之初就是奔著圖計算的目標去的，屬于olap系統，而非oltp系統。

graphX有豐富的函數庫，能完成很多經典圖算法，如pagerank、三角計數、社群發現、最短路徑計算等等。此外，圖存儲和計算的方式不禁讓人想到神經網絡算法，如果將隱層用節點rdd表示，隱層之間的邊用邊rdd表示，運用graphX的計算優勢搭建起一套多層神經網絡的想法很美妙，這應該就是MLlab相應算法模塊的工作原理。

因此跟graphx相關的概念集中在圖計算，而非圖存儲和查詢領域。所以經常瀏覽db-engines的朋友們不難發現，圖數據庫列表里就沒有graphx這一項。在比較圖存儲和圖查詢性能時，比較集合多是neo4j、orientdb、titan、arangodb等圖數據庫系統。而比較圖計算時，比較集合多是graphlab、giraph、graphX。

簡言之，圖數據庫系統和圖計算系統不是一回事：前者是為了存儲完整數據，并根據需求從中查詢數據子集供分析展示之用；后者的任務是拿到一個圖結構的數據集，從中計算一些有用的東西。

如果你有隨時增長的海量數據，希望以圖的方式存儲這些數據，從而能在需要時順利挖出一個子圖來，那就要借助于圖數據庫，此時如果你有充足的資金，neo4j是不二之選，否則就要從db-engines里面第二名以后的一眾數據庫里挑選。進一步，如果你的需求不只停留在查詢，還要依據查詢結果計算出一些圖的特征來，那么建議你將圖數據庫系統同圖計算系統聯合使用。

延伸閱讀：

二、圖數據庫優點有什么

使用圖（或者網）的方式來表達現實世界的關系很直接、自然，易于建模。比如某人喜歡看某電影，就可以建立一條邊連接這個人和這部電影，這條邊就叫做“喜歡”邊，同時這個人還可以有其它邊，比如“朋友”邊、“同學”邊等，同樣這個電影也可以有其它邊，比如“導演”邊、“主演”邊等，這樣就構建了自然的關系網。圖數據庫可以很高效的插入大量數據。圖數據庫面向的應用領域數據量可能都比較大，比如知識圖譜、社交關系、風控關系等，總數據量級別一般在億或十億以上，有的甚至達到百億邊。mysql不做分表分庫的情況下插入百萬數據基本就慢到不行，圖數據庫基本能勝任億級以上的數據，比如neo4j、titan(janus)、hugegraph等圖數據庫，持續插入十億級的數據基本還能保持在一個較高的速度。圖數據庫可以很高效的查詢關聯數據。傳統關系型數據庫不擅長做關聯查詢，特別是多層關聯（比如查我的好友的好友有哪些人），因為一般來說都需要做表連接，表連接是一個很昂貴的操作，涉及到大量的IO操作及內存消耗。圖數據庫對關聯查詢一般都進行針對性的優化，比如存儲模型上、數據結構、查詢算法等，防止局部數據的查詢引發全部數據的讀取。