图数据库

图数据库面向“关系与记录同样重要”的数据场景。它不会只把关联隐藏在外键和多次 JOIN 中，而是直接将实体表示为节点，将关系表示为边。本标签汇集用于关联数据、知识图谱、AI 上下文和多跳检索的图数据库产品。

通俗解释：图数据库是什么？

简单说，图数据库既保存系统里有哪些对象，也保存这些对象如何连接。客户、商品、文档、账户、事件或概念都可以成为节点；边则可以表示某人购买了某件商品、一个服务依赖另一个服务，或者一条事实支持某个结论。节点和关系还可以带有属性，用来记录名称、时间、权重和状态等细节。

什么时候适合 AI 应用？

AI 系统经常需要处理的不只是语义相似度。模型回答前，可能需要追踪归属关系、时间顺序、依赖、访问权限，或者串联多个相关事实。图数据库可用于知识图谱、GraphRAG、智能体记忆、上下文搜索和可解释的多跳检索。它也可以和向量搜索、全文搜索组合，不必把这些检索方式完全替换掉。

常见使用场景

典型场景包括欺诈与风险网络、推荐系统、客户 360 度视图、身份解析、网络安全拓扑、供应链追踪、社交网络、科研知识和应用依赖地图。当问题主要询问路径、邻居、模式，或者深度不固定的关系时，图模型通常更有价值。

如何比较图数据库？

先查看产品支持属性图还是 RDF，以及是否提供 Cypher、Gremlin、SPARQL、GQL 或 SQL 扩展。然后用有代表性的数据测试导入、关系遍历延迟、索引、更新、备份、监控、SDK、访问控制和多租户隔离。不同系统即使查询语法相似，也不应在未验证前假定完全兼容。

部署、价格和运维成本

产品可能采用全托管、自托管、嵌入式、无服务器模式，也可能属于多模型数据库的一部分。比较存储与计算计费、闲置容量、数据传输、复制与恢复、可用地区及团队运维投入。开源许可证和托管云服务价格是两个不同问题，需要分别确认。

围绕关系问题做选择

图数据库并非适合所有数据。关系型数据库仍擅长结构化事务与集合聚合，向量数据库更专注相似度搜索。当数据之间的连接结构决定核心问题时，再选择图技术，并在生产环境上线前测试真实遍历、更新和故障场景。