技术分享，如何用Ultipa Graph构建网站后台数据库？

时间：2023-08-01 07:27:01 | 来源：网站运营

时间：2023-08-01 07:27:01 来源：网站运营

技术分享，如何用Ultipa Graph构建网站后台数据库？：在数据库设计开发之初，开发人员都会面临一个重要的选择：用哪个数据库呢？用什么数据库技术来实现呢？在本文中，我们将以构建一套文档系统为例，具体阐述用Ultipa Graph如何将开发需求转化成图数据库的存储结构，以及图数据库区别于传统关系型数据库有哪些优势。

一 快捷| 5步完成设计创建

1.了解功能需求。在设计数据库之前，设计人员必须要先了解系统的功能需求。这里可以通过阅读产品需求规格说明书，与项目相关人员（比如项目经理、客户等）进行充分沟通。
2.定义实体及关系。了解系统功能需求之后，设计人员通过分析系统功能定义出系统有哪些实体，以及实体之间的关系。

比如，用户阅读响应权限的不同语言的书目及文章，可包含五种实体：
1.用户
2.权限
3.书目
4.文章
5.语言
五种关系：
1.用户-权限
2.书目-权限
3.文章-权限
4.书目-语言
5.书目-文章

对应五种属性定义：

用户-权限	用户id，权限id，授权时间，过期时间
书目-权限	书目id，权限id
文章-权限	文章id，权限id
书目-语言	书目id，语言id
书目-文章	书目id，文章id

3.绘制点边图示例。定义好实体和关系之后，接下来我们应该根据实体以及实体之间的关系绘制出点、边图。看图如下：

4.总结边的创建规则。
绘制好点边图以后，总结一下图中边的创建规则：
1.用户-权限：每个用户可以有多个权限，每个权限可以对应多个用户；
2.书目-权限：每本书可以有多个权限，每个权限可以对应多本书；
3.文章-权限：每篇文章可以有多个权限，每个权限可以对应多篇文章；
4.书目-语言：每本书只能有一种语言，每种语言可以对应多本书；
5.书目-文章：每本书可以有多篇文章，每篇文章只能对应一本书。


5.创建数据结构。使用UQL语言进行图集、schema、属性的创建：

至此，数据库创建任务已经完成！值得一提的是，程序员可以明显地看到，在过去几十年中，很多程序员已经被训练的一定要先了解数据模型，不论它是关系型表结构还是实体E-R模式图，这也让开发流程变得更加复杂和缓慢，请问，你还记得上一次参与解决方案的开发周期有多长？一个季度？半年？一年还是更久？在一个有8000张表的Oracle数据库中，没有任何一个DBA可以完全掌握所有表之间的关联关系，这个时候体验一下用图数据库来操作一把吧。

二 精简| 图数据与表数据相比的优势

一是，点、边分离，思路更清晰。传统数据库的设计过程往往是把重心放在各种“表”的构建上，如将上面列举的应用场景用关系型数据库的表结构来表达，见下图：

如图2所示，可清晰地看到表之间的区别：其中，五张彩色表对应的是图数据中的五种实体（彩色表可看作实体表），五张灰色表对应的则是图数据中的五种关系（灰色表即为关系表）。图数据、表数据虽然都存储了同样的信息，但是直观上来讲，图数据将“关系表”抽离出来，对其赋予了“边”的概念并进行存储，能把开发者从茫茫表海中解救出来，将更多的注意力放在实体上，有助于在建库之后对数据进行灵活多样的查询与分析。
二是，通过面向点、边的路径查询来替代传统SQL类数据库的多表关联查询，原因是图数据对“边”概念进行提炼的初衷是要从根本上改变数据的关联方式和存储方式，让边在查询时所发挥的作用大大超过联表查询中的“关系表”，即将针对传统关系表进行的联表查询，变成针对点、边图进行的路径查询，这是图数据查询比表数据查询速度更快的根本原因。

由于边在图中所起的作用是连接两个点，图数据库需要对边的起点和终点进行特殊管理。在为图中的边创建属性时，以前面例子中的“用户-权限”边为例，开发者并不需要创建“用户id”和“权限id”这两个属性，原因是“用户id”和“权限id”分别是“用户-权限”边的起点和终点，而起点和终点在图数据中被视为边的固有属性，是由系统自动创建并进行管理的。

虽然关系型数据库在业界仍占主流，但由于其天生的限制条件亟待被优化或技术替代：
1.扩展困难：由于存在类似Join这样多表查询机制，使得数据库在扩展方面很艰难；
2.读写慢：这种情况主要发生在数据量达到一定规模时，由于关系型数据库的系统逻辑非常复杂，使得其非常容易发生死锁等的并发问题，所以导致其读写速度下滑非常严重；
3.成本高：企业级数据库的License价格很惊人，并且随着系统的规模，而不断上升;
4.有限的查询效率：现有关系型解决方案还无法支撑海量数据存储的高效查询。


图数据库的所有特点都是相对 于传统数据库而言的，尤其是关系型数据库。简单而言，图数据库有三大特点：
1.高维
2.高性能
3.高效率


我们正处于一个大数据的时代，互联网和移动互联网络的快速发展带来了数据产生速率的极大增长，相比于传统的关系型数据库中的关系表（见图2），图数据库（图3）就是被人们创造出来解决这种不断增长的数据挑战的利器——采用可描述复杂关联关系的高维拓扑结构，通过可视化的方式，即能创建一套达到事半功倍支持海量数据和流量、管理部署简单、提升用户满意度和优化运营成本的网站后台数据库了。