dgraph

本文首发于 Nebula Graph 官方博客： https://nebula-graph.com.cn/posts/nebula-graph-risk-control-boss-zhipin/ 摘要：在本文中，BOSS 直聘大数据开发工程师主要分享一些他们内部的技术指标和选型，以及很多小伙伴感兴趣的 Dgraph 对比使用经验。 业务背景 在 Boss 直聘的安全风控技术中，需要用到大规模图存储和挖掘计算，之前主要基于自建的高可用 Neo4j 集群来保障相关应用，而在实时行为分析方面，需要一个支持日增 10 亿关系的图数据库，Neo4j 无法满足应用需求。 针对这个场景，前期我们主要使用 Dgraph ，踩过很多坑并和 Dgraph 团队连线会议，在使用 Dgraph 半年后最终还是选择了更贴合我们需求的 Nebula Graph 。具体的对比 Benchmark 已经有很多团队在论坛分享了，这里就不再赘述，主要分享一些技术指标和选型，以及很多小伙伴感兴趣的 Dgraph 对比使用经验。 技术指标 硬件 配置如下： 处理器：Intel(R) Xeon(R) Gold 6230 CPU @ 2.10GHz 80(cores) 内存：DDR4，128G 存储：1.8T SSD 网络：万兆 Nebula Graph 部署 5 个节点，按官方建议 3 个 metad / 5 个

dgraph 实现基本操作 简单介绍 dgraph 是一个分布式图数据库 mutate 为一个突变, 一般认为添加数据或者是删除数据为一个突变 query 为一个查询 golang实现dgraph的基本操作 dgraph实现社交关系中的正反向查询 创建基础数据库 { set { _:wangha <name> "wangha" . _:wangha <age> "17" . _:wangha <from> "China" . _:wangha <usernameOFen> "wangha" . _:wangha <usernameOFcn> "王哈" . _:wangha <usernameOFjp> "王ハ" . _:wangha <friend> _:cyc . _:wangha <friend> _:xhe . _:cyc <name> "chenchao" . _:cyc <age> "18" . _:cyc <from> "China" . _:cyc <usernameOFen> "ChaoChen" . _:cyc <usernameOFcn> "陈超" . _:xhe <name> "xhe" . _:xhe <age> "18" . _:xhe <from> "Japan" . _:xhe <usernameOFcn> "x鹤" . _:cxy <name>

dgraph 单机的已经运行过了，以下是一个简单的集群环境运行，以及试用 环境准备 docker-compose 文件 version: "3.2" services: zero1: image: dgraph / dgraph: latest volumes: - data - volume1: /dgraph ports: - 5080: 5080 - 6080: 6080 command: dgraph zero -- my = zero1: 5080 -- replicas 3 -- idx 1 zero2: image: dgraph / dgraph: latest volumes: - data - volume2: /dgraph ports: - 5081: 5081 - 6081: 6081 command: dgraph zero - o 1 -- my = zero2: 5081 -- replicas 3 -- peer zero1: 5080 -- idx 2 zero3: image: dgraph / dgraph: latest volumes: - data - volume3: /dgraph ports: - 5082: 5082 - 6082: 6082 command: dgraph zero - o 2 -- my = zero3:

dgraph 简介 dgraph 使用示例(基于 golang) golang client 安装 创建 schema 数据的 CURD 事务 总结 dgraph 简介 dgraph 是基于 golang 开发的开源的分布式图数据库. 诞生时间不长, 发展却很迅速. 目前是 v20.x 版本, dgraph 集群主要包含 3 种节点: Zero: 是集群的核心, 负责调度集群服务器和平衡服务器组之间的数据 Alpha: 保存数据的 谓词 和 索引 . 谓词包括数据的 属性 和数据之间的 关系 ; 索引是为了更快的进行数据的过滤和查找 Ratel: dgraph 的 UI 接口, 可以在此界面上进行数据的 CURD, 也可以修改数据的 schema 通过增加 Alpha 的数量完成 dgraph 的水平扩展. dgraph 是 golang 开发的, 所以部署非常简单, 更简单的方式是使用 docker docker pull dgraph/dgraph:latest 然后配置一个 docker-comopse.yml, 一键启动 dgraph 服务: version: "3.2" services: zero: image: dgraph/dgraph:latest volumes: - type: volume source: dgraph target: /dgraph

你想知道百亿级图谱如何实现毫秒级查询吗？社区众多的图数据库中如何才能挑选到一款适合实际应用场景的图数据库呢？贝壳找房的行业图谱480亿量级的三元组究竟是如何存储的呢？ 本文分享的主题《分布式图数据库在贝壳找房的应用实践》将带你探索上述问题并从中得到解答，共分为以下五大块内容： 图数据库简介 图数据库技术选型 图数据库平台建设 原理&优化&不足 未来规划 一、图数据库简介 先来看一个问题：贝壳找房最大的图谱——行业图谱，目前量级已经达了480亿三元组，如此海量的图谱数据究竟应该如何存储，如何查询，才能满足高并发场景下的毫秒级响应，从而支持贝壳业务的快速发展呢？我们带着这个问题开始本次的分享。 1、为什么需要图数据库？ 贝壳的行业图谱中包含了很多信息，比如房源、客户、经纪人、开发商、小区、地铁、医院、学校、超市、电影院等等。 我们假设这样一种特殊的查询场景：找出开发商是XXX，小区绿化率大于30%，周边200米有大型超市，500米有地铁，1000米有三甲医院，2000米有升学率超过60%的高中，房价在800W以内，最近被经纪人带看次数最多的房子。 这可能是一个客户想要的房子，但是各位觉得有哪个产品可以支持么？ 如果说我们用传统的关系型数据库，MySQL或者Oracle可以吗？那是不是我们要关联房源表、客户表、经纪人表、开发商表等等，一次关联几十张表才可能得到想要的结果

LinuxDocker 使用手册 文章目录 LinuxDocker 使用手册 Docker 介绍 Docker 的应用场景 Web Docker 的优点 Docker 的主要用途 Docker 架构 Docker 术语 Docker 使用 Docker 安装 Docker 常用命令 Docker 命令大全 docker 命令样例 其他模块 Docker 功能 Docker 镜像/容器位置迁移 Docker 网络配置使用 参考链接 Docker 性能监控 docker stats ps -e ctop docker 问题记录 问题: FATA[0000] Get http:///var/run/docker.sock/v1.18/images/json: dial unix /var/run/docker.sock: permission denied. Are you trying to connect to a TLS-enabled daemon without TLS? 问题: Repository dgraph/dgraph already being pulled by another client. Waiting. 问题:Segmentation Fault or Critical Error encountered 问题:docker-io-1.7.1-2.el6