hugegraph-使用文档

文档信息:

• HugeGraph 说明
  • 简介
  • 优缺点
  • 同行对比
• 安装部署 配置说明
• 其他等

HugeGragh0.9.0 环境依赖:

• JDK-1.8
• 后端数据库要求
  • ScyllaDB
    • CentOS 7.3+
  • RocksDB
    • GCC-4.3.0(GLIBCXX_3.4.10)+
  • Hbase
    • JDK1.8+

scylladb 和 hbase 都支持容量横向扩展(容量上它们一般不会是瓶颈)，scylladb 的定位是低延迟(没有 Java GC 停顿、高效的网络库等)，hbase 生态更加完善及稳定性较好。

当前环境

• CentOS7
• GCC-4.4.7
• JDK-1.8
• HugeGragh==0.9.0

TODO 数据冗余，多服务区，异常重连，数据删除等问题,性能测试
后续测试重点:

• 1、实际数据的导入性能测试
• 2、现有业务逻辑查询语法实现(API 或 Gremlin，优先 API)
• 3、查询效率测试
• 4、多图库数据同步使用测试
• 5、任务调度管理 API 使用测试
• 6、底层存储替换测试

HugeGraph 简介

HugeGraph是百度在 2018 年中旬开源的一款图数据库(Graph Database)系统，可以存储海量的顶点(Vertex)和边(Edge)。
实现了 Apache ThinkerPop 3[1]框架，支持 Gremlin 图查询语言。
HugeGraph 支持多用户并行操作，用户可输入 Gremlin 查询语句，并及时得到图查询结果。也可以再用户程序中调用 hugeGraph API 进行图分析或查询。

本系统具备如下特点:

• 易用: HugeGraph 支持 Gremlin 图查询语言与 Restful API，同时提供图检索常用接口，具备功能齐全的周边工具，轻松实现基于图的各种查询分析运算。
• 高效: HugeGraph 在图存储和图计算方面做了深度优化，提供多种批量导入工具，轻松完成百亿数据快速导入，通过优化过的查询达到图检索的毫秒级响应。支持数千用户并发的在线实时操作。
• 通用: HugeGraph 支持 Apache Gremlin 标准图查询语言和 Property Graph 标准图建模方法，支持基于图的 OLTP 和 OLAP 方案。集成 Apache Hadoop 及 Apache Spark 大数据平台。
• 可扩展: 支持分布式存储、数据多副本及横向扩容，内置多种后端存储引擎，也可插件式轻松扩展后端存储引擎。
• 开放: HugeGraph 代码开源(Apache 2 License)，客户可自主修改定制，选择性回馈开源社区。

本系统的功能包括但不限于

• 支持从 TXT、CSV、JSON 等格式的文件中批量导入数据
• 具备可视化操作界面，降低用户使用门槛
• 优化的图接口: 最短路径(Shortest Path)、K 步连通子图(K-neighbor)、K 步到达邻接点(K-out)等
• 基于 Apache TinkerPop3 框架实现，支持 Gremlin 图查询语言
• 支持属性图，顶点和边均可添加属性，支持丰富的属性类型
• 具备独立的 Schema 元数据信息，方便第三方系统集成
• 支持多顶点 ID 策略: 支持主键 ID、支持自动生成 ID、支持用户自定义字符串 ID、支持用户自定义数字 ID
• 可以对边和顶点的属性建立索引，支持精确查询、范围查询、全文检索
• 存储系统采用插件方式，支持 RocksDB、Cassandra、ScyllaDB、HBase、Palo、MySQL 以及 InMemory 等
• 与 Hadoop、Spark GraphX 等大数据系统集成，支持 Bulk Load 操作
• 对图数据库的核心功能(例如批量写入、最短路径、N 度关系等)做了重点优化，与常见图数据库 Neo4j 和 TitanDB 等相比较，HugeGraph 拥有明显的性能优势.
• HugeGraph 支持 HBase 和 Cassandra 等常见的分布式系统作为其存储引擎来实现水平扩展。
• 支持任务查看,任务撤销。

其他等

• 支持分布式存储: 支持底层使用 HBase、Cassandra 等分布式存储 backend
• 支持多图配置: 能够支持配置多个图库空间(未明确上线)，可用于支持临时或单次的数据分析。(但需配套编写调度功能，指定分析库)
• 导入速率较快: 提供 HugeGraph-Loader，可在线或离线导入数据，服务无需重启，可指定导入图库位置
• API 接口已实现部分业务逻辑: 多步邻居，两者最短路径，两者全部路径，
• 提供任务监控 API 接口: 能够支持任务的状态查询并允许终止任务。

HugeGraph 优缺点

• hugeGraph-Github

缺点:

• 顶点和边不支持多 label
• 暂不支持 批量删除节点/边

软件使用

安装部署

HugeGragh 共有如下工具

• 一键部署: 通过部署工具简单轻松的一键部署所有组件。参考 hugegraph-tools deploy。
• 可视化界面: 基于 Web 的可视化环境，提供图操作界面、图数据展示与分析。参考 hugegraph-studio。
• 导入工具: 数据导入工具，支持从 txt、csv、json 等格式文件导入到 HugeGraph。参考 hugegraph-loader。
• 导出工具: 数据导出工具，可将顶点及关联边导出到文件，支持用户实现 formatter 自定义格式。参考 hugegraph-tools/dump。
• 备份恢复工具: 数据备份与恢复工具，支持定时备份、手动备份、手动恢复等功能。参考 hugegraph-tools/backup&restore。
• Gremlin 任务工具: Gremlin 任务执行工具，支持同步执行 Gremlin 查询与分析(OLTP)，支持异步执行 Gremlin 任务(OLAP)。参考 hugegraph-tools/gremlin。
• 集成 Spark GraphX 工具(Github 已下架): 基于 Spark GraphX 的大数据环境下的图分析工具。参考 hugegraph-spark。

HugeGragh 框架模块

• HugeGraph-Server: HugeGraph-Server 是 HugeGraph 项目的核心部分，包含 Core、Backend、API 等子模块；
  • Core: 图引擎实现，向下连接 Backend 模块，向上支持 API 模块；
  • Backend: 实现将图数据存储到后端，支持的后端包括: Memory、Cassandra、ScyllaDB、RocksDB、HBase 以及 Mysql，用户根据实际情况选择一种即可；
  • API: 内置 REST Server，向用户提供 RESTful API，同时兼容 Gremlin 查询。
• HugeGraph-Client: HugeGraph-Client 提供了 RESTful API 的客户端，用于连接 HugeGraph-Server，目前仅实现 Java 版，其他语言用户可自行实现；
• HugeGraph-Studio: HugeGraph-Studio 是 HugeGraph 的 Web 可视化工具，可用于执行 Gremlin 语句及展示图；
• HugeGraph-Loader: HugeGraph-Loader 是基于 HugeGraph-Client 的数据导入工具，将普通文本数据转化为图形的顶点和边并插入图形数据库中；
• HugeGraph-Spark: 基于 Spark GraphX 的图分析工具 ，HugeGraph-Spark 能在图上做并行计算，例如 PageRank 算法等；
• HugeGraph-Tools: HugeGraph-Tools 是 HugeGraph 的部署和管理工具，包括管理图、备份/恢复、Gremlin 执行等功能。

总结: 部署 HugeGraph 需要 HugeGraph-Server，在网页上操作图需要 HugeGraph-Studio。

需要安装 HugeGraph-Server HugeGraph-Studio HugeGraph-Loader 下载解压即用，详情见HugeGraph 官网

如需安装 Hbase,请参考《Hbase 安装文档》

安装部署命令

1
2
3
4

# 默认CentOS会自带这些包,Docker中的镜像需要自行安装

# 解决问题 line 92: crontab: command not found
yum -y install lsof crontabs

配置文件修改

hugegraph-0.9.2/conf/rest-server.properties ServerIP 地址和端口.配置 0.0.0.0 使其他机器可以访问。

1
2
3
4
5
6
7
8
9
10
11
12

(fenv) [fdm@neo4j hugegraph]$ cat hugegraph-0.9.2/conf/rest-server.properties
# bind url
#restserver.url=http://127.0.0.1:8080
restserver.url=http://0.0.0.0:8080

# graphs list with pair NAME:CONF_PATH
graphs=[hugegraph:conf/hugegraph.properties]

# authentication
#auth.require_authentication=
#auth.admin_token=
#auth.user_tokens=[]

配置数据库-RocksDB

• RocksDB 默认数据库无需配置

配置数据库-ScyllaDB

参考文档《ScyllaDB》

配置数据库-HBase

参考文档《Hbase 安装文档》

特殊声明：由于安装 Hbase，需要先安装 Hadoop，配置 ResourceManager|DataNode|NodeManager|SecondaryNameNode|NameNode。
其中 ResourceManager 的端口 8080 和 HugeGraph 端口冲突，需要先修改 ResourceManager 端口

1
2
3
4
5
6
7

# vim ./share/doc/hadoop/hadoop-yarn/hadoop-yarn-common/yarn-default.xml
 134   <property>
 135     <description>The http address of the RM web application.</description>
 136     <name>yarn.resourcemanager.webapp.address</name>
 137     <value>${yarn.resourcemanager.hostname}:8081</value>
 138   </property>
# 修改点，原 8080 修改为 8081。 重启Hadoop服务 stop-all.sh & start-all.sh

配置 HugeGraph 连接数据库

修改配置文件

初始化数据库

bin/init-store.sh

初始化数据库时，必须先 bin/stop-hugegraph.sh ,否则可能初始化失败。

启动服务

bin/start-hugegraph.sh

启动服务时,必须先关闭 hugegraph-studio 服务。否则会启动失败,报错端口已被使用。

HugeGragh 支持多图库模式

TODO (未发现多库查询方法)

参考链接: HugeGraph 配置

常用命令

一键重启脚本

1
2
3
4
5
6
7
8
9
10
11
12

restart_hugegraph(){
    hugegraph_pwd="/home/scfan/software/hugegraph"
    # 关闭服务
    ps anx | grep hugegraph-studio|awk '{print $1}' | xargs kill -9
    cd $hugegraph_pwd/hugegraph-0.9.2 && bin/stop-hugegraph.sh

    # 启动服务
    cd $hugegraph_pwd/hugegraph-studio-0.9.0 && nohup bin/hugegraph-studio.sh &
    # Server修改配置后,需要关闭 studio 才可以启动
    cd $hugegraph_pwd/hugegraph-0.9.2 && bin/start-hugegraph.sh
}
restart_hugegraph

其他命令

1
2
3
4
5
6
7
8
9

# 数据导入命令
cd /home/scfan/software/hugegraph/hugegraph/hugegraph-loader-0.9.0
time bin/hugegraph-loader -g hugegraph -f example/graph_struct.json -s example/graph_schema.groovy

# 删除整个图库数据
curl -XDELETE "http://192.168.100.162:8080/graphs/hugegraph/clear?confirm_message=I'm+sure+to+delete+all+data"
# 支持任务撤销
PUT http://localhost:8080/graphs/hugegraph/tasks/2?action=cancel

可视化界面 Studio: http://192.168.172.72:8088/
后端端口 Server: http://192.168.172.72:8080/graphs

HugeGraph 数据导入

官方链接: HugeGraph-Loader Quick Start

HugeGraph-Loader 是 HugeGragh 的数据导入组件，能够将多种数据源的数据转化为图的顶点和边并批量导入到图数据库中。

目前支持的数据源包括:

• 本地磁盘文件或目录，支持压缩文件
• HDFS 文件或目录，支持压缩文件
• 部分关系型数据库，如 MySQL

参考资源

• HugeGraph 的 Github 链接
• HugeGraph 初使用
• 官方文档
• 百度安全开源大规模图数据库 HugeGraph
• 十亿数据的快速导入
• 图数据库功能说明
• 图数据库对比

图库热度排行榜

hugegraph_DBengine 图库排行榜

图库综合对比