首页 > 资讯 > > > 正文
【干货】华为云图数据库GES技术演进
发布时间:2023-08-24 12:32:54   来源:博客园  

本文分享自华为云社区《【干货】华为云图数据库GES技术演进》,作者: Chenyi。

1 背景

大规模图数据无处不在,图查询、分析和表示学习已成为大数据和AI的核心部分之一。特别是知识图谱和图神经网络的发展,Graph已成为未来AI的基础。


(相关资料图)

各式各样的图数据

面向未来,图数据库在数据规模、多维关系、时空动态性、异构计算体现上面临着新挑战:

1、图数据规模不断增长,万亿边超大规模图普遍存在,对产品性能和可扩展性提出新的需求。

2、时空图、异质和多关系图在政务、安平、金融、知识图谱等领域越来越普遍,对产品的图数据模型和存储带来新的需求。

3、图神经网络等图表示学习的兴起,需要新的计算框架支持,为传统深度学习框架和图计算框架的融合带来新的机会。

4、GPU、FPGA和图加速器异构计算系统为图引擎带来新的需求和机会。

Graph是大数据分析平台的重要组成部分,在传统批流分析之外提供更多的高级分析能力;主要分为图数据库和图计算引擎两大能力:

图数据库,具备图存储和计算能力,支持事务、数据更新、查询语言,偏TP类场景,用于实时要求高、逻辑相对简单的场景。例如:寻找两商户间最短路径;查找疑似洗钱卡的转账路径。图计算引擎,侧重复杂查询和全局计算,使用图分析算法,偏AP类场景,用于实时要求不高、数据量大的场景。例:生成持卡人关系网络,根据套现模型批量输出套现卡。

概况说来,Graph的核心能力是:“深度关系挖掘”、“关系高效查询”、“高效社团分析”、“路径直观显示”。

一个用Graph来分析【疫情传播】的例子

1.1 趋势1:面对海量多样化数据,数据分析变得更复杂,图相关技术迅速普及

Gartner曾在多次分析师报告中提及图技术的重要性:

Gartner把Graph以及相关的技术列为2021数据以及分析技术相关10大趋势之中。Gartner预测到2025年, 图相关技术使用率会从10%(2021)增长到80%。“到2023年,图计算将促进全球30%企业的快速决策场景化。需要图还是不需要?这已不再是个问题,一定是需要。”1.2 趋势2: 各家查询语言不一,有碍图数据库普及,GQL有望成为统一语言

历史上,图数据库并没有标准的查询语言,只有Cypher和Gremlin这种事实标准(即使用的比较广泛产品的查询语言),且新产品也不断衍生各自的查询语言,语法的不统一令使用门槛增高,对本领域的普及造成了不利影响。

GQL由WG3主导(WG3 从1987年起负责SQL标准的制定)。GQL 将建立在 openCypher Morpheus 的基础上(它将 Cypher 引入到 Apache Spark),并结合来自 LDBC 的 G-CORE 的灵感,为用户提供了一种组合图查询语言,支持所有那些功能,这将使 GQL 在概念上等同于 SQL。

2 技术洞察2.1 图数据库主流系统技术分析

上表列举了主流图数据库系统的分析情况,我们的观点是:

图数据库相比于关系型数据库发展落后(多租户和云原生能力匮乏,查询优化能力普遍不足)主流图数据库高并发混合负载差不支持高并发下混合负载查询性能隔离不支持多查询查询QoS(Quality of Service)对于混合型负载(大小graph query混合)几乎没有针对性优化主流图数据库对于融合数据分析(query类型混合)几乎不提供任何优化绝大多数系统不具备融合分析能力少数系统具体初级的融合分析能力, 但是不具备对于融合查询进行整体优化主流图数据库对云原生的支持差仅AWS Neptune针对云原生环境进行了优化2.2 图分析、图学习主流系统技术分析

上表列举了主流图分析、图学习系统的分析情况,我们的观点是:

主流图分析系统面向大规模图场景,以分布式内存架构为主,多定位离线图计算,不支持实时数据更新,对复杂OLAP类的交互式查询支持较弱。主流图学习系统构建于现有的深度学习系统,以PyTorch为主,分布式训练的性能一般。主流图分析系统和图学习系统是割裂的,一般通过文件来交互,在统一图采样、图与NN融合调度上可以进一步优化。GPU、FPGA等异构体系探索还比较初级。

总结来说,图数据库和图引擎面向广泛的使用场景,提供的能力一定也是从基础往高阶发展的,技术洞察中标识为红色的部分,也是我们认为提供高阶能力所必备的差异化竞争力。

3 华为云图数据库技术演进

华为云图数据库(GES)自2018年上线以来,经历过3个时期,从18年到21年为1.0时代,从22年到现在为2.0时代,未来将会往3.0时代演进。

下图展示GES各个版本的技术架构以及相对应的特点,在后面的部分会详细展开分析。

3.1 GES 1.0:查询分析一体化、高性能

GES 1.0是基于分布式内存架构的,主打查询分析一体化和高性能的查询和分析。通过只存一份数据,可以较好的兼顾了图查询任务和图分析任务,比如数据增删改能够立马被查询到,快速参与后续的计算任务,省去了不同系统的数据同步。当然,该架构由于采用分布式内存的方式来存储全量数据,相较于持久化方案来说成本会较高,极端情况下的故障恢复较长。但总体来说,应对百亿规模的图数据处理和分析还是能够轻松应对的。

3.2 GES 2.0:大规模、持久化、DSL、动态图

GES 2.0是当前产品重点发展的技术路径,核心是面向千亿到万亿的图数据规模,通过持久化存储来降低成本,同时兼顾查询效率、计算性能和使用上的便捷性。这里,我们将图数据库和图计算引擎解耦开了,各个组件直接独立演进,同时统一存储里的数据同步是由系统内置的,用户无需感知,保证了从1.0往2.0迁移时使用体验的一致性。

另外,我们将DSL和动态图作为关键特性来进行演进。其中DSL提供了自定义算法的能力,动态图则提供了时序分析的能力。

DSL:提供灵活、可控的GraphDSL帮助用户低成本设计并运行算法/查询。特别是复杂查询和定制的计算任务,如,定制化pagerank,repeat query等。过程中无需安装编译,无需更新版本,且兼顾了原有的使用习惯,将Cypher与Gremlin的写法与计算模式结合起来。

【定制化PageRank样例】

动态图:世界是千变万化的,这些变化的背后蕴含着重要信息(如疫情传播的时序影响、转账关系的先后顺序等),传统图分析主要采用静态的、单一视角的分析方法,仅考虑静态结构,忽略变化,难以辅助更精准的推理决策。动态图分析:考虑时间维度变化,全方位建模和分析动、静态信息影响,辅助精准决策。

【动态图示意:建模、动态图算法、可视化】

3.3 GES 3.0:拥抱大模型,构建Graph+AI引擎

面向未来,GES 3.0会往Graph+AI引擎方向构建。一方面结合大模型,提升AI方面的能力;另一方面,整合多源数据,更好的融入大数据生态。同步的,易用性、生态兼容(GQL)也是贯穿其中的。

GES 3.0的核心理念:

Composable: 系统各个部件可组合, 可替换, 实现长期可升级性Unified: 针对多种数据类型(Table, Graph)提供查询能力AI-Centric: 深度结合大模型, 以AI为中心, 赋能GES融合大模型,自动化捕捉实体关系来创建知识图谱图查询中支持LLM, GNN和DL的联合推理利用Graph的强大的Multi-Hop的推理能力和对实时性数据/事件的存储能力,帮助纠正LLM的幻觉和实时性问题

点击关注,第一时间了解华为云新鲜技术~

关键词:

推荐内容

Copyright@  2015-2022 南非器材装备网版权所有  备案号: 沪ICP备2022005074号-13   联系邮箱:58 55 97 3@qq.com