- 综合排序
- 最热优先
- 最新优先
- 来自专栏NebulaGraph 技术文章
图数据库｜Nebula Graph v3.1.0 性能报告
测试数据 测试数据采用 LDBC-SNB SF100 数据集，SF100 数据集大小为 100G，共有 282,386,021 个点以及 1,775,513,185 条边。 关于 LDBC-SNB 关联数据基准委员会（LDBC，Linked Data Benchmark Council），是图（Graph）和 RDF 数据管理的基准指南制定者。 社交网路基准（SNB，Social Network Benchmark）是关联数据基准委员会（LDBC）开发的软件基准（Benchmark）之一。 关于 LDBC-SNB 数据集，具体请参考以下文档： LDBC_SNB_SF100：https://ldbcouncil.org/ldbc_snb_docs/ldbc-snb-specification.pdf 24 Partitions：https://github.com/ldbc/ldbc_snb_docs 3 Replica Factors：https://github.com/ldbc/ldbc_snb_datagen_spark
90810编辑于 2022-05-23 - 来自专栏NebulaGraph 技术文章
手把手教你从数据预处理开始体验图数据库
[封面图] 本文首发于 Nebula 公众号：手把手教你从数据预处理开始体验图数据库，由社区用户 Jiayi98 供稿，分享了她离线部署 Nebula Graph、预处理 LDBC 数据集的经验，是个对新手极度友好的手把手教你学 docker-compose up -d -- 构建并启动 Studio 服务; 其中，-d 表示在后台运行服务容器 启动成功后，在浏览器地址栏输入：http://ip address:7001 测试 我用的 LDBC 准备 获取源码 https://github.com/ldbc/ldbc_snb_datagen/tree/stable，scale factor 1-1000 用 stable branch。 下载 hadoop-3.2.1.tar.gz: http://archive.apache.org/dist/hadoop/core/hadoop-3.2.1/ LDBC 数据预处理 LDBC 数据预处理 ldbc 的所有 vertex 和 edge 的 ID / index 都有问题，需要处理一下使得所有 vertex 的 ID 变为 unique key。
78511发布于 2021-04-22 - 来自专栏NebulaGraph 技术文章
从实测出发，掌握 NebulaGraph Exchange 性能最大化的秘密
环境准备 硬件： Spark 集群：三台机器，每台 96 core，256 G 内存 NebulaGraph 集群：三台机器，每台 128 core，252 G 内存，SSD，双万兆网卡 数据：LDBC LDBC sf100 数据集的数据量 该表展示了各类点边的数据量 Label Amount Comment 220,096,052 Forum 4,080,604 Organisation 7,955 64 FALSE 180 10 30 G 2,000 360 1.1 h LDBC sf100 vertex:282,386,021，edge:1,775,513,185 64 FALSE 180 10 30 G 3,000 360 1.0 h LDBC sf100 vertex:282,386,021，edge:1,775,513,185 64 FALSE 90 10 30 G 2,000 180 在该实践中采用的 LDBC 数据集的 tag 属性不超过 10 个，设置的 batch 数为 2,000。如果 tag 或 edgeType 属性多且字节数多，batch 可以调小，反之，则调大。
92120编辑于 2023-02-01 - 来自专栏流图计算
蚂蚁图计算TuGraph打破LDBC SNB-BI世界纪录
近日，国际关联数据基准委员会（Linked Data Benchmark Council，以下简称LDBC）发布了图数据基准测评“LDBC SNB-BI”最新结果。 本次测试由LDBC官方审计完成，整个测试环境和测试过程均完整披露于LDBC官网。 蚂蚁从2015年开始布局图技术，打造了业界领先的图智能技术体系，包含图数据库、图计算、图学习、知识图谱等，四次打破LDBC图数据库测评世界纪录，曾获吴文俊人工智能科技进步一等奖、中国电子学会科技进步一等奖 国际关联数据基准委员会（LDBC）是国际公认的图数据基准指南制定者与测试标准发布机构，SNB（Social Network Benchmark）是由其组织的基于社交网络数据的权威基准测评，主要包含SNB-BI
46400编辑于 2024-01-04 - 来自专栏NebulaGraph 技术文章
图数据库基准测试 LDBC SNB 系列讲解：Schema 和数据生成的机制
LDBC（Linked Data Benchmark Council）Social Network Benchmark，简称 LDBC SNB，是一种针对社交网络场景的评估图数据库性能的基准测试。 LDBC 简介除了 Social Network Benchmark，LDBC 旗下目前还有其他几种基准测试：Graphalytics Benchmark，Financial Benchmark 和 Semantic Social Network Benchmark 是 LDBC 最早的提出的基准测试，已经成为国内外最主流的图数据库基准测试，在国内很多图数据库招标也会将 LDBC SNB 作为性能测试的一项。 LDBC SNB 主要包括三个主要部分：Data Generator：这是一个数据生成工具，用于生成具有社交网络特性的大规模复杂数据。 ldbc-snb-interactive-sigmod-2015.pdf (ldbcouncil.org)The LDBC Social Network Benchmark Specification关于
1K10编辑于 2024-03-12 - 来自专栏NebulaGraph 技术文章
K6 在 Nebula Graph 上的压测实践
nebula-importer 用于导入数据到 nebula 集群中 k6-plugin k6 压测工具，里面使用 go 客户端向 nebula 集群发起请求 nebula-bench 整合了生成 LDBC ldbc_snb_datagen_hadoop LDBC 数据生成工具 概述 数据使用 ldbc_snb_datagen 自动生成的 LDBC 数据集，整体流程如下图。 生成 LDBC 数据集 cd nebula-bench sudo yum install -y git \ make \ 总结 使用 LDBC 作为标准数据集，数据特征会标准一些，可以生成更多的数据比如 10 亿点，而数据结构是一样的。
1.4K10发布于 2021-09-24 - 来自专栏NebulaGraph 技术文章
NebulaGraph v3.3.0 性能报告，Match count QPS 有 2~8 倍提升，3 跳查询 QPS 时延低至原 1/3
QPS 提升约 40-100%，时延低至原 1/3； 3) 对于内存占用和释放进行了优化 4) 其他各 case 有不同程度提升； 测试环境 服务器和压测机皆为物理机 图片 测试数据 测试数据采用 LDBC-SNB 关于 LDBC-SNB 关联数据基准委员会（LDBC，Linked Data Benchmark Council），是图（Graph）和 RDF 数据管理的基准指南制定者。 社交网路基准（SNB，Social Network Benchmark）是关联数据基准委员会（LDBC）开发的软件基准（Benchmark）之一。 关于 LDBC-SNB 数据集，具体请参考以下文档： LDBC-SNB Specification LDBC-SNB DOCs LDBC-SNB 测试数据集生产工具 Nebula Commit nebula-graphd Person)-[e:KNOWS*2]->(v2:Person) WHERE id(v1) == {} RETURN count(*) 吞吐率 图片 服务端耗时（ms） 客户端耗时（ms） 新增测试用例-LDBC
68630编辑于 2022-11-30 - 来自专栏马超的博客
从Gartner预测解读Neo4j支撑万亿数据规模的Fabric架构
@TOC[1] Here's the table of contents: •一、Gartner预测•二、Fabric介绍•三、数据交易与数据标准•四、openCpher介绍•五、基于Fabric的LDBC 五、基于Fabric的LDBC数据规模测试方案 Linked Data Benchmarking Committee简称LDBC，是业界权威的衡量图数据库和图数据管理系统的参照标准发布机构。 万亿图测试项目：trillion-graph[10]，就是基于该机构发布的测试集进行的，该项目中包含1129台机器/分片，运行一个100TB (LDBC)数据集。
1K30编辑于 2022-09-02 - 来自专栏一点人工一点智能
知识图谱-图数据库选型与评测
测试采用的是LDBC-SNB标准数据进行的，LDBC即Linked Data Benchmark Council（关联数据基准委员会）是图和RDF数据管理的基准指南制定者，SNB即SocialNetwork Benchmark（社交网路基准）是关联数据基准委员会（LDBC）开发的软件基准（Benchmark）之一，LDBC-SNB对图存储计算引擎提供了一个公平，诚实的比较评判机制。
3.6K30编辑于 2022-12-27 - 来自专栏NebulaGraph 技术文章
图查询语言的历史回顾短文
2015 年，LDBC 成立图查询语言工作组。 2016 年，LDBC 工作组开始设计 G-CORE。 2017 年，WG3 工作组开始讨论如何将属性图查询能力引入 SQL。 2017 年，LDBC 工作组完成了 G-CORE 的初始设计 GCORE2018（见参考文献）。 2018 年，Cypher 形式化语义的论文发表 Cypher2018 （见参考文献）。 G-CORE 的创建 Linked Data Benchmarking Council（LDBC）定义了一种厂商无关的基准测试。 G-CORE 是由 LDBC 工作组设计的，但主要受 Cypher 的启发，采用一样的语义。 结论 Cypher 是 PGQL 和 G-CORE 的共同祖先。这几个语言的语法和语义都非常的接近。
3.4K20发布于 2021-04-15 - 来自专栏社区动态
Paper Digest｜OpenSPG 超大规模知识仓储 KGFabric 论文解读
4.1 数据集我们主要选用了 LDBC-Finbench 作为属性图（LPG）数据集，并且通过为 LDBC-Finbench 添加语义关系，扩展了新的数据集 LDBC-Finbench-X 作为语义图（
71310编辑于 2024-09-18 - 来自专栏NebulaGraph 技术文章
Nebula Graph 的 KV 存储分离原理和性能测评
测试数据都是由 LDBC（https://github.com/ldbc）生成。为了测试 KV 分离效果，我们准备了两类数据：一类全是小 value，另一类是大 value 和小 value 混合。 对于前者，我们使用默认 LDBC 的设置，如图 3。 [Nebula Graph 的 KV 存储分离原理和性能测评] 图3. 因为在 LDBC 数据集中，边上的属性只有 creationDate，小于测试中 KV 分离的阈值 100B。因此无论是否使用 KV 分离，边上的属性都存储在 LSM-Tree 上。 因此，KV 分离对于 LDBC 数据集中的边上属性查询性能提升较小。 3.6 数据插入的性能 这里，我们也测试下 KV 分离对于数据插入的性能影响。 我们选择使用数据集 Data1，针对默认的 LDBC 数据进行测试。
1.4K20编辑于 2022-03-01 - 来自专栏NebulaGraph 技术文章
从全球顶级数据库大会 SIGMOD 看数据库发展趋势
比如 Peter Boncz 教授（LDBC 创始人之一）在今年早些时候在 EDBT / ICDT 会议上做了个主题演讲——《The (Sorry) State of Graph Database Systems 这个实验的设置固然有值得探讨的地方，但 Peter 作为 LDBC 的创始人，他的核心目的自然不是贬低图数据库，只是想借用子图匹配——这个图数据库优化得还不够好的一种查询场景，来鼓励各个图数据库厂商提升自己的产品
94620编辑于 2022-12-22 图数据库模式论文获最佳行业论文奖
PG-Schema的创新设计在LDBC（关联数据基准委员会）框架下开发的PG-Schema数据定义语言，解决了图数据库模式标准化问题。
20600编辑于 2025-08-16- 来自专栏流图计算
分布式图计算如何实现？带你一窥图计算执行计划
这个是社交分析的一个例子，来自LDBC测试集的BI03测试。 例如以下查询，来自LDBC BI08测试，该测试中我们先计算每个人的分数，在Person类型点上进行标记，以便在走图到firend时取值使用。
71820编辑于 2023-08-02 - 来自专栏流图计算
2023开放原子全球开源峰会，蚂蚁图计算平台开源业内首个工业级流图计算引擎
据了解，蚂蚁从2015年开始探索图计算，布局了图数据库、流式图计算引擎、图学习等相关技术，打造了世界规模领先的图计算集群，于业界首创了工业级流式图计算引擎，多次问鼎图数据库行业权威测试 LDBC 世界冠军并保持世界纪录
91920编辑于 2023-07-05 - 来自专栏图与推荐
蚂蚁金服, 开源业内首个工业级流图计算引擎
据了解，蚂蚁从2015年开始探索图计算，布局了图数据库、流式图计算引擎、图学习等相关技术，打造了世界规模领先的图计算集群，于业界首创了工业级流式图计算引擎，多次问鼎图数据库行业权威测试 LDBC 世界冠军并保持世界纪录
1K30编辑于 2023-09-04 - 来自专栏腾讯云数据库(TencentDB)
云测评 | RedisGraph 1.0的基准测试
在图数据库的领域有很多测试工具可供使用，最全面的是LDBC graphalytics，但是，对于这个版本，我们选择了TigerGraph在2018年9月发布的更简单的基准测试。 除此之外，接下来我们还将推出这些新特性： 组合查询或大结果集的性能改进 GraphBLAS的新版本（甚至更快版本） 更多Cypher子句/功能，以支持更多样化的查询 图形可视化软件的集成 支持LDBC基准测试
2K10发布于 2019-03-26 - 来自专栏图与推荐
图计算白皮书：从离线到实时是下一代图计算发展趋势
是蚂蚁集团大规模图计算平台，也是业内首个在大规模图上提供实时服务的图计算平台，为蚂蚁集团提供了业界领先的实时和时序大规模图分析能力，具备毫秒级处理延时，致力于四天内完成六个月数据的时间穿越式仿真，是国际标准图数据库基准测试LDBC-SNB
62420编辑于 2022-03-16 - 来自专栏木鸟杂记
分布式图库系列—— 图模型和 Cypher
挑战三：缺少易处理性 属性图模型很难处理： 对路径进行迭代 返回没有环的路径（即简单路径） 支持针对路径的任意过滤条件 可选的模式匹配 为此 LDBC GraphQL 工作组提出了 G-Core 模型，
58130编辑于 2023-09-18
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号