首页
学习
活动
专区
圈层
工具
发布
    • 综合排序
    • 最热优先
    • 最新优先
    时间不限
  • 来自专栏hotqin888的专栏

    Dgraph安装和使用(一)

    https://blog.csdn.net/hotqin888/article/details/81156959 Dgraph使用笔记 1 在win上用docker安装 先docker pull dgraph/dgraph ? 2 运行dgraph 网络上一些旧的安装方法已经过时,要按照官网的办法: 拉取后要安装官网的步骤,先制作一个docker-compose.yml(将代码拷贝到一个文本文件内,然后修改名称,放到docker

    4.3K20发布于 2018-09-11
  • 来自专栏得物技术

    得物推荐引擎 - DGraph

    我们于 2022 年下半年启动了 DGraph 的研发,DGraph 是一个 C++项目,目标是打造一个高效易用的推荐引擎。推荐场景的特点是表多、数据更新频繁、单次查询会涉及多张表。 为什么叫 DGraph?因为推荐场景主要是用 x2i(KVV)表推荐为主,而 x2i 数据是图(Graph)的边,所以我们给得物的推荐引擎取名 DGraphDGraph 数据的管理都是按表(table)进行的(图 2),复杂的索引会使用到 DGraph 的内存分配器 D-Allocator,比如 KVV/KV 的增量部分 & 倒排索引 & 向量索引等。 在 DGraph 所有数据更新都是 DUMP(耗时)->索引构建(耗时)->引擎更新(图 3),索引平台会根据 DGraph 引擎的内存情况自动选择在线更新还是分批重启更新。 DGraph 选择的是单写多读+延迟释放类型的无锁机制。

    80420编辑于 2023-08-30
  • 来自专栏Java实战博客

    Dgraph – 图数据库

    Dgraph是一个开源的分布式图数据库,以图数据模型为基础,提供高性能、低延迟的查询能力和强大的图查询语言,适用于处理大规模的连接数据和图数据模型。 Dgraph官网 https://dgraph.io/product Docker启动Dgraph docker run -it -p 8080:8080 -p 9080:9080 -v ~/dgraph :/dgraph dgraph/standalone:latest Dgraph概念 节点(Nodes):在Dgraph中,节点表示实体或对象。

    77020编辑于 2023-10-09
  • 来自专栏个人总结系列

    图计算Dgraph系列2-Schema操作

    环境准备 1. dgraph4j <dependency> <groupId>org.projectlombok</groupId> <artifactId </groupId> <artifactId>dgraph4j</artifactId> <version>20.03.0</version> </dependency> 2.docker运行Dgraph 二.  go操作 1.创建scheam var ( dgraph = flag.String("d", "localhost:9080", "Dgraph Alpha address") ) func main 总结      对于Schema的操作,通过UI界面提供的功能操作比较方便,dgraph4j提供的java api操作不是很友好。

    1.3K00发布于 2020-11-14
  • 来自专栏一点人工一点智能

    DGraph: 大规模动态图数据集

    数据集主页:https://dgraph.xinye.com/ Github:https://github.com/DGraphXinye/ 相关论文: DGraph: A Large-Scale Financial http://yangy.org/works/dgraph/dgraph_2022.pdf 01 数据集描述 DGraph 的源数据由信也科技提供。 DGraph 是一个有向无权的动态图,包含超过 370 万个节点以及 430 万条动态边。 DGraph 中包含超过 200 万个背景节点,可以支持研究者深入探索背景节点的性质。 3.2 科研成果 DGraph 的特点丰富,支持多个方向的图研究工作。 3.3 算法大赛 信也科技围绕 DGraph 举办了第七届信也科技杯图算法大赛,任务与 DGraph 中的诈骗用户识别一致。

    1.1K60编辑于 2022-12-27
  • 来自专栏Debian中国

    开源图数据库 Dgraph 完成 300 万融资

    凭借早期在基础设施软件和开源软件方面的经验,Salil 将加入 Dgraph 董事会。Jain 表示,这一轮融资正好是我们扩大云服务的时机,并继续建立世界上最先进的图数据库。 Dgraph 是一个可扩展的,分布式的,低延迟的图数据库,于 2015 年开源,最初是出于希望消除传统关系型数据库的典型弱点而创建的。 为了解决组织在数据库增长超过单个服务器时面临的一些问题,Dgraph 以更有效的方式分割数据,这使查询可以在没有通用视图的情况下执行。 此外,Dgraph 更有效地处理复制,从而使可扩展性成为可操作的功能。 据悉,Dgraph 的下一步计划是提供托管管理服务,并对其用户界面进行重大改进。 此外,它还将在其语言列表中添加流行的图形语言 Open Cypher 和 Gremlin ,以方便用户切换到 Dgraph

    77860发布于 2018-12-20
  • 得物自研DGraph4.0推荐核心引擎升级之路

    系统改进点是在DGraph中增加了访问了其他DGraph集群 & FeatureStore特征集群的能力(图1)。 目前推荐业务的核心场景都进行了图化改造,图化查询是把多路召回、打散、融合、粗排等策略打包到一个DAG图中一次发送到DGraphDGraph的算子调度模块根据DAG的描述查询索引数据 & 执行算子最终把结果返回给业务系统 因此需要DGraph中引入数据水平拆分的能力。 三、性能优化3.1 算子执行框架优化在DGraph中,基于DGraph DAG图(参考图9)的一次查询就是图查询,内部简称graphSearch。 3.2 传输协议编码解码优化优化JavaSDK - DGraph数据传输过程:在DGraph部分场景,由于请求引擎返回的数据量很大,解码编码耗时占整个请求20%以上。

    50210编辑于 2025-04-17
  • 来自专栏个人总结系列

    图计算Dgraph系列1-学习环境搭建

    9080:9080 -p 8000:8000 -v ~/dgraph:/dgraph dgraph/standalone:latest      url地址访问: http://localhost:8000 </dependency> 操作文档:https://github.com/dgraph-io/dgraph4j 2. ; import com.google.protobuf.ByteString; import io.dgraph.DgraphClient; import io.dgraph.DgraphGrpc; import io.dgraph.DgraphProto.Mutation; import io.dgraph.DgraphProto.Operation; import io.dgraph.DgraphProto.Response /dgo/v2" "github.com/dgraph-io/dgo/v2/protos/api" "google.golang.org/grpc" ) var ( dgraph = flag.String

    1.2K30发布于 2020-11-08
  • 来自专栏丑胖侠

    从零开始安装穿透式检索

    安装DGraph图数据库 下载dgraph v1.0.16版本,并解压至argus文件夹下;在PATH中添加argus文件夹路径。 安装包下载地址:https://github.com/dgraph-io/dgraph/releases/download/v1.0.16/dgraph-linux-amd64.tar.gz 2.3. 修改配置环境 新建dgraph_log文件夹:mkdir dgraph_log。 启动`DGraph`服务 执行解压文件中的all.sh文件,启动Dgraph服务。 具体脚本内容如下: nohup dgraph zero > dgraph_zero.log 2>&1 & nohup dgraph alpha --lru_mb 1024 --zero localhost

    81620发布于 2020-09-28
  • 来自专栏腾讯云数据库(TencentDB)

    前沿观察 | 图数据库项目DGraph的前世今生

    在Google内部,Dgraph Labs这家公司和开源项目Dgraph,就是这样被命名的。 对于本博文的大部分内容,当我提到Dgraph时,我指的是Google内部的项目,而不是我们构建的开源项目。 进入Dgraph:任意深度连接引擎 在结束Cerebro之后,我有了构建图形服务系统的经验,参与了Dgraph项目,并成为该项目的三位技术主管之一。 分片技术并不是Dgraph的唯一创新。Dgraph为所有对象分配了整数ID,并对其进行排序并存储在发布列表结构中,以便快速对这些发布列表求进行交叉计算。 通过Plasma项目统一所有OneBox 谷歌的Dgraph不是一个数据库,而是一个服务系统,相当于谷歌的网络搜索服务系统。使用Dgraph还可以对实时更新做出反应。 Dgraph:凤凰磐涅 离开谷歌两年后,我决定建立Dgraph。不在Google的日子里,我见证了很多与在内部研发图数据系统时的犹豫不决。

    83330发布于 2019-05-16
  • 来自专栏腾讯云数据库(TencentDB)

    前沿观察 | 图数据库项目DGraph的前世今生

    在Google内部,Dgraph Labs这家公司和开源项目Dgraph,就是这样被命名的。 对于本博文的大部分内容,当我提到Dgraph时,我指的是Google内部的项目,而不是我们构建的开源项目。 进入Dgraph:任意深度连接引擎 在结束Cerebro之后,我有了构建图形服务系统的经验,参与了Dgraph项目,并成为该项目的三位技术主管之一。 分片技术并不是Dgraph的唯一创新。Dgraph为所有对象分配了整数ID,并对其进行排序并存储在发布列表结构中,以便快速对这些发布列表求进行交叉计算。 通过Plasma项目统一所有OneBox 谷歌的Dgraph不是一个数据库,而是一个服务系统,相当于谷歌的网络搜索服务系统。使用Dgraph还可以对实时更新做出反应。 Dgraph:凤凰磐涅 离开谷歌两年后,我决定建立Dgraph。不在Google的日子里,我见证了很多与在内部研发图数据系统时的犹豫不决。

    7.5K10发布于 2019-02-27
  • 来自专栏采云轩

    图数据库由浅入深

    ) 拉取 Dgraph 核心组件镜像: docker pull dgraph/standalone 拉取 Dgraph 本地可视化终端镜像: docker pull dgraph/ratel 启动 docker 容器: 分别用以下命令启动 Dgraph 核心组件和可视化终端 docker run -it -p "8080:8080" -p "9080:9080" -v ~/dgraph:/dgraph 2.1 Dgraph4j Dgraph 底层源码采用 go 语言来实现,但通过 Dgraph4j 也可以通过 Java 来操作 Dgraph 数据库。 2.2连接 Dgraph4j 连接 Dgraph 时,可以根据实际情况进行配置。比如配置多个 Dgraph 服务,配置异步/同步客户端,配置 gRpc 消息传输最大值,配置指定的线程池等等。 五、参考资料 1、dgraph4j 2、dgraph官方 3、dgraph中文版 4、图数据技术调研以及业务实践

    93410编辑于 2024-01-04
  • 来自专栏Spark学习技巧

    分布式图数据库在贝壳的应用实践

    Dgraph架构 ? 维护成本方面:由于不依赖其他系统,Dgraph远低于JanusGraph。 写入性能方面:Dgraph稍高一些。 查询性能方面:深度查询时,Dgraph性能远高于JanusGraph。 上文提到,搭建Dgraph集群其实非常简单,我们使用docker+k8s技术对Dgraph进行统一的容器化部署和管理。 简单介绍一下Dgraph的原理: ① 存储引擎: Dgraph的存储引擎是自研的Badger,完全由Go语言开发。 Dgraph不足 ? 那Dgraph性能这么好,运维又简单,是不是就可以说Dgraph是一个完美的图数据库呢?是不是所有的场景都可以用Dgraph来支持呢?

    1.5K11发布于 2021-03-05
  • 来自专栏NebulaGraph 技术文章

    图数据库 Nebula Graph 在 Boss 直聘的应用

    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。 使用对比 目前来说原生分布式图数据库国内选型主要比对 Dgraph和 Nebula Graph,前者我们使用半年,整体使用对比如下,这些都是我们踩过坑的地方。 实测 Dgraph 在线写入并发不高或只是离线导入数据使用的情况下还是很稳定的,如果想借助它的高可用和事务功能,可以尝试下。 Dgraph 遇到的一些问题,供有需要小伙伴参考 给 Dgraph 一些 issues 给 Dgraph 提交的 PRs 参考文章 360 的 JanusGraph 到 Nebula Graph 数据迁移

    1.4K10发布于 2020-12-23
  • 来自专栏采云轩

    图数据技术调研以及业务实践

    Dgraph 一、架构模型 dgraph可以分为三个部分:ratel、alpha、zero。 二、扩展、复制和分片 每个集群将至少有一个 Dgraph 零节点和一个 Dgraph Alpha 节点。然后以两种方式扩展数据库。 三、数据存储 在 Dgraph 中,数据的最小单位是一个三元组。 设计 客户端的设计参照 Mybatis 查询的半自动模版配置模式,即在模版中写半自动的 Dgraph 语句,在代码中将参数、条件等写入,目前已经完成通用模版的配置,调用方无需自己写 Dgraph 语句, 参考资料 https://dgraph.io/docs/dgraph-overview/ https://dgraph.io/docs/dql/dql-syntax/dql-query/ https:/

    89710编辑于 2023-09-01
  • 来自专栏野生AI架构师

    【知识图谱】知识图谱在贝壳找房的实践

    03 其他 ---- 其他点有意思的不是很多,直接上图: 他们重点对比了Dgraph和JanusGraph之后,选择了Dgraph;(网上有文章说,美团在重点对比了Dgraph和NebulaGraph Dgraph和JanusGraph: Dgraph和NebulaGraph: 从结果看,NebulaGraph性能很优秀

    2.3K20发布于 2021-10-27
  • 来自专栏NebulaGraph 技术文章

    主流开源分布式图数据库 Benchmark

    存储后端为 Dgraph 自有实现。 Dgraph:原始 194G 数据在内存 392G 的机器上执行导入命令,8.7h 后 OOM 退出,无法导入全量数据。 Dgraph:如 4.1.3 节分析所述,同一种关系只能保存在一个数据节点上,吞吐量较差。 由于 DGraph 的存储特性,相同关系存储在单个节点,1 跳查询不需要网络通信。而 Nebula 的实体分布在多个节点中,因此在实验中 DGraph 响应时间表现略优于 Nebula。 由于 HugeGraph 存储后端基于 HBase,实时并发读写能力低于 RocksDB(Nebula)和 BadgerDB(Dgraph),因此在多项实验中性能表现均落后于 Nebula 和 DGraph

    2.1K40发布于 2020-10-21
  • 来自专栏云云众生s

    图数据库与关系型数据库:优缺点和用例

    Relational Databases: Pros, Cons, and Use Cases - Dgraph Blog,作者 Dgraph Labs; Inc。 要了解更多见解,请查看此关于 Dgraph 性能的案例研究。 可变模式 图数据库允许不断变化的模式,这在处理动态数据模型时特别有用。 了解更多关于使用 Dgraph 简化遗留数据。 为特定用例提供高性能 图数据库为基于图的查询提供快速查询性能。 了解FactSet 如何使用 Dgraph来为世界上最大的金融数据库之一提供支持。 但是,那些久经考验的关系数据库呢?让我们看看它们能带来什么。 了解更多关于低代码开发注意事项以及 Dgraph 如何支持动态数据。 关系数据库适用于具有预定义模式的结构化数据 关系数据库是结构化数据的首选,这些数据具有定义明确的模式。

    69210编辑于 2024-07-19
  • 来自专栏算法之美

    Talent Plan KV训练营Standalone KV实验

    Badger 是一个很优秀的开源的单机版 kv 存储引擎,基于 LSM Tree 实现,读写性能都很好,需要简单熟悉下 Badger 的用法,可以参考下官方示例:https://github.com/dgraph-io github.com/tidb-incubator/tinykv/blob/course/doc/project1-StandaloneKV.md https://pkg.go.dev/github.com/dgraph-io ✅ badger (一个高性能的LSM K/V store)使用指南 https://pkg.go.dev/github.com/dgraph-io/badger#section-readme https ://pkg.go.dev/github.com/dgraph-io/badger#Txn func TestBlob(t *testing.T) func TestGet(t *testing.T)

    1.3K10编辑于 2022-01-17
  • 来自专栏hotqin888的专栏

    golang知识图谱NLP实战第一节——整体思路

    /qq_18860653/article/details/79722032 最简单的实现思路为: 给定文章(一段文字)——a用hanlp进行依存句法解析——b用上述(1)方法提取关系——c存入图数据库dgraph ——d查询得到关系图谱…… 下图是dgraph展示的关系数据查询效果(另外文章记录dgraph的docker安装和使用) ? dgraph是go语言的,但是也需要在docker中运行。

    2.2K10发布于 2018-09-11
领券