知识图谱-hugegraph学习记录

HugeGraph的优点
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，轻松完成百亿级数据快速导入，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。
免费!!!
为啥放弃使用Neo4j
商业Neo4j收费
据说社区版Neo4j 性能差 在图推理方面,至少目前查找 均是毫秒级别 新增特别慢
工程需要
Hugegraph的组成
引擎+载体+客户端+导入工具+算法计算+Web可视化工具+部署管理工具

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，同时完全兼容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-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：HugeGraph-Spark能在图上做并行计算，例如PageRank算法等；
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-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。

  
HugeGraph-Server
自带RocksDB数据库(其他数据库自行安装)

修改 hugegraph.properties

backend=rocksdb
serializer=binary
rocksdb.data_path=.
rocksdb.wal_path=.

初始化数据库（仅次启动时需要）

cd hugegraph-${version}
bin/init-store.sh

启动与关闭

bin/start-hugegraph.sh
bin/stop-hugegraph.sh
————————————————
版权声明：本文为CSDN博主「依我去」的原创文章，遵循CC 4.0 BY-SA版权协议，转载请附上原文出处链接及本声明。
原文链接：https://blog.csdn.net/weixin_43816119/article/details/109026859