图数据库nebula

nebula

将点与点连接的数据存储,并提供快速查询的能力。
核心概念: 图,vid,索引,点,边
通过vid,查找点与点的联系并将边一起带上返回

1. 图空间

#创建图空间
CREATE SPACE IF NOT EXISTS my_space_2 (partition_num=15, replica_factor=1, vid_type=FIXED_STRING(256));
### 图空间创建说明
# space名称:my_space_2
# partition_num空间分配数,建议为硬盘数量的20倍
# replica_factor 副本数 至少1,
# vid_type 指定vid的类型,FIXED_STRING(256)定长字符串超过会报错无法使用
# comment 描述

#使用图空间,跟mysql的use test一样;
use my_space_2; 

2. VID

vid在同一个图空间中必须唯一,一个图空间只能选择一种vid类型,一种为int65

vid相当于mysql 中的主键,通过vid 查询点是效率最高的一种方式

vid 生成建议: 通过属性组成唯一的字符串来表达vid;

通过vid 查询时不需要走索引,vid查找时直接找的是vid因此比较快。nebula也推荐通过vid 方式查询,不推荐通过索引方式

demo 比如链路血缘中: type:database:table

3. 索引

省略

4. 点tag

#创建点
CREATE tag IF NOT EXISTS table (name string,type int DEFAULT 1) TTL_DURATION=100,TTL_COL="name";
# 点名称:
# TTL_DURATION 过期时间默认s
# TTL_COL 过期列
# vid_type 指定vid的类型,FIXED_STRING(256)
# comment 无描述

#使用图空间,跟mysql的use test一样;
use my_space_2; 

5. 边

#创建点说明
CREATE edge IF NOT EXISTS task (name string,age int DEFAULT 20);
### 图空间创建说明
# 名称:
# partition_num空间分配数,建议为硬盘数量的20倍
# replica_factor 副本数 至少1,
# vid_type 指定vid的类型,FIXED_STRING(256)
# comment 无描述

#使用图空间,跟mysql的use test一样;
use my_space_2; 

字段血缘

#插入边
'INSERT EDGE col_to_col (taskId, taskType, createTime) VALUES "%s"->"%s"@%s :("%s", "%s", %d)';
#插入点, 点就是tag
'insert VERTEX ON column "" SET createTime="", tableType="";'
# 插入多个点
INSERT VERTEX t2 (name, age) VALUES "13":("n3", 12), "14":("n4", 8); 

demo

insert VERTEX column (createTime,tableType) values "2:bdp:dwd_plineage_test:ttttyyyy_11:namexiaoyu":(1710173220,"OTHER");
insert VERTEX column (createTime,tableType) values "2:bdp:dwd_plineage_test:ttttyyyy_11:nametian":(1710173220,"OTHER");
INSERT EDGE col_to_col (taskId, taskType, createTime) VALUES "2:bdp:dwd_plineage_test:ttttyyyy_11:nametian"->"2:bdp:dwd_plineage_test:ttttyyyy_11:namexiaoyu"@203884 :("203884","3", 1710173220)
//往下查询
GET SUBGRAPH WITH PROP 1 STEPS from "2:bdp:dwd_plineage_test:ttttyyyy_11:nametian" OUT col_to_col YIELD VERTICES as nodeInfo,EDGES AS edgeInfo;
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 202,905评论 5 476
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 85,140评论 2 379
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 149,791评论 0 335
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,483评论 1 273
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,476评论 5 364
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,516评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,905评论 3 395
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,560评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,778评论 1 296
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,557评论 2 319
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,635评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,338评论 4 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,925评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,898评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,142评论 1 259
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,818评论 2 349
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,347评论 2 342

推荐阅读更多精彩内容