图数据库竞争日趋激烈，out正在进行

图数据库与云计算结合是必然趋势，原生、并行是核心技术优势，TigerGraph 将迎来全面爆发。

大数据时代的业务增长带来了两个明显的变化：数据量的剧增和数据关联的复杂化。与此同时，用户对于数据价值的期望越来越高，这些变化催生了数据库的变革和创新。图数据库由于提供了对关联数据最直接的表达，以及图模型对异构数据天然的包容力，使得图数据库迎来飞速发展的状态。

2019 年年初，Gartner 数据与分析峰会上将图列为 2019 年十大数据和分析趋势之一，并预计到 2022 年，全球图处理及图数据的应用将以每年 100% 的速度迅猛增长，2020 年保守估计将达到 80 亿美元。市场尚处于蓝海，竞争却遍布全球。

图数据库竞争日趋激烈，淘汰正在进行

图片来源：Gartner 2019 年十大数据和分析技术趋势

在美国，图数据库是近年来所有数据库里发展速度最快的，其中一家典型的公司就是 TigerGraph。TigerGraph 成立于 2012 年，总部位于硅谷。2017 年 11 月 8 日，TigerGraph 发布新一代企业级实时图数据库平台，在市场上引起轩然大波。为什么从创立到发布第一款产品间隔了 5 年？TigerGraph 中国区总经理乌明捷解释，“基于 C++ 从底层核心做起，利用分布式技术，支持万亿级别节点，具备高性能和高可扩展性，并且操作界面十分简单。我们用 5 年的蛰伏换来了产品的好口碑。原生、并行是我们的差异化优势。”

而在国内，越来越多的公司也开始进入图数据库领域，针对内部的产品开发相应的图数据库系统，但这种图数据库的应用针对性较强，所以并不适用于市场上其他客户。

纵观数据库的发展，对于任何达到一定规模或价值的数据，图数据库都是呈现和查询这些关系数据的最好方式。而理解和分析这些图的能力将成为企业未来最核心的竞争力。正如 TigerGraph 公司的创始人许昱博士所言：“在大数据时代，数据是新的石油，而基于图的数据分析就是新的炼油厂。”

一、图计算元年背景下值得关注的热点

图计算重点包括两点：图数据库和图分析引擎，前者重点关注 OLTP ，后者重点关注离线图计算，当然这二者的界限有时候不那么清晰，比如有些图数据库内置了图分析算法的实现，有些图分析引擎也实现了事务和持久化。

图计算在近几年受到广泛的关注，主要有以下几个方面的因素：

适合以图表达的数据积累到一定程度了，对隐藏在图数据中的知识挖掘的需求也随之越来越强烈。

图神经网络是深度学习的一个重大创新。深度学习发展遇到了瓶颈，不可解释性是其固有的顽疾。而与深度学习相结合的图计算将端到端学习与归纳推理相结合，有望解决深度学习无法处理的关系推理、可解释性等固有问题。

知识图谱受到越来越多的重视，其中确定性的知识会以实际顶点和边的形式存储在图数据库中，概率性知识一般需要依赖于图分析引擎，进行知识推理。图神经网络和知识图谱将是未来引爆图计算的机会。

但是，图要实现大规模应用，必须先攻破的技术难点之一就是如何提升图分析能力。原生的图数据存储可以跨越数据孤岛，进行有效的建模，探索和查询具有复杂关系的数据，进而解决 SQL 在查询复杂数据问题并不总是有效的问题。但问题是，图数据的存储和分析对数据规整性要求高，一旦数据规整性差，就会影响计算，且分析难度会随着分析维度的增加而增加。