图数据库和关系数据库的区别是什么

图数据库是基于图模型的数据库

相比较于关系型数据库，图数据库是真正注重“关系”的数据库

图数据库的功能是传统关系型数据库的一个拓展

简单来说图数据库比起关系型数据库多了许多数据间的联系，这些联系的发现又要基于图数据库里面的图计算来发现和展示，前段时间云栖大会里面提到的GraphScope，就是阿里开发的做图计算图分析的一站式平台

您的采纳是我的动力

上期分享中，我们介绍优炫数据库支持的数据存储方式。

戳： 干货分享 优炫数据库支持多业务场景

本期，我们来讲讲优炫数据库支持的多种数据类型。

基本数据类型存储与管理

优炫数据库拥有完备的数据类型，内置数据类型包括 数字类型、货币类型、字符类型、日期/时间类型、布尔类型、枚举类型、网络地址类型、位串类型、文本搜索类型等, 支持使用 serial 类型创建表自增列。

通常为了加快指定过滤条件下从表中查询数据的速度，可以为表的某个字段或某几个字段建立索引。数据库对基本数据提供多种索引类型：B-tree、Hash、GIN（倒排序索引）和 BRIN（数据库块范围索引）。每一种索引类型使用了一种不同的算法来适应不同类型的查询。 默认情况下， CREATE INDEX命令创建适合于大部分情况的B-tree索引。

XML/JSON数据类型存储与管理

优炫数据库内置半结构化XML、JSON、JSONB数据类型。

xml数据类型可以被用来存储XML数据，它比直接在一个text域中存储XML数据的优势在于，它会检查输入值的结构是不是良好，并且有支持函数用于在其上执行类型安全的 *** 作。xml类型可以存储结构良好（如XML标准所定义）的“文档”，以及“内容”片段，它们由XML标准所定义，这意味着内容片段中可以有多于一个的顶层元素或字符节点。通过表达式来评估一个特定的xml值是一个完整文档或者仅仅是一个文档片段。

JSON类型强制检查数据有效性，使用专门的 *** 作符和内置函数 *** 作数据，保留空格，重复键和顺序等。JSONB是解析输入后保存的二进制数据，删除了数据中的空格、调整了顺序、优化了存储、保留最后一个重复键值，可被索引。和 JSON 一样，JSONB支持嵌入式的文档和数组。JSONB 由若干个键值对存储为单个实体，这种实体称为文档。 JSONB具有以下几个特性：轻量级（Lightweight），可遍历性（Traversable），高效性（Efficient）。 由于所需存储更小，JSONB通常是首选格式。两者区别在于：JSON类型写快读慢，JSONB类型写慢读快，支持SQL/JSON路径语言。此外，数据库支持对这两类数据的全文检索。

GIS空间类型存储与管理

优炫数据库支持GIS的地理信息应用，支持PostGIS、ArcGIS、超图，支持OpenGIS联盟（开放地理信息系统，OGC）抽象数据类型的SQL3规范，提供对地理矢量数据、3D模型、线性参考数据的组织、存储、空间索引和管理。

Geometry（几何对象类型）是优炫数据库的一个基本存储类型， 空间数据都会以Geometry的形式存储在数据库里，本质是个二进制对象。使用OGC推荐的WKT（Well-Known Text）和WKB（Well-Known Binary）格式进行描述，大幅增加了易用性，WKT与WKB基本数据类型(矢量数据)包括：

l 点 （POINT）：例如POINT(0 0)；

l 线 （LINESTRING）：例如LINESTRING(0 0,1 1,1 2)

l 面 (POLYGON多边形)：例如POLYGON((0 0,4 0,4 4,0 4,0 0)) 简单多边形，例如POLYGON((0 0,4 0,4 4,0 4,0 0),(1 1, 2 1, 2 2, 1 2,1 1)) 多边形有一个内部的"孔洞（hole）"；

l 多点 （MULTIPOINT）：例如MULTIPOINT((0 0),(1 2))；

l 多线 （MULTILINESTRING）：例如MULTILINESTRING((0 0,1 1,1 2),(2 3,3 2,5 4))；

l 多面 （MULTIPOLYGON）：例如MULTIPOLYGON(((0 0,4 0,4 4,0 4,0 0),(1 1,2 1,2 2,1 2,1 1)), ((-1 -1,-1 -2,-2 -2,-2 -1,-1 -1)))；

l 几何集合 （GEOMETRYCOLLECTION）：例如GEOMETRYCOLLECTION(POINT(2 3),LINESTRING(2 3,3 4))。

栅格空间数据类型raster用于表示jpeg,tiff,png,DEM模型这样文件格式的数据。每一个栅格至少有1个波段，每个波段又有一系列像素值，栅格数据是转换成地理坐标的。可以从数据库外部导入已有栅格数据，也可在数据库内创建栅格数据。下面是一个在数据库内部创建栅格数据的示例：

拓扑类型和函数用于管理拓扑结构，比如面、边界和点。

创建一个带有栅格记录的栅格列的表可以用下面的SQL完成：

如果创建的栅格不依赖于其他栅格，那么可以使用函数：

ST_MakeEmptyRaster，接着使用ST_AddBand添加栅格数据。也可以使用geometry对象来创建栅格你需要使用函数ST_AsRaster。可能还需要和其他函数比如函数ST_Union 或函数 ST_MapAlgebraFct 或者其他地图代数系列函数联合使用。甚至还有一些根据一些已经存在的栅格表创建新的栅格表的可选函数。例如可以使用函数ST_Transform 根据一个已有的栅格表在其他投影系中创建一个新的栅格表。然后通过下SQL命令创建一个空间索引：

通过空间索引R-Tree实现空间数据查询和 *** 作，R-Tree将数据分解为矩形（rectangle）、子矩形（sub-rectangle）和子-子矩形（sub-sub rectangle）等。它是一种可自动处理可变数据的密度和对象大小的自调优（self-tuning）索引结构。

图数据存储与管理

图数据以图关系这种数据结构存储，把图数据的顶点和边信息存储到关系型数据类型中，这些信息包括：

l 顶点（Vertices）：一个实体一个顶点，一个实体可以有多个属性。

l 边（Edges）：两个实体之间的连接线。

l 属性：实体和边都可以有多个属性。形象举个例子，一个实体对应关系表中一行记录，一个实体的属性代表关系表中这行记录的所有字段和值构成的键值对。

在优炫数据库中图数据通过关系型数据进行存储，这些数据与图模型中的数据相对应。例如通过下SQL语句建立存储图数据的表：

然后新增加数据，后续就可以根据这些数据进行图相关的计算和分析了。

时序数据存储与管理

时序数据存储和管理，通过把时序数据存储到关系型数据类型中。时序数据是指时间序列数据。时间序列数据是同一统一指标按时间顺序记录的数据列。在同一数据列中的各个数据必须是同口径的，要求具有可比性。时序数据可以是时期数，也可以时点数。时间序列分析的目的是通过找出样本内时间序列的统计特性和发展规律性，构建时间序列模型，进行样本外预测。

文档//视频类型存储与管理

优炫数据库可存储任意未知具体内容的、声音、视频等非结构化数据，支持 GB 级大对象数据类型与流式数据访问。可借助于数据库图形化管理工具、应用程序、第三方工具等查看这些非结构化数据。根据业务需要也可借助数据库插件读取或识别这些非结构化数据的内容用于数据分析。

优炫数据库支持多种二进制数据类型，包括：Bytea、OID、Blob、raw、Varbinary、Longvarbinary。

自定义数据类型存储与管理

优炫数据库可自定义数据类型、索引、函数等数据库对象。 新增加的数据类型可以是新数据类型，也可以是已知几个数据类型的复合数据类型。

模分析型数据库用户可在数据库中使用CREATE TYPE或CREATE DOMAIN命令增加新的数据类型；可通过自定义函数或存储过程对数据进行各种处理。

CREATE TYPE在当前数据库中注册一种新的数据类型,定义数据类型的用户将成为它的拥有者。五种形式的CREATE TYPE，它们分别创建组合类型、枚举类型、 范围类型、基础类型或者 shell 类型。shell 类型仅仅是一种用于后面要定义的类型的占位符，通过发出一个不带除类型名之外其他参数的CREATE TYPE命令可以创建这种类型。在创建范围类型和基础类型时，需要 shell 类型作为一种向前引用。

CREATE DOMAIN创建一个新的域。 域本质上是一种带有可选约束（在允许的值集合上的限制）的数据类型。域主要被用于把字段上的常用约束抽象到一个单一的位置以便维护。例如，几个表可能都包含电子邮件地址列，而且都要求相同的 CHECK 约束来验证地址的语法。可以为此定义一个域，而不是在每个表上都单独设置一个约束。

1、数据存储方式不同。

关系型和非关系型数据库的主要差异是数据存储的方式。关系型数据天然就是表格式的，因此存储在数据表的行和列中。数据表可以彼此关联协作存储，也很容易提取数据。

与其相反，非关系型数据不适合存储在数据表的行和列中，而是大块组合在一起。非关系型数据通常存储在数据集中，就像文档、键值对或者图结构。你的数据及其特性是选择数据存储和提取方式的首要影响因素。

2、扩展方式不同。

SQL和NoSQL数据库最大的差别可能是在扩展方式上，要支持日益增长的需求当然要扩展。

要支持更多并发量，SQL数据库是纵向扩展，也就是说提高处理能力，使用速度更快速的计算机，这样处理相同的数据集就更快了。

因为数据存储在关系表中， *** 作的性能瓶颈可能涉及很多个表，这都需要通过提高计算机性能来客服。虽然SQL数据库有很大扩展空间，但最终肯定会达到纵向扩展的上限。而NoSQL数据库是横向扩展的。

而非关系型数据存储天然就是分布式的，NoSQL数据库的扩展可以通过给资源池添加更多普通的数据库服务器(节点)来分担负载。

3、对事务性的支持不同。

如果数据 *** 作需要高事务性或者复杂数据查询需要控制执行计划，那么传统的SQL数据库从性能和稳定性方面考虑是你的最佳选择。SQL数据库支持对事务原子性细粒度控制，并且易于回滚事务。

虽然NoSQL数据库也可以使用事务 *** 作，但稳定性方面没法和关系型数据库比较，所以它们真正闪亮的价值是在 *** 作的扩展性和大数据量处理方面。

阿里云数据库 InfluxDB® 版已于近日正式启动商业化 。 云数据库 InfluxDB® 是基于当前最流行的开源数据库 InfluxDB 提供的在线数据库服务，相比较开源具有免运维，稳定可靠，可d性伸缩的优势，广泛应用于互联网基础资源监控，容器监控，业务运营监控分析，物联网设备远程实时监控，工业安全生产监控，生产质量评估和故障回溯。提供时序数据自动化采集，压缩存储，类SQL查询，多维聚合计算和数据可视化分析能力。点击关注，InfluxDB 商业化活动

时序数据和企业业务密切相关，不可或缺。任何一家企业都需要一套高效的运维系统保证实时发现应用和业务问题，通过监控，故障告警的手段，进行故障定位，保证在线业务的稳定，减少不可用时常。业务运营人员依赖运营系统，保证有充足的数据进行业务分析判断，便于更准确的做出业务决策。物联网企业和工业企业都需要能够实时掌握设备的运行状态，对生产过程进行监控，实时判故障预警，故障定位，故障回溯以及业务。以上业务场景都需要时序数据作为“数据证据”来表示指标“变化”过程，进而达到告警，诊断，修复和预测的业务目的。

时序数据很简单，构成具有三个要素，主体，时间戳，和指标数据。比如： xxx公司（主体）2019年8月26日上午10时，11时， 12时（时间戳）的股价分别是：160 USD，165 USD，180 USD（指标值）。概括来说，区别于关系数据库关心的是“最终结果”。时序数据表示的是资产或者过程是如何随着时间变化的，体现的是“变化”的过程价值。

时序数据主要应用在：运维监控，运营分析，设备监控，BI分析，工业安全生产监控场景。这些场景上，产生的核心数据是时序数据，业务特征表现在 写多读少 ，无事务性要求，数据分析强关联时间维度，且实时性要求高。

时序数据库针对时序数据业务特征进行针对性的数据存储结构设计，以及存储方式的优化，在监控等时序业务场景下数据的写入，读取，分析能力相比较传统的关系型数据库如 MySQL ，具有百倍的性能提升。

从数据存储架构上看，关系数据库通常按照行来记录一条时间记录数据，且顺序记录之间无主体关联性，单个主体的记录数据随机分散在多行，如果是分布式数据库甚至分布在多个分分库上，记录之间也没有时间顺序组织数据，连续时间戳的数据，分散在不连续的存储上，这样就造成按照主体和时间维度的数据写入和存储的效率大大降低。

而时序数据库按照主体为维度进行数据存储和索引，完全按照业务使用场景组织数据，相同主体指标数据组织在一起，并且按照时间为度进行分片存储，只需要获取主体信息和时间分片信息就可以顺序进行写入和读取 *** 作。单次IO请求磁盘寻道的时间和获取数据量比关系数据库寻道的效率和获取数据量都要高，查询的时间区间越大，查询主体越多，数据越多，效率差异越大，整体性能比关系数据库要高出十倍甚至百倍。

云InfluxDB® 相比较开源InfluxDB 优势明显。 云InfluxDB 提供云服务的方式，有行业顶级的专家支持服务，具有 免安装，免运维，稳定性高，数据高可靠的优势。使用云存储的方案，数据多副本存储，数据可靠性达到999999% 。

自建快速迁移上云

云 InfluxDB 提供了快速迁云的工具，只需动动鼠标就可以完成自建InfluxDB 到 云 InfluxDB 的迁移。

类SQL 开发友好，快速上手

阿里云 InfluxDB 完全兼容开源 InfluxDB ，面向开发友好， 为了方便传统关系数据库开发者能够快速适应Influx DB开发， 提供给了类 SQL的查询语言 InfluxQL，在提供强大的时序分析能力的基础上，最大程度的沿用了SQL的开发模式，使得学习成本大大降低。

集成数据采集，搭建监控更简单

阿里云数据库 InfluxDB 继承了 Influx DB 良好的开源生态，具有完整的数据采集，存储和数据可视化监控告警体系 TICK Stack 支撑。 同时相比较开源产品，提供了产品化的数据采集服务，只需在控制台进行几步简单 *** 作，“0” 代码完成各类监控源的监控数据自动采集。

云InfluxDB® 金融高可用版即将推出

服务的高可靠和数据一致性对金融类企业至关重要，开源的InfluxDB 没有提供高可靠的HA 版本，阿里云InfluxDB 针对金融，保险，银行，涉及数据和服务高可靠的研发了 HA高可用版本， 目前正在商业化上线的过程中，不久就可上线提供服务。

云InfluxDB® 商业化限时优惠

图形数据库每个对象是一个节点，之间的关系是一条边。相对于关系数据库来说，图形数据库善于处理大量复杂、互连接、低结构化的数据，这些数据变化迅速，需要频繁的查询——在关系数据库中，由于这些查询会导致大量的表连接，从而导致性能问题，而且在设计使用上也不方便。

图形数据库适合用于社交网络，推荐系统等专注于构建关系图谱的系统。

图数据库的代表有Neo4J、FlockDB、InfoGrid、、GraphDB等。

应用理论：6层关系理论：任何两个事物之间的关系都不会超过6层

查询最短路径的必要性

allShortestPaths

[n] 用于表示获取n层关系

查询如下3个表的全部内容：哪些公司卖哪些货？

collect(distinct ccategoryName) 单独对ccategoryName去重

1load

2import

将csv文件放到import目录中

3用python接口导入文件

以上就是关于图数据库和关系数据库的区别是什么全部的内容，包括:图数据库和关系数据库的区别是什么、干货分享｜优炫数据库支持多业务场景（二）、图数据库和关系数据库的区别等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！