企業(yè)如何通過圖數(shù)據(jù)庫及知識圖譜形成業(yè)務(wù)壁壘
2021-09-28 16:52:34

隨著業(yè)務(wù)數(shù)據(jù)量級猛增、業(yè)務(wù)數(shù)據(jù)類型愈加多樣化、業(yè)務(wù)復(fù)雜程度的激增，傳統(tǒng)的關(guān)系型數(shù)據(jù)庫早已無法反映企業(yè)業(yè)務(wù)情況的全貌，對于分析對象之間的關(guān)系洞察也顯露出了能力瓶頸。在這樣的大背景下，企業(yè)對圖數(shù)據(jù)庫的需求應(yīng)運(yùn)而生。

區(qū)別于傳統(tǒng)的關(guān)系型數(shù)據(jù)庫，圖數(shù)據(jù)庫以實(shí)體為點(diǎn)，點(diǎn)與點(diǎn)的關(guān)聯(lián)關(guān)系為邊，對數(shù)據(jù)進(jìn)行存儲。企業(yè)開始使用原生圖存儲的形式存儲多樣化的數(shù)據(jù)，是希望能夠使用圖的計(jì)算形式來對實(shí)體間錯(cuò)綜復(fù)雜的關(guān)系快速形成深入洞察，從而沉淀成企業(yè)智慧，進(jìn)一步提升業(yè)務(wù)的智能化水平，降低現(xiàn)有高昂的人力成本，解決以往的人力決策難以跟上業(yè)務(wù)數(shù)據(jù)發(fā)展的問題。

以大數(shù)據(jù)能力為堅(jiān)實(shí)底座

圖數(shù)據(jù)庫+TDH計(jì)算引擎實(shí)現(xiàn)優(yōu)異的性能表現(xiàn)

目前市面上的開源圖數(shù)據(jù)庫較適用于個(gè)人用戶，對于企業(yè)用戶而言，圖數(shù)據(jù)一般來源于已有的大數(shù)據(jù)系統(tǒng)，隨著數(shù)據(jù)量的增長和業(yè)務(wù)模型逐漸復(fù)雜，開源圖數(shù)據(jù)庫既無法承受大規(guī)模圖存儲和計(jì)算，也無法融入大數(shù)據(jù)生態(tài)，徒增系統(tǒng)復(fù)雜程度。

基于此痛點(diǎn)，星環(huán)科技自主研發(fā)了分布式圖數(shù)據(jù)庫StellarDB，以分布式的計(jì)算引擎為動(dòng)力，可幫助用戶實(shí)現(xiàn)任意數(shù)據(jù)規(guī)模的圖計(jì)算，且計(jì)算能力隨節(jié)點(diǎn)數(shù)線性擴(kuò)展，可以支撐萬億級別圖規(guī)模存儲。除了支持大規(guī)模的數(shù)據(jù)集外，StellarDB還具備深度的圖分析能力，支持10層以上的深度復(fù)雜圖遍歷。

星環(huán)圖數(shù)據(jù)庫StellarDB為大數(shù)據(jù)平臺提供了良好的兼容服務(wù)，可以快速接入已有的大數(shù)據(jù)平臺。

圖1 星環(huán)科技分布式圖數(shù)據(jù)庫StellarDB

StellarDB的查詢性能和圖算法能力已經(jīng)達(dá)到行業(yè)領(lǐng)先水平。本次測試采用了公開數(shù)據(jù)集twitter-2010，其點(diǎn)邊規(guī)模分別為四千萬和十四億。對比圖數(shù)據(jù)庫分別為：StellarDB 3.0.12，Neo4j 4.3.3，ArangoDB 3.7.11，以及JanusGraph 0.5.2。本次比較的內(nèi)容包括：數(shù)據(jù)導(dǎo)入測試、多度查詢測試、多度最短路徑測試，以及圖算法測試。

最終結(jié)果如圖2所示，橫坐標(biāo)表示耗時(shí)的倍數(shù)，以StellarDB的運(yùn)行時(shí)長為基準(zhǔn)，設(shè)定為1，柱越長代表查詢或?qū)肴蝿?wù)耗時(shí)越久，無柱狀表示超過2h無結(jié)果返回或出現(xiàn)OOM報(bào)錯(cuò)。

我們首先來看數(shù)據(jù)導(dǎo)入速度，StellarDB在面對十億邊數(shù)據(jù)量集的導(dǎo)入速度在15分鐘左右，其他開源數(shù)據(jù)庫的導(dǎo)入時(shí)間在近半小時(shí)級至半天級不等。我們接下來對2度及3度查詢進(jìn)行比較，可以看到在4次查詢?nèi)蝿?wù)當(dāng)中，StellarDB均有較好的性能表現(xiàn)：2度鄰居查詢的性能分別為其他產(chǎn)品的5-20倍不等；2度最短路徑查詢甚至達(dá)到1~40倍不等；3度最短路徑查詢達(dá)到1.4倍；而在3層鄰居查詢?nèi)蝿?wù)中，StellarDB能在亞分鐘級查詢出4.3億條結(jié)果，而ArangoDB在4項(xiàng)查詢?nèi)蝿?wù)中均超時(shí)。在圖算法方面，StellarDB的PageRank結(jié)果返回速度也超其他返回結(jié)果速度2倍以上。

可見，面對國外廠商N(yùn)eo4j擅長的小數(shù)據(jù)量短查詢場景，StellarDB在大圖2度鄰居查詢中表現(xiàn)出了5倍的較大優(yōu)勢，并快速查詢出Neo4j無法返回的3度鄰居查詢?？梢?strong>StellarDB對于海量的大圖數(shù)據(jù)集有明顯的性能優(yōu)勢，且隨著層數(shù)的增大，對多度及最短路徑的查詢優(yōu)勢愈加明顯，而其他圖數(shù)據(jù)庫往往會產(chǎn)生報(bào)錯(cuò)、無法返回結(jié)果等情況。

圖2 StellarDB性能測試耗時(shí)對比圖

在使用便捷性方面，StellarDB內(nèi)置了近20種常見的圖算法，可滿足用戶各類圖分析需求，并且支持2D/3D的全景分析及展現(xiàn)，利用可視化技術(shù)幫助用戶快速獲取數(shù)據(jù)基于關(guān)聯(lián)性的深度洞察。同時(shí)，StellarDB可以滿足實(shí)時(shí)圖查詢和離線算法分析的需求，無需學(xué)習(xí)特定的編程語言，只需基于主流的openCypher圖形查詢語言，即可完成復(fù)雜的查詢?nèi)蝿?wù)。在某些金融場景，用戶甚至無需輸入圖形查詢語言，使用自然語言即可進(jìn)行快速檢索。

成本方面，StellarDB采用了多種數(shù)據(jù)編碼和壓縮策略，有效降低海量圖數(shù)據(jù)對于存儲資源的需求。相較于開源圖數(shù)據(jù)庫，StellarDB可使用更少的節(jié)點(diǎn)實(shí)現(xiàn)更快的查詢。跑在更少的服務(wù)器資源上，可極大降低用戶的采購、運(yùn)維、空間及能耗成本及開銷，以滿足企業(yè)“碳達(dá)峰”、“碳中和”的需求。

企業(yè)級功能方面，StellarDB具備完整的企業(yè)級功能，為企業(yè)客戶設(shè)計(jì)了多維度的權(quán)限控制模型，支持圖級別、標(biāo)簽級別、屬性級別三層權(quán)限設(shè)置；提供了數(shù)據(jù)加密和配置掩碼規(guī)則，保障敏感數(shù)據(jù)的安全性；提供增量和全量數(shù)據(jù)備份，以及在線跨集群數(shù)據(jù)恢復(fù)，協(xié)助客戶保障集群數(shù)據(jù)完整性；提供安全認(rèn)證和訪問控制，支持Kerberos和LDAP登陸和授權(quán)。

產(chǎn)品資質(zhì)方面，StellarDB具備自主知識產(chǎn)權(quán)，且已獲得圖數(shù)據(jù)庫基礎(chǔ)能力專項(xiàng)測評證書，可與國產(chǎn)的操作系統(tǒng)和硬件平臺兼容。

輔以KG等AI驅(qū)動(dòng)的應(yīng)用開發(fā)工具

實(shí)現(xiàn)金融風(fēng)控全鏈路支撐

基于圖數(shù)據(jù)庫，用戶可以在上層開發(fā)通用或行業(yè)知識圖譜，將企業(yè)的業(yè)務(wù)規(guī)則、決策智慧沉淀下來，并賦能搜索引擎、推薦系統(tǒng)、實(shí)時(shí)風(fēng)險(xiǎn)預(yù)警等應(yīng)用系統(tǒng)，實(shí)現(xiàn)集團(tuán)的數(shù)字化轉(zhuǎn)型。

以金融監(jiān)管機(jī)構(gòu)為例，可實(shí)現(xiàn)集團(tuán)派系知識圖譜、產(chǎn)業(yè)鏈知識圖譜、擔(dān)保鏈知識圖譜、反洗錢知識圖譜等的構(gòu)建；以銀行為例，星環(huán)科技可以幫助用戶構(gòu)建企業(yè)管理關(guān)系圖譜、小微企業(yè)風(fēng)險(xiǎn)事件圖譜、社交畫像知識圖譜、供應(yīng)鏈知識圖譜，從而實(shí)現(xiàn)貸后資金穿透管理和風(fēng)險(xiǎn)傳遞預(yù)估；投資圖譜方面，星環(huán)科技可幫助證券、基金、期貨企業(yè)構(gòu)建智能投研知識圖譜、FOF投研知識圖譜、大宗商品知識圖譜等，可實(shí)現(xiàn)輿情事件的實(shí)時(shí)接入、風(fēng)險(xiǎn)事件的實(shí)時(shí)預(yù)警及風(fēng)險(xiǎn)傳導(dǎo)的可視化。

除以上應(yīng)用外，圖數(shù)據(jù)庫及知識圖譜技術(shù)也大量應(yīng)用于可疑團(tuán)伙發(fā)現(xiàn)、產(chǎn)品或服務(wù)的精準(zhǔn)推薦、社交網(wǎng)絡(luò)分析、疫情溯源與防控等領(lǐng)域。

圖3 星環(huán)科技Sophon KG的企業(yè)知識圖譜界面

星環(huán)科技提供用戶

從點(diǎn)到線再到面的立體智能分析能力

星環(huán)科技為用戶串聯(lián)起了從底層的關(guān)系型數(shù)據(jù)庫、大數(shù)據(jù)平臺到中層的圖數(shù)據(jù)庫，再到上層知識圖譜應(yīng)用的全棧產(chǎn)品，實(shí)現(xiàn)了從最底層獨(dú)立的“點(diǎn)”分析到關(guān)系的“線”分析再到事件的“面”分析，最終形成行業(yè)全面的“體”分析的全棧智能分析賦能。從點(diǎn)到面再到體的一站式分析工具提供，可以搭建緊密相扣的工作流鏈路，對于用戶而言，能夠大量節(jié)省開發(fā)成本和基礎(chǔ)算力，顯著提升分析性能。

展開來講：

（1）“點(diǎn)”：傳統(tǒng)數(shù)據(jù)分析是利用關(guān)系型數(shù)據(jù)庫或不含圖數(shù)據(jù)庫的OLAP大數(shù)據(jù)平臺，針對單個(gè)實(shí)體或?qū)傩赃M(jìn)行統(tǒng)計(jì)分析或機(jī)器學(xué)習(xí)建模，它只能處理單個(gè)或多個(gè)獨(dú)立“點(diǎn)”的信息。

（2）“線”：而當(dāng)用戶想基于點(diǎn)和點(diǎn)之間的關(guān)系進(jìn)行多層關(guān)聯(lián)關(guān)系分析時(shí)，關(guān)系型數(shù)據(jù)庫會遇到多表join的挑戰(zhàn)而無法返回結(jié)果。此時(shí)使用分布式的圖數(shù)據(jù)庫即可在快速返回海量的大圖分析結(jié)果，實(shí)現(xiàn)對“線”的分析。

（3）“面”：當(dāng)錯(cuò)綜復(fù)雜的線形成一個(gè)網(wǎng)絡(luò)時(shí)，我們需要使用屬性圖、圖建模的技術(shù)來對復(fù)雜網(wǎng)絡(luò)進(jìn)行分析，如提取網(wǎng)絡(luò)中的特征或模式，并固化這些模式和知識，泛化至業(yè)務(wù)系統(tǒng)當(dāng)中，形成企業(yè)的知識資產(chǎn)。

（4）“體”：最后，當(dāng)遇到多層次、多維度的網(wǎng)絡(luò)時(shí)，有異構(gòu)圖分析能力的知識圖譜可以幫助企業(yè)形成語義網(wǎng)絡(luò)，比方說將企業(yè)上下游、輿情信息等多源異構(gòu)的網(wǎng)絡(luò)進(jìn)行整體分析，形成對某一標(biāo)的的價(jià)格走勢預(yù)判，最終實(shí)現(xiàn)對“體”的分析。

圖4 星環(huán)科技從“點(diǎn)”到“面”的立體智能分析能力

星環(huán)科技從點(diǎn)至面的立體智能分析方案，其底層除支持TDH極速大數(shù)據(jù)平臺外，利用聯(lián)邦計(jì)算技術(shù)可集成多個(gè)異構(gòu)數(shù)據(jù)源、跨平臺的數(shù)據(jù)擁有方，做到在不直接進(jìn)行數(shù)據(jù)交換的前提下，獲得全體數(shù)據(jù)的計(jì)算結(jié)果。此外，基于多模型的大數(shù)據(jù)技術(shù)架構(gòu)，可通過8種獨(dú)立的存儲引擎支持業(yè)界主流的10種存儲模型，對于用戶來說，可對關(guān)系型數(shù)據(jù)、文本數(shù)據(jù)、地理空間數(shù)據(jù)、圖數(shù)據(jù)、時(shí)序數(shù)據(jù)等進(jìn)行統(tǒng)一的存儲、查詢計(jì)算和融合分析。

我們相信，圖數(shù)據(jù)庫作為Gartner發(fā)布的2021數(shù)據(jù)分析十大技術(shù)之一，將以極大的潛能挖掘海量數(shù)據(jù)的無限價(jià)值，并輔以知識圖譜等AI驅(qū)動(dòng)的開發(fā)工具，從圖計(jì)算及圖模式探索中不斷沉淀新的業(yè)務(wù)規(guī)則，實(shí)時(shí)賦能上層業(yè)務(wù)。隨著圖計(jì)算和處理技術(shù)的不斷普及，企業(yè)能通過掌握從“點(diǎn)”到“線”至“面”的立體智能分析能力，不斷積累知識和業(yè)務(wù)深層規(guī)律，最終構(gòu)成企業(yè)堅(jiān)實(shí)的業(yè)務(wù)壁壘。