实体关系图数据库中的扇出是什么意思？

Question

在Dgraph paper 中提到，实体在服务器之间随机分片，它们自身携带与其他实体的关系。这会在图查询的中间步骤中导致高扇出结果集，从而导致服务器上的广播和执行连接的高延迟。

这里扇出的意思我不明白。

我尝试从基础理解，这就是我发现的：

• 查询中的大量扇出请求会导致网络等问题 拥塞、尾部延迟和 CPU 边界。点击here查看论文。
• 扇入是对调用其他函数或方法（例如 X）的函数或方法数量的度量。扇出是函数 X 调用的函数的数量。它用作基于调用图的指标。点击here获取来源。

我不确定上述点如何与 Dgraph 论文中讨论的基于实体的图相关。是不是实体与其他实体有很多关系，所以一个实体有很多边？

Answer 1

简而言之：是的，在某些情况下，一个实体可以附加许多边。

在第一篇论文中，分片基于谓词“lives-in”和“eats”。在这个描述中，所有“存在”的数据都在一个分片中，所有“吃掉”的数据都在另一个分片中，论文说：“假设最坏的情况是集群如此之大，每个分片都存在于单独的服务器。”

现在，考虑一个包含多个谓词的查询，每个谓词在自己的分片中，每个分片位于不同的服务器上。

Find any person 
    that lives-in ???, 
    that eats ???, 
    that drinks ???,
    that drives ???,
    that reads ???

随着谓词数量的增加（即被询问的分片数量），我们看到了论文中描述的高扇出。集群“广播”的数量显着增长，导致查询延迟成比例增长。