图数据库中的建模值 - 顶点或属性？

Question

我正在对图形数据库（Cassandra 之上的 Titan 0.5.2）中的数据集进行建模，该数据库具有实体（由顶点表示）和两种类型的属性 - 实体之间的链接（自然由边表示）和标量属性（如字符串或数字）。有许多属性类型（现在大约 2000 种），每种属性类型总是相同的类型（即属性 P1 总是链接，属性 P2 总是字符串）但是每个实体可以有任何一组属性，并且属性可以是重复（即，实体 E1 可以具有三个 P2 值且没有 P1 值）。

问题是如何最好地对 P2 的标量值建模——它们应该是实体顶点 E1 的一部分吗？实体顶点 E1 和属性顶点 P2 之间的边缘上的属性？ E1 和包含实际值的值顶点之间的边，标记为 P2？还有什么？我主要对每个解决方案的性能考虑感兴趣 - 即，在顶点或“薄”顶点上有很多属性，但其中有很多属性和很多边会更好吗？索引它们有区别吗？ 但我也对其他考虑因素感兴趣，例如查询的便利性等。

数据集包含数千万个实体（但可能会增长，可能会增长到数亿个），每个顶点通常有大约 10-20 个属性，但有些顶点可以有更多属性，即数百个或更多。预期的查询可以使用任何属性，包括它存在的事实和它的值，并且还可能需要诸如“该实体的最大 P2 值”或“该实体是否具有满足特定条件的任何 P2 值”之类的计算。查询计划通过 Gremlin 类型的查询来完成，但如果有帮助，不排除使用 Titan-only 功能。

Answer 1

就个人而言，我认为将顶点属性建模为顶点的属性通常是最自然的。在使用 Titan 新的多属性和元属性功能时，情况更是如此。多属性是 LIST/SET 属性，元属性是属性上的属性。以下是完整描述这一点的相关文档：

http://s3.thinkaurelius.com/docs/titan/0.9.0-SNAPSHOT/advanced-schema.html#_multi_properties

http://www.tinkerpop.com/docs/3.0.0-SNAPSHOT/#vertex-properties

您可以在属性上创建以顶点为中心的索引，以启用诸如“此实体的最大 P2 值”之类的查询。在性能方面，这个解决方案应该工作得很好。

http://s3.thinkaurelius.com/docs/titan/0.5.0-SNAPSHOT/indexes.html#vertex-indexes

默认情况下，Titan 只会检索您要求的属性（除非您明确告诉它不要通过query.fast-property），并且它可以在顶点的行内完成所有这些操作，因此速度很快。这里有描述

http://s3.thinkaurelius.com/docs/titan/0.9-SNAPSHOT/data-model.html

您必须注意的一件事是失去控制的顶点行。您提到一个顶点可能有 100 个属性，这听起来不错。如果您开始使用 100K，那么您可能会遇到使用顶点的问题，尤其是在执行 OLAP 操作时。

需要注意的另一件事是边缘属性与顶点的特性不同。