本文為杭州悅數(shù) CTO 葉小萌在“標(biāo)準(zhǔn)+智能：新質(zhì)生產(chǎn)力的原動力”悅數(shù)圖數(shù)據(jù)庫新產(chǎn)品發(fā)布會上的演講回顧，主題為：《新標(biāo)準(zhǔn)、新期待：展望圖數(shù)據(jù)庫發(fā)展的關(guān)鍵方向》

各位嘉賓、悅數(shù)圖數(shù)據(jù)庫的用戶以及線上的觀眾朋友們大家好！今天很高興有機(jī)會和大家分享我對數(shù)據(jù)庫，尤其是圖數(shù)據(jù)庫的感悟與想法。

GQL 的誕生推動圖數(shù)據(jù)庫的發(fā)展

在 2000 年前后，圖數(shù)據(jù)庫的概念尚未普及，當(dāng)時主要通過 Java API 進(jìn)行相關(guān)操作。直到 2009 年，Apache TinkerPop 規(guī)范定義的 Gremlin 查詢語言首次發(fā)布；兩年后的 2011年，Neo4j 推出了更加廣為人知的 Cypher 圖查詢語言。在圖數(shù)據(jù)庫的后續(xù)發(fā)展中，雖然越來越多的廠商為圖數(shù)據(jù)庫增添了豐富的功能，但多樣的查詢語言也給用戶帶來了困擾。在選擇產(chǎn)品時，用戶不僅需要考慮產(chǎn)品本身的性能，還必須評估查詢語言的易學(xué)性和掌握難度。此外，如果所選產(chǎn)品所使用的查詢語言在幾年后不再被廣泛采用，替換成本將會非常高。這種情況直接影響了圖數(shù)據(jù)庫在業(yè)界的接受度。

直到 2019 年，國際標(biāo)準(zhǔn)化組織（ISO）成立了專門工作組，致力于制定圖數(shù)據(jù)庫查詢語言的標(biāo)準(zhǔn)。經(jīng)過近五年的討論，2024 年 4 月，ISO 正式發(fā)布了國際標(biāo)準(zhǔn)圖查詢語言 ——Graph Query Language（GQL）。GQL 標(biāo)準(zhǔn)的發(fā)布標(biāo)志著圖數(shù)據(jù)庫技術(shù)走向成熟的重要一步。它不僅有助于提高圖數(shù)據(jù)庫的可操作性，還降低了用戶的遷移成本，促進(jìn)了圖數(shù)據(jù)庫技術(shù)的廣泛應(yīng)用。杭州悅數(shù)作為圖數(shù)據(jù)庫廠商也積極參與了標(biāo)準(zhǔn)的制定，進(jìn)一步增強(qiáng)了標(biāo)準(zhǔn)的權(quán)威性和實(shí)用性，悅數(shù)圖數(shù)據(jù)庫更是全球首款原生支持 GQL 的圖數(shù)據(jù)庫產(chǎn)品。相信 GQL 的發(fā)布有望像當(dāng)年 SQL 標(biāo)準(zhǔn)推動關(guān)系數(shù)據(jù)庫發(fā)展一樣，推動圖數(shù)據(jù)庫的發(fā)展，提升業(yè)界對圖數(shù)據(jù)庫的接受程度。我們有理由相信，在 2030 年前后，依托于 GQL 標(biāo)準(zhǔn)， 圖技術(shù)將全方位融入生活，形成行業(yè)的結(jié)構(gòu)化、產(chǎn)業(yè)化。

圖數(shù)據(jù)庫與 HTAP：融合發(fā)展，突破數(shù)據(jù)處理瓶頸

在數(shù)據(jù)庫領(lǐng)域，近年來出現(xiàn)了 HTAP 概念，旨在將 OLTP（在線事務(wù)處理）和 OLAP（在線分析處理）功能整合于一個系統(tǒng)中。在傳統(tǒng)企業(yè)架構(gòu)中，OLTP 系統(tǒng)負(fù)責(zé)在線業(yè)務(wù)的數(shù)據(jù)修改和查詢，而數(shù)據(jù)隨后會同步到后端數(shù)據(jù)倉庫以進(jìn)行分析和挖掘。然而，這種方式無論是傳統(tǒng)關(guān)系型數(shù)據(jù)庫還是圖數(shù)據(jù)庫，往往都面臨高存儲成本和數(shù)據(jù)時效性的問題。截至 2023 年，OLTP 和 OLAP 在的市場份額基本上各占一半。然而，在圖數(shù)據(jù)庫領(lǐng)域，分析需求的占比可能更高。根據(jù)我們接觸到的市場情況，分析需求可能占到 60% - 70%，而在線事務(wù)處理則占 30% - 40%。

作為圖數(shù)據(jù)庫廠商，我們希望能夠整合圖數(shù)據(jù)庫的交易與分析功能，實(shí)現(xiàn) HTAP 能力。首先，實(shí)現(xiàn)底層數(shù)據(jù)共享，以解決存儲和數(shù)據(jù)時效性的問題；其次，針對分析查詢，既然已經(jīng)有了 GQL 標(biāo)準(zhǔn)，我們可以能夠使用它進(jìn)行分析查詢，就像使用 SQL 進(jìn)行查詢一樣。此外，圖數(shù)據(jù)庫中存在許多算法，而以往在不同系統(tǒng)中描述這些算法的難度較大，對數(shù)據(jù)分析人員的要求也很高。因此，我們希望在 GQL 的基礎(chǔ)上，具備描述算法的能力，從而真正實(shí)現(xiàn)查詢語言的統(tǒng)一。因此我們認(rèn)為基于標(biāo)準(zhǔn)的分布式 HTAP 系統(tǒng)是圖數(shù)據(jù)庫未來的重要發(fā)展方向。

圖數(shù)據(jù)庫與 AI ：打破向量局限，實(shí)現(xiàn)優(yōu)勢互補(bǔ)

2022 年底，OpenAI 發(fā)布了 3.0 大模型，掀起了 AI 的熱潮。如何有效地將私有數(shù)據(jù)與公共領(lǐng)域的知識模型結(jié)合，成為了一個重要的研究課題。對于企業(yè)而言，訓(xùn)練專有的大模型不僅需要強(qiáng)大的計算能力，還對技術(shù)團(tuán)隊和研發(fā)團(tuán)隊提出了較高的要求。相比之下，RAG 技術(shù)將私有數(shù)據(jù)作為大模型的補(bǔ)充，避免了重新校正和訓(xùn)練模型的復(fù)雜過程，因此對技術(shù)能力的要求相對較低。隨著大模型的不斷發(fā)展，基于向量數(shù)據(jù)庫的 RAG 解決方案也逐漸涌現(xiàn)。

然而，基于向量數(shù)據(jù)庫的 RAG 存在顯著問題。私有數(shù)據(jù)本身具有內(nèi)在的關(guān)聯(lián)關(guān)系，但向量數(shù)據(jù)庫無法有效地體現(xiàn)這些關(guān)系。而用戶給到大模型的請求是按照 Token 來計算的，Token 越多，計算量越大，價格也越高，時間也越長，RAG 因?yàn)槿鄙倭岁P(guān)聯(lián)的知識，會導(dǎo)致大量的計算資源的浪費(fèi)和時間的浪費(fèi)，且結(jié)果不夠精準(zhǔn)。

相比之下，圖數(shù)據(jù)庫能夠更好地識別和保留這些關(guān)系，從而提高信息檢索的準(zhǔn)確性和效率。圖數(shù)據(jù)庫在處理復(fù)雜關(guān)系和大規(guī)模數(shù)據(jù)方面具有天然優(yōu)勢，這對于 AI 的理解和推理能力至關(guān)重要。

在 2023 年 8?月，我們提出用圖數(shù)據(jù)庫取代向量數(shù)據(jù)庫，并與 LlamaIndex 社區(qū)合作推出 Graph RAG。該方案通過提供更具上下文感知的能力和數(shù)據(jù)訓(xùn)練的方法，緩解了傳統(tǒng)搜索增強(qiáng)技術(shù)的幻覺，能夠區(qū)分像“保溫杯”和“保溫大棚”這種關(guān)鍵字相似但語義不同的內(nèi)容，確保所提供的回復(fù)不僅精確，而且信息豐富。今年上半年，微軟開源的 Graph 相關(guān)項目也印證了圖數(shù)據(jù)庫與 AI 結(jié)合是市場和技術(shù)共同選擇的結(jié)果。

展望未來

圖數(shù)據(jù)庫的未來發(fā)展方向主要包括三個方面：

擁抱 GQL：繼續(xù)支持和推廣 GQL 標(biāo)準(zhǔn)，促進(jìn)圖數(shù)據(jù)庫技術(shù)的普及與應(yīng)用。

探索基于標(biāo)準(zhǔn)的 HTAP 解決方案：開發(fā)高效的 HTAP 系統(tǒng)，滿足日益增長的數(shù)據(jù)處理需求。

深化圖數(shù)據(jù)庫與 AI 技術(shù)的融合：結(jié)合圖數(shù)據(jù)庫和大模型的優(yōu)勢，推動智能決策支持系統(tǒng)的發(fā)展。

圖數(shù)據(jù)庫不僅在技術(shù)上不斷創(chuàng)新，還在實(shí)際應(yīng)用中展現(xiàn)出巨大的潛力。未來，圖數(shù)據(jù)庫將在社交網(wǎng)絡(luò)、推薦系統(tǒng)、金融風(fēng)控等多個領(lǐng)域發(fā)揮重要作用，為數(shù)據(jù)驅(qū)動的決策提供強(qiáng)有力的支持。

感謝各位的聆聽，希望今天的分享能夠?yàn)榇蠹規(guī)硪恍﹩l(fā)和思考。謝謝。