图数据库基础：节点、边、属性概念归纳总结
说实话，很多做反欺诈的同学一听到「图数据库」，第一反应是「又要学新东西了，烦不烦」。嗯，我刚开始也这么想。但后来发现，图这东西，说白了就是把咱们脑子里的关系网络，用电脑能理解的方式存起来。没你想的那么玄乎。
这一章，我会把最核心的三个概念——节点、边、属性，给你讲透。不讲复杂的查询语法，只讲反欺诈场景下你该怎么理解它们。
什么是图数据库？
传统的关系型数据库，存的是表格——行和列。你查一个用户的交易记录，要 JOIN 好几张表，性能差不说，写 SQL 也能把人绕晕。图数据库不一样，它把世界看成「谁跟谁有什么关系」。你想想看，反欺诈最关心的不就是这个吗？
我个人习惯把图数据库比作一张「社交关系地图」。节点是地图上的每个地点（人、设备、手机号），边是连接两个地点的路（登录、转账、共用 IP），属性就是路边的招牌（时间、金额、IP）。
节点：反欺诈的核心实体
在反欺诈图谱里，节点就是那些「你到底想盯住谁」。常见的有：
- 用户节点：注册账号、实名身份
- 设备节点：手机 IMEI、设备指纹
- 联系方式节点：手机号、邮箱、微信号
- 金融节点：银行卡、交易订单
每个节点都会有一个唯一的标识符，比如 user_id 或 device_id。但要注意，同一个实体在不同系统里可能有多个 ID，合并时特别容易踩坑。我曾在项目里遇到过用户用不同手机号注册，但收件地址和 IP 完全一样，只合并了手机号节点，结果漏掉了真正的团伙关联。嗯，这一点后面讲「实体对齐」时会细说。
边：关系即风险
光有节点没用，你得知道它们之间发生过什么。边就是那个「发生过什么」。
常见的反欺诈边关系：
| 关系类型 | 边的方向 | 反欺诈含义 |
|---|---|---|
| 登录 | 用户→设备 | 同一设备登录多账号 → 团伙 |
| 转账 | 用户→用户 | 资金流向异常 → 洗钱 |
| 共用IP | 用户→用户 | 多用户同一IP → 代理/批量操作 |
| 收件地址 | 用户→地址 | 多用户同一地址 → 虚假交易 |
| 社交关注 | 用户→用户 | 关注与被关注 → 水军网络 |
边还可以带方向。比如「用户A→转账→用户B」，方向和金额一样重要。我建议你在设计边类型时，尽量让边名就是一个简短动词，这样后续写 SQL 遍历时一眼能看懂。
属性：给实体和关系打标签
节点和边都可以有属性。属性就是「描述这个节点/边有多可疑」的关键信息。
- 节点属性：注册时间、实名等级、设备首次活跃时间、历史风险标签
- 边属性：交易金额、登录时间戳、IP 归属地、是否启用代理
举个例子：一个用户节点，你可以在它上面存「注册距今天数」「关联设备数」「被举报次数」等衍生变量。一条转账边，你可以存「转账金额」「转账时间距上一次登录间隔」——这些在后面做变量衍生时都是宝贝。
我曾经遇到一个坑：最开始我们把「登录时间」存成节点属性（用户节点上），结果查「近1小时登录的所有设备」时，图数据库要把所有用户节点都扫一遍，慢得要命。后来改成把登录时间存成边的属性（用户→设备的边上），再用索引过滤时间范围，查询速度提升了十几倍。你注意一下：频繁变化的时间戳放在边上，不常变的静态属性放在节点上，这是实践经验。
create_time、risk_score。避开 SQL 关键字（比如 group、order），免得建索引时报错。
一张图看懂节点、边、属性
下面这张 SVG 图展示了一个典型反欺诈图谱的结构。你仔细看，三个用户节点通过不同的关系和边连接，边上带着属性，节点上也挂着属性。嗯，这就是你后面要操作的数据模型。
三个概念的关系
最后总结成一张表，方便你刻在脑子里：
| 概念 | 反欺诈示例 | 存储关键点 |
|---|---|---|
| 节点 | 用户、设备、手机号、银行卡 | 必有唯一标识，属性不宜过多 |
| 边 | 登录、转账、收件地址共用 | 可以有方向，时间戳放边上 |
| 属性 | 注册时间、金额、IP 归属 | 节点属性和边属性要分开设计 |
记住这三个东西，后面所有的 SQL 变量衍生，本质上都是在问：「某个节点，经过某种边，到达某些节点，这些节点/边上的属性满足什么条件？」