📚 课程目录第3章图数据库选型

3、图数据库选型：Neo4j、JanusGraph、NebulaGraph 对比与安装

在金融风控场景中，图数据库是承载风险传导链路的底层核心。选型错误会导致查询延迟高、扩展性差、运维成本激增。本节从架构模式、事务支持、查询语言、金融场景适配四个维度，对比 Neo4j、JanusGraph、NebulaGraph 三款主流图数据库，并给出安装指引。

3.1 三款图数据库核心对比

对比维度	Neo4j	JanusGraph	NebulaGraph
架构模式	原生图存储，单机/集群	分布式，依赖后端存储（HBase/Cassandra）	分布式，shared-nothing 架构
查询语言	Cypher（声明式）	Gremlin（遍历式）	nGQL（类 SQL）
事务支持	ACID，强一致性	局部 ACID（依赖后端）	MVCC，快照隔离
金融风控优势	实时查询、路径分析、社区版免费	超大规模图、水平扩展	高并发写入、低延迟查询
部署复杂度	低（单机一键启动）	高（需额外维护 HBase/ES）	中（需 Meta/Storage/Graph 三组件）
适用场景	中小规模、实时风控、反欺诈	百亿节点、离线分析	大规模在线查询、实时传导链路

选型建议： 金融风控传导链路通常需要毫秒级路径查询和强一致性保障。若节点规模在 10 亿以内，优先选择 Neo4j；若超过 50 亿且需要水平扩展，选择 NebulaGraph；若已有 Hadoop 生态且以离线分析为主，选择 JanusGraph。

3.2 架构对比 SVG：三款图数据库存储模型

下图展示三款图数据库在存储层与查询层的核心差异，帮助理解选型背后的架构逻辑。

3.3 安装与快速启动

3.3.1 Neo4j 安装（Docker 方式，推荐）

# 拉取镜像并启动社区版
docker run -d \
  --name neo4j \
  -p 7474:7474 -p 7687:7687 \
  -e NEO4J_AUTH=neo4j/password123 \
  -v /data/neo4j:/data \
  neo4j:5-community

# 验证：浏览器访问 http://localhost:7474，使用 neo4j/password123 登录

    关键参数说明： 7474 为 HTTP 管理端口，7687 为 Bolt 协议端口。生产环境建议挂载持久化卷，并设置 NEO4J_dbms_memory_pagecache_size=2G 等内存参数。

3.3.2 JanusGraph 安装（基于 Docker Compose）

# docker-compose.yml 示例（含 JanusGraph + HBase + ES）
version: '3'
services:
  hbase:
    image: harisekhon/hbase:2.2
    ports:
      - "2181:2181"
      - "16010:16010"
  elasticsearch:
    image: docker.elastic.co/elasticsearch/elasticsearch:7.17.0
    environment:
      - discovery.type=single-node
  janusgraph:
    image: janusgraph/janusgraph:1.0.0
    ports:
      - "8182:8182"
    depends_on:
      - hbase
      - elasticsearch
    command: ["janusgraph", "start"]

# 启动后通过 Gremlin Console 连接
docker exec -it janusgraph bin/gremlin.sh
:remote connect tinkerpop.server conf/remote.yaml
:remote console

避坑提示： JanusGraph 本身不存储数据，必须依赖 HBase 或 Cassandra。生产环境需额外配置 ES 索引，否则属性查询性能极差。启动顺序：HBase → ES → JanusGraph。

3.3.3 NebulaGraph 安装（Docker Compose 集群模式）

# 克隆官方部署脚本
git clone https://github.com/vesoft-inc/nebula-docker-compose.git
cd nebula-docker-compose

# 启动 3 组件（Meta、Storage、Graph）
docker-compose up -d

# 连接 NebulaGraph Studio（可视化工具）
# 浏览器访问 http://localhost:7001
# 默认连接地址：graphd:9669，用户名 root，密码空

# 使用 nGQL 创建图空间
CREATE SPACE financial_risk (partition_num=10, replica_factor=3);
USE financial_risk;
CREATE TAG person(name string, id_card string);
CREATE EDGE transfer(amount double, timestamp datetime);

生产建议： NebulaGraph 的 partition_num 建议设置为集群 CPU 核心数的 2~3 倍；replica_factor 至少为 3 以保证高可用。金融场景下，建议开启 enable_authorize=true 进行权限控制。

3.4 选型决策流程 SVG

以下流程图帮助你在金融风控项目中快速确定图数据库选型方向。

3.5 金融场景选型清单

金融风控场景	推荐图数据库	核心理由
实时反欺诈（毫秒级）	Neo4j	原生图存储，Cypher 路径查询性能最优
团伙欺诈识别（百亿节点）	NebulaGraph	分布式架构，支持高并发写入与查询
历史传导链路回溯	JanusGraph	与 HBase/Spark 生态集成，适合批量分析
企业担保圈风险传导	Neo4j / NebulaGraph	强一致性保障，支持复杂环路检测
实时交易链路监控	NebulaGraph	MVCC 快照隔离，读写不互斥

    实战经验： 在金融风控传导链路项目中，建议先用 Neo4j 做原型验证（快速迭代），当节点规模超过 5 亿且需要水平扩展时，再迁移至 NebulaGraph。JanusGraph 更适合已有 Hadoop 技术栈的团队，否则运维成本会显著增加。