3. 知识图谱技术栈概览：图数据库对比与批流一体框架选型
在金融知识图谱实战中，技术栈选型直接决定系统的存储能力、查询性能与数据处理时效。本章聚焦两大核心决策：图数据库的选型对比，以及批流一体框架的适配策略。我们将从金融场景的典型需求出发，逐一拆解各技术组件的优劣与适用边界。
3.1 图数据库选型：Neo4j vs. JanusGraph vs. Dgraph
金融知识图谱对图数据库的核心诉求包括：事务一致性（资金流水）、深度关联查询（多层担保圈）、水平扩展（亿级节点）以及实时写入（交易流式更新）。下表从关键维度对比三大主流图数据库：
| 对比维度 | Neo4j | JanusGraph | Dgraph |
|---|---|---|---|
| 存储模型 | 原生图存储（属性图） | 可插拔后端（HBase/Cassandra/BerkeleyDB） | 原生图存储（属性图 + RDF 兼容） |
| 查询语言 | Cypher（声明式，易学） | Gremlin（遍历式，灵活） | GraphQL+-（类 GraphQL，强类型） |
| 事务支持 | ACID（单机/集群） | 局部 ACID（依赖后端） | ACID（分布式 Snapshot Isolation） |
| 水平扩展 | 企业版支持读扩展，写主从 | 原生支持，后端可线性扩展 | 原生支持，自动分片与重平衡 |
| 深度遍历性能 | 极优（原生图遍历） | 良好（依赖索引与后端） | 优秀（分布式并行遍历） |
| 金融场景适用性 | 中小规模图谱、实时风控、反欺诈 | 超大规模图谱、批流混合、合规审计 | 高并发查询、实时关联分析、社交网络 |
| 运维复杂度 | 低（开箱即用） | 高（需管理后端与索引） | 中（集群部署较简单） |
选型建议：若团队以快速验证和中小规模（节点数 < 1 亿）为主，优先选择 Neo4j；若需处理百亿级节点且已有 Hadoop 生态，选择 JanusGraph；若追求高并发低延迟的分布式查询，Dgraph 是更现代的选择。
3.2 批流一体框架选型：Spark vs. Flink
金融知识图谱的构建与更新需要同时处理批量历史数据（如过去 5 年的交易记录）和实时流数据（如当前交易事件）。批流一体框架的目标是用同一套技术栈统一两种处理模式，降低运维成本与数据不一致风险。
| 对比维度 | Spark Structured Streaming | Apache Flink |
|---|---|---|
| 处理模型 | 微批处理（Micro-Batch） | 原生流处理（Event-by-Event） |
| 实时性 | 秒级延迟（典型 1-5 秒） | 毫秒级延迟（亚秒级） |
| 状态管理 | 基于 RDD/DataFrame 的状态 | 原生 Keyed State + 分布式快照 |
| 事件时间语义 | 支持（但精度受微批影响） | 原生支持，精确一次语义 |
| 批处理能力 | 极优（Spark SQL 成熟生态） | 良好（批流一体 API 统一） |
| 金融场景适用性 | 离线图谱构建、T+1 报表、批量特征计算 | 实时风控、交易监控、动态图谱更新 |
| 学习曲线 | 中等（SQL 友好） | 较高（需理解 Checkpoint/Savepoint） |
批流一体选型核心原则：若金融业务以离线批处理为主，辅以准实时更新，选择 Spark；若业务核心是毫秒级实时风控与动态图谱更新，选择 Flink。在实际金融知识图谱项目中，常见组合是 Spark 做批量初始化 + Flink 做实时流更新。
3.3 技术栈选型总结与金融场景映射
在金融知识图谱实战中，技术栈选型并非孤立决策，而是与业务场景、数据规模、实时性要求紧密耦合。以下总结典型金融场景的技术栈推荐组合：
- 场景一：实时反欺诈 — 图数据库选 Neo4j（ACID + 深度遍历），流处理选 Flink（毫秒级延迟），批量初始化用 Spark。
- 场景二：合规监管报送 — 图数据库选 JanusGraph（百亿级节点），批处理选 Spark（T+1 批量计算），流处理可选 Flink 做增量更新。
- 场景三：实时关联分析 — 图数据库选 Dgraph（高并发查询），流处理选 Flink，批量初始化用 Spark 或 Flink Batch。
- 场景四：混合型金融图谱 — 采用 Spark + Flink + Neo4j/JanusGraph 组合，Spark 做离线批量，Flink 做实时流，图数据库按需选择。
避坑提示：不要试图用一套框架覆盖所有场景。Spark 的微批模型在毫秒级实时场景下存在天然延迟，Flink 的批处理在复杂 ETL 场景下生态不如 Spark 成熟。建议采用 Spark 批处理 + Flink 流处理 的双引擎架构，通过统一的数据模型与存储层实现批流一体。