2. 图数据库基础：核心概念与选型
图数据库是反欺诈图谱实时特征服务的底层存储与计算引擎。与关系型数据库不同，图数据库以“节点-边-属性”三元组为基本数据模型，天然适合表达实体间的关联关系，在欺诈团伙识别、关联网络分析、实时特征计算等场景中具有不可替代的优势。
2.1 图数据库核心概念
| 概念 | 定义 | 反欺诈场景示例 |
|---|---|---|
| 节点 (Vertex/Node) | 表示实体对象，通常带有标签（Label）用于分类 | 用户、设备、IP地址、银行卡、手机号 |
| 边 (Edge/Relationship) | 表示节点之间的有向或无向关系，可携带方向、类型和属性 | “登录”、“转账”、“同设备”、“同IP”、“担保” |
| 属性 (Property) | 节点或边的键值对描述信息，支持多种数据类型 | 节点属性：用户注册时间、设备指纹；边属性：交易金额、时间戳 |
| 路径 (Path) | 由连续边连接的一组节点序列，是图遍历的核心结果 | 用户A → 设备X → 用户B → 银行卡Y（发现共用设备） |
关键认知：在反欺诈图谱中，边是比节点更重要的信息载体。欺诈团伙往往通过共享设备、共用IP、循环转账等“边”模式暴露关联，而不仅仅是单个节点的异常。
2.2 图数据模型：属性图 vs. RDF图
主流图数据库多采用属性图模型 (Property Graph Model)，这也是反欺诈场景的首选。属性图允许节点和边携带任意数量的属性，且边必须具有方向，非常适合表达“谁在什么时间通过什么方式做了什么”的欺诈行为链。
| 对比维度 | 属性图 (Property Graph) | RDF图 (Resource Description Framework) |
|---|---|---|
| 数据单元 | 节点、边、属性 | 三元组 (主语-谓词-宾语) |
| 边表达能力 | 边可携带属性，支持多重边 | 边不可携带属性，需通过中间节点模拟 |
| 查询语言 | Cypher, Gremlin, nGQL | SPARQL |
| 反欺诈适用性 | 高：边属性（如金额、时间）对欺诈分析至关重要 | 低：缺乏边属性，建模复杂 |
选型结论：反欺诈实时特征服务应优先选择属性图模型的图数据库，确保每条关系边都能携带时间戳、权重、风险标签等关键属性。
2.3 主流图数据库对比
当前业界主流的图数据库包括 Neo4j、JanusGraph 和 NebulaGraph，三者在架构设计、扩展能力、查询性能上存在显著差异。以下从反欺诈实时特征服务的核心需求出发进行对比。
| 对比维度 | Neo4j | JanusGraph | NebulaGraph |
|---|---|---|---|
| 架构类型 | 单机/主从集群 | 分布式（依赖外部存储） | 分布式（存算分离） |
| 存储引擎 | 本地原生存储 | HBase / Cassandra / Bigtable | 自研 KV 存储 |
| 查询语言 | Cypher | Gremlin | nGQL (类 Cypher) |
| 事务支持 | ACID | 局部 ACID（依赖后端） | 单分区强一致，跨分区最终一致 |
| 水平扩展 | 弱（需企业版） | 强（依赖底层存储） | 强（原生分布式） |
| 实时写入 | 中等（单机瓶颈） | 中等（受后端存储延迟影响） | 高（批量写入可达百万 TPS） |
| 多跳遍历性能 | 优（本地遍历） | 中（跨节点网络开销） | 优（计算下推） |
| 社区活跃度 | 极高 | 中 | 高（国内生态） |
| 典型反欺诈场景 | 中小规模图谱、离线分析、规则验证 | 超大规模图谱、Hadoop 生态集成 | 大规模实时特征、高并发在线服务 |
避坑提示：不要盲目选择“最流行”的图数据库。Neo4j 在单机场景下性能优异，但水平扩展能力有限；JanusGraph 依赖外部存储，运维复杂度高；NebulaGraph 在实时写入和分布式查询上表现突出，但社区文档相对年轻。选型必须结合自身数据规模、实时性要求和团队运维能力。
2.4 图数据库选型考量矩阵
针对反欺诈实时特征服务的特殊需求，建议从以下六个维度进行加权评估：
- 数据规模：节点数 > 10亿 或 边数 > 100亿 时，必须选择原生分布式架构（NebulaGraph / JanusGraph）。
- 实时写入吞吐：特征服务通常需要每秒写入数万至数十万条边，需关注数据库的批量导入能力和写入延迟。
- 查询延迟：在线特征计算要求 P99 延迟 < 50ms，多跳遍历（3~5跳）必须在毫秒级完成。
- 查询语言生态：Cypher 和 nGQL 对反欺诈分析师更友好，Gremlin 学习曲线较陡。
- 运维复杂度：JanusGraph 依赖 HBase/Cassandra 和索引系统，运维成本最高；NebulaGraph 存算分离，扩缩容相对简单。
- 社区与商业支持：Neo4j 商业支持最成熟；NebulaGraph 在国内有活跃社区和商业版本。
推荐选型策略：
- 中小规模（节点 < 1亿，边 < 10亿）：优先选择 Neo4j，开发效率高，生态完善。
- 大规模实时在线服务（节点 > 10亿，高并发写入）：优先选择 NebulaGraph，原生分布式架构更适合实时特征场景。
- 已有 Hadoop/HBase 技术栈的团队：可考虑 JanusGraph，但需评估运维成本。
2.5 图数据库基础架构示意
下图展示了一个典型的反欺诈图谱实时特征服务中，图数据库的存储与查询架构。数据从实时消息队列（Kafka）流入，经过 ETL 处理后写入图数据库，在线服务通过 API 发起图查询，返回实时特征。
2.6 图数据库选型决策流程
以下决策流程图帮助团队根据自身条件快速锁定目标图数据库：
2.7 本章小结
- 图数据库核心概念：节点（实体）、边（关系）、属性（描述），三者构成属性图模型，是反欺诈图谱的基础。
- 主流图数据库对比：Neo4j 适合中小规模、开发效率优先的场景；JanusGraph 适合已有 Hadoop 生态的超大规模场景；NebulaGraph 适合大规模实时在线特征服务。
- 选型核心考量：数据规模、实时写入吞吐、查询延迟、查询语言生态、运维复杂度、社区支持。没有“最好”的图数据库，只有“最适合”的图数据库。