2. 图谱基础概念回顾：节点、边、属性图、知识图谱与图数据库简介
在深入图谱阈值漂移与 PSI 监控之前，必须统一团队对图谱基础概念的认知。本章从最原子化的结构出发，逐步构建至知识图谱与图数据库的工程视图，为后续的指标计算与巡查策略奠定共同语言。
2.1 图的核心构成：节点与边
图（Graph）由两个基本元素组成：节点（Node/Vertex） 和 边（Edge/Relationship）。节点代表实体，边代表实体之间的关联。
| 元素 | 别名 | 现实示例 | 图谱监控中的含义 |
|---|---|---|---|
| 节点 | 顶点（Vertex） | 用户、设备、IP、订单 | 被监控的实体对象 |
| 边 | 关系（Relationship） | 登录、转账、同设备 | 实体间的行为或属性连接 |
| 标签/类型 | Label / Type | Person、Transaction | 节点或边的分类标识 |
监控视角： 在 PSI 漂移巡查中，我们关注的是节点和边的 分布稳定性。例如，某类边的数量突然激增，或某类节点的属性值分布发生偏移，都是图谱漂移的早期信号。
2.2 属性图：带属性的结构化表达
属性图（Property Graph）是工业界最常用的图模型。它在节点和边上附加了键值对属性，使得图不仅能表达拓扑结构，还能承载丰富的业务信息。
- 节点属性：如用户的年龄、注册时间、风险评分。
- 边属性：如转账金额、交易时间戳、登录设备型号。
- 有向/无向：边可以带有方向，表示关系的指向性。
PSI 监控关键点： 属性值的分布漂移（如年龄分布、交易金额分布）是图谱阈值漂移巡查的核心监控对象。属性图模型天然支持对属性字段的逐维统计。
2.3 知识图谱：从数据到语义
知识图谱（Knowledge Graph）在属性图的基础上，引入了本体（Ontology）和语义推理。它不仅仅是存储实体与关系，更强调对现实世界知识的建模与关联。
| 维度 | 属性图 | 知识图谱 |
|---|---|---|
| 核心关注 | 数据存储与查询 | 知识表示与推理 |
| 模式 | Schema-Less 或弱模式 | 强本体约束（RDF/OWL） |
| 关系语义 | 边标签（如“转账”） | 定义域/值域约束（如“转账”连接“账户”和“账户”） |
| 典型应用 | 风控、推荐、社交 | 搜索引擎、问答系统、反欺诈推理 |
| PSI 监控差异 | 监控属性值分布 | 额外监控本体实例化频率、关系类型漂移 |
注意： 在知识图谱中，本体定义的变更（如新增关系类型、修改属性约束）会直接导致图谱结构漂移。PSI 监控需要同时覆盖 数据层 和 模式层 的稳定性。
2.4 图数据库：工程化存储与查询
图数据库（Graph Database）是属性图和知识图谱的工程载体。它针对图结构进行了存储与查询优化，支持高效的邻接遍历。
- 原生图存储：如 Neo4j、NebulaGraph，采用免索引邻接（Index-Free Adjacency），遍历性能高。
- 多模型数据库：如 ArangoDB、JanusGraph，支持图、文档、键值混合存储。
- 图查询语言：Cypher（Neo4j）、nGQL（NebulaGraph）、Gremlin（通用）、SPARQL（RDF 知识图谱）。
监控工程提示： 图数据库的查询延迟、写入吞吐量、索引命中率等指标，会直接影响 PSI 监控任务的实时性。建议在搭建监控系统时，将图数据库的 慢查询日志 和 连接池状态 纳入基础监控。
2.5 概念关系总结
以下表格帮助快速区分四个核心概念在图谱监控中的角色定位：
| 概念 | 抽象层次 | 监控关注点 | PSI 漂移示例 |
|---|---|---|---|
| 节点/边 | 最底层原子 | 数量、类型分布 | 某类节点数量日环比增长 200% |
| 属性图 | 数据模型层 | 属性值分布、边方向 | 用户年龄字段 PSI > 0.1 |
| 知识图谱 | 语义模型层 | 本体实例化、关系语义 | “转账”关系突然连接了“设备”节点 |
| 图数据库 | 工程实现层 | 查询性能、存储容量 | 遍历延迟从 5ms 飙升至 500ms |