NODES 回顾：世界上最大的分布式图数据库是怎样炼成的

本文作者：Joshua Yu，Neo4j 亚太区售前和技术总监。

原文作者：Chris Gioran，Neo4j 首席架构师。

1 简介

在 2021 年 6 月 17 日的 Neo4j NODES 2021 全球图技术峰会上，Neo4j 的工程师展示了迄今为止部署成功的最大的图数据库集群：

    - 1129 个 Neo4j 数据库实例，其中：

    - 1128 个论坛数据分片

    - 1 个用户分片

    - 3 个 Neo4j Fabric 服务实例提供跨分片的查询

    - 每个论坛分片包含 9 亿个关系和 1.82 亿个节点，共 2 千亿节点

    - 每个用户分片包含 30 亿个用户和他们之间的 160 亿个关系，超过 1 万亿条边

    - 数据总规模超过 280 TB

    - 从开始部署到得到最终结果用了 3 周

    - 运行的成本约为 400 美元/小时（AWS）

这次测试的主要目的是验证 Neo4j 的可扩展性，以及在分布式部署下、Fabric 联邦式查询引擎是否能够维持线性的查询相应延迟增长。

实验从 1 台 Neo4j 服务器开始，增加到 10 台、然后 100 台、最终 1129 台，数据量也从开始的数百 GB 到 1TB 到 280TB。使用的数据集是 LDBC。
图片.png

2 动机

在 Neo4j 4.0 推出 Fabric 时，当时我们做了个验证基准，并在FOSDEM (1)展示给大家。结果表明，对于 1TB 的数据库，吞吐量和延迟会随着其分布的分片数量呈线性增长。更多的分片、更好的总体性能。结果看起来不错，这证实了我们对扩展图数据库的方法有很好的理解。Fabric 的开发继续使其成为 Neo4j 的一个组成部分。随后的产品更新中，新技术被创建和改进（服务器端路由是一个很好的例子），它们对非 Fabric 和分布式结构设置也很有用。

但是，我们一直惦记着来自 FOSDEM 的 1TB 数据集。1TB 并不大，至少对于 Neo4j 而言。我们通常有 10TB 或更多的生产数据，尽管它们在相当大的机器上运行，但 Neo4j 垂直扩展得很好。我们还没有真的遇到需要分片/分布的存储解决方案的场景。但是，为了适应真正大型数据库的解决方案，我们创建了 Fabric，但我们还没有发现它的真正极限。

那么什么样的规模是大规模？一年前，我们构建了 40 台机器的集群，它们运行得非常好。使用 100 台机器似乎也不会有多大的挑战。也许有数十亿个节点？嗯，数十亿个节点仅相当于几 TB 的数据。重要的是，图模式的丰富性来自节点之间的关系，而不是节点本身。我们想的是测试一下可以将 Neo4j 伸展多远，而不仅仅是让自己感觉或看起来不错。

时不时有这样的声音出现，“Neo4j 不支持水平扩展”。很明显我们需要一个证明它错误的机会，一直以来我们都在等待这一机会的到来。现在，它终于来了。这个机会是NODES 2021 (2)。

3 规模

我们决定需要一个足够大的规模时，一个还没有其他人做到过的规模。我们需要向世界展示的不仅仅是 Neo4j 可以存储那样大规模的数据，当水平扩展时还能提高总体性能。

我们将需要更大的数据量，而且不仅仅是数百台机器或数十亿个节点。

一万亿。

一万亿关系应该够大了，对吧？

您甚至在哪里找到具有万亿关系的数据库？使用生产数据会带来物流的问题——数据传输本身会很复杂，更不用说脱密数据以使其适合公众查看。我们只能根据已知模型自己生成它。从数据模型开始，决定需要提供机器的数量和大小、运行的查询以及创建的测试。简而言之，从数据模型开始，了解它需要付出的努力。

LDBC (3)是一个很好的选择。它是一个包含人员、论坛和帖子的社交网络。它很容易理解和解释，大家应该对它也非常熟悉。我们创建了有 30 亿用户的数据集，并对其进行数据分区。这已经超过了地球上最大的社交网络的用户数。根据社交连接的程度，用户分区占用 850GB，每个论坛分区有 250GB，每个分区大约有 9 亿个关系。为了达到 1 万亿关系的目标，我们建立了约 1110 个论坛分区，每个分区运行在独立的服务器上。

下图是 LDBC 的数据模型。
图片.png