本文首发于 DataFunTalk 公众号，授权 NebulaGraph 社区转发。导读：本文将分享图算法在风控中的应用。今天的介绍会围绕下面四点展开：图算法和风控简介图算法在风控的演化相应平台的心得展望未来分享嘉宾｜汪浩然，互联网行业资深风控和图计算专家。图算法和风控简介什么是图算法——图论算法图算法最早来源于图论和组合...

最近，刚好完成了 NebulaGraph v3.1 版本的升级，并做了一些测试工作，这期间的一些问题总结，在这里分享一下，都是实践中踩过的坑，文中的一些问题可能也是 NebulaGraph 相关的 bug。

熟悉 NebulaGraph 社区的小伙伴可能都知道一个技能认证叫做：NGCP，全称 NebulaGraph Certified Professional。用户在考试认证期间在 1 个小时内回答 100 道题目，并获得 60+ 分，便是 NebulaGraph 认证过的 NGCP 用户。NGCP 用户除了会有实体证书之外，拥有与企业认证用户相同的技术支持服务。

Raft 是一种广泛使用的分布式共识算法。NebulaGraph 底层采用 Raft 算法实现 metad 和 storaged 的分布式功能。Raft 算法使 NebulaGraph 中的 metad 和 storaged 能够集群化部署、实现了多副本和高可用，同时 storaged 通过 multi-raft 模块实现了数据分片，分散了系统的负载，提升系统的吞吐。

图数据库的性能和 schema 的设计息息相关，但是 NebulaGraph 官方本身对图 schema 的设计其实没有一个定论，唯一的共识就是是面向性能去做 schema 设计。而 Neo4j 在它的书籍上则阐述希望用户能够尊重本身业务领域实体的关系进行设计，这次的分享主要是为了解答下面这些问题：

随着互联网世界产生的数据越来越多，数据之间的联系越来越复杂层次越来越深，人们希望从这些纷乱复杂的数据中探索各种关联的需求也在与日递增。为了更有效地应对这类场景，图技术受到了越来越多的关注及运用。

导读：随着营销3.0时代的到来，企业愈发需要依托强大CDP能力解决其严重的数据孤岛问题，帮助企业加温线索、促活客户。但什么是CDP、好的CDP应该具备哪些关键特征？本文在回答此问题的同时，详细讲述了爱番番租户级实时CDP建设实践，既有先进架构目标下的组件选择，也有平台架构、核心模块关键实现的介绍。

最近因为世界杯正在进行，我受到这篇 Cambridge Intelligence 的文章启发（在这篇文章中，作者仅仅利用有限的信息量和条件，借助图算法的方法做出了合理的冠军预测），想到可以试着用图数据库 NebulaGraph 玩玩冠军预测，还能顺道科普一波图库技术和图算法。

2017 年 9 月携程金融成立，在金融和风控业务中，有多种场景需要对图关系网络进行分析和实时查询，传统关系型数据库难以保证此类场景下的关联性能，且实现复杂性高，离线关联耗时过长，因此对图数据库的需求日益增加。携程金融从 2020 年开始引入大规模图存储和图计算技术，基于 NebulaGraph 构建了千亿级节点的图存储和...

为了方便对 NebulaGraph 尚未了解的读者也能快速直接从贡献代码为起点了解它，我把开发、贡献内核代码入手所需要的基本架构知识在这里以最小信息量的形式总结一下。作为前导知识，请资深的 NebulaGraph 玩家直接跳过这一章节。

NebulaGraph Explorer 是一款可以通过 Web 访问的可视化图探索工具。基于 NebulaGraph 内核与图数据进行可视化交互，支持从复杂关系和大量数据中快速查找友邻关系、分析可疑目标、执行图计算分析，并以可视化的方式展示图数据。帮助用户轻松地进行业务数据的分析和探索，快速发现数据中的关联关系。

NebulaGraph 3.3.0 支持了 GET SUBGRAPH 和 GetNeighbors 的点过滤、引入了大量性能优化，同时，开始对无 tag 顶点的支持默认关闭。

前言图数据可视化是现代 Web 可视化技术中比较常见的一种展示方式，NebulaGraph Explorer 作为基于 NebulaGraph 的可视化产品，在可视化图数据领域，尤其是在图形渲染性能等领域积累了较丰富的经验。本文将系统性分享 NebulaGraph Explorer 在 3D 图数据展示上的一些应用。以下演示皆可在 [链接] 在线试用。二维力导图目...

Dag Controller 是 NebulaGraph 企业版的系统，经过反复测试无误后进行了发布，它主要解决的是 OLTP 和 OLAP 的融合问题，以及复杂场景下的图计算问题。也欢迎大家来详细了解下：[链接]。

NebulaGraph VEditor 底层基于 SVG 绘图，它通过合理抽象代码结构以易于二次开发和自定义绘制，极适用于审批流，工作流，血缘关系，ETL 处理，图查询等图（Graph）和网络（Network）型拓扑信息的所见即所得编辑和预览场景。在 NebulaGraph 项目中，VEditor 轻松支持了图查询，图编辑，图建模，图结构，图路径展示等可视...

导读：OPPO 知识图谱是 OPPO 数智工程系统小布助手团队主导、多团队协作建设的自研大规模通用知识图谱，目前已达到数亿实体和数十亿三元组的规模，主要落地在小布助手知识问答、电商搜索等场景。

最近我试着搭建了方便大家一键试玩的 Nebula Graph 中的 Spark 相关的项目，今天就把它们整理成文分享给大家。而且，我趟出来了 PySpark 下的 Nebula Spark Connector 的使用方式，后边也会一并贡献到文档里。

我最近注意到很多同学对于 ORM 框架的需求比较迫切，而且有热心的同学已经捐赠了自己开发的项目，Nebula 社区也在 working on it。下面主要介绍一下我们在使用 MyBatis 操作 Nebula Graph 方面的一些经验，希望能够帮助到大家。

Nebula 目前作为较为成熟的产品，已经有着很丰富的生态。数据导入的维度而言就已经提供了多种选择。有大而全的Nebula Exchange，小而精简的Nebula Importer, 还有为 Spark / Flink 引擎提供的Nebula Spark Connector 和 Nebula Flink Connector。

在讲具体的应用场景之前，我们先看下智联招聘搜索和推荐页面的截图。这是一个简单的智联搜索页面，登录到智联招聘 App 的用户都能看到，但是这个页面背后涉及到的推荐、召回逻辑以及排序概念，是本文的重点。

微澜是一款用于查询技术、行业、企业、科研机构、学科及其关系的知识图谱应用，其中包含着百亿级的关系和数十亿级的实体，为了使这套业务能够完美运行起来，经过调研，我们使用 Nebula Graph 作为承载我们知识图谱业务的主要数据库，随着 Nebula Graph 的产品迭代，我们最终选择使用 v2.5.1 版本的 Nebula Graph 作为最...

本文首发于 Nebula Graph Community 公众号本文整理自 #可视化 on Live 🔗 主题直播，在本期直播中 3 位可视化嘉宾讲述了他们眼中的可视化，以及他们在可视化项目实践中踩过的那些“坑”。卢晓龙：可视化图探索工具 Nebula Explorer 产品负责人，可视化技术专家；苗壮：可视化图探索工具 Nebula Explorer 核心开发，可视化...

本次实践是基于业务需求及后续扩展，通过技术选型确定了 Nebula Graph 图数据库，首先需要验证 Nebula Graph 数据库在实际业务场景下批量导入性能并验证。通过 Spark On Yarn 分布式任务执行导入工作，CSV 文件放在 HDFS 上，分享下个人 Nebula Spark Connector 最佳实践。。

graph-ocean 是一款基于 nebula-java 客户端的 ORM（Object Relational Mapping）框架，熟悉 ORM 的小伙伴应该都知道 ORM 是创建可在编程语言里使用的“虚拟对象数据库”，让开发人员更高效地开发业务。

Nebula Graph 本身提供了高性能的 OLTP 查询可以较好地实现各种实时的查询场景，同时它也提供了基于 Spark GraphX 的 nebula-algorithm 库以便支持实时的图算法，这里给 Nebula 点个赞，很不错！

“为了支持城市复杂场景下各类需求，中科大脑知识图谱团队设计开发了一套包含本体可视化设计、数据映射、数据抽取、数据写入、图数据探索的一体化平台，而本文则详细介绍了他们的业务背景、技术选型、平台建设等内容。”

前几天，我们收到某公司 Nebula 数据库维护人员小张同学的反馈：发现集群 A 性能波动，同样的语句有时查询快，但是有时慢，帮忙看看是机器还是服务本身的问题呢？

本文首发于 Nebula Graph Community 公众号一、选择 Nebula 的原因性能优越查询速度极快架构分离，易扩展（目前的机器配置低，后续可能扩展）高可用（由于是分布式，所以从使用到现在没有出现过宕机情况）上手容易介绍全（熟悉架构和性能）部署快（经过手册的洗礼，快速部署简单的集群）使用简便（遇到需要的数据，查询...

本文首发于 Nebula Graph Community 公众号系 Nebula Graph 发行版 v3.1.0 的性能测试报告。本文目录测试环境测试数据关于 LDBC-SNB测试说明测试用例和结果MatchTest1MatchTest2MatchTest3MatchTest4MatchTest53.1.0 vs 3.0.0（Baseline）MatchTest1MatchTest2MatchTest3MatchTest4MatchTest5测试结论在 v3.1.0 版本中，...

本文首发于 Nebula Graph Community 公众号世界上没有完美的产品，每个不完美的产品都需要一份文档。为什么需要文档打造出一款产品后，我们需要一份文档来回答以下问题：设计这款产品的原因是什么（Why）这是一款什么样的产品（What）产品面向的用户是谁（Who）在哪些场景下可以用这款产品（Where&When）怎样使用（How）...