对于用户的每一次查询，都能根据其意图做到相应的场景和产品的匹配”，是携程酒店技术团队的目标，但实现这个目标他们遇到了三大问题…本文着重讲述他们是如何构建场景与信息关系，用 Nebula 处理关联关系，从而快速返回场景化定制推荐信息给酒店用户的实践过程。

在上次的 nebula-storage on nLive 直播中，来自 Nebula 存储团队的负责人王玉珏（四王）同大家分享了 nebula storage 这块的设计思考，也解答了一些来自社区小伙伴的提问。本文整理自该场直播，按照问题涉及的分类进行顺序调整，并非完全按照直播的时间先后排序。

本文首发于 Nebula Graph Community 公众号在 #云原生# 主题分享中，来自 Nebula 云组的 Cloud 专家乔雷同大家分享云的相关知识，本文整理自该次主题直播。云原生是什么这里简单介绍下云原生是什么，包括 DBaaS 又是什么？它在云的整套体系内又处于一个什么样的层级？云原生从本质上来说，是一个不断演进的技术理念。一...

本文整理自 BIGO 在 nMeetp 上的主题分享，主要介绍 BIGO 过去一年在数据管理建设方面的理解和探索。而 BIGO 数据管理的核心重点在于元数据平台的建设，用以支撑上层数据管理和建设应用，包括数据地图、数据建模、数据治理和权限管理等等。本文主要围绕以下五个方向展开：

本文首发于 Nebula Graph Community 公众号背景刚学习图数据的内容，当前网上充斥大量的安装文档，参差不齐，部署起来令人十分头疼。现整理一份比较完整的安装文档，供大家学习参考，本文示例所用 MacBook 采用了 Intel 芯片。版本macOS 12.0.1Docker 20.10.14Nebula Graph v3.X（20220415-master 分支）Nebula Studio v...

我们知道无论是监管部门、企业还是个人，都有需求去针对一个企业、法人做一些背景调查，这些调查可以是法律诉讼、公开持股、企业任职等等多种多样的信息。这些背景信息可以辅助我们做商业上的重要决策，规避风险：比如根据公司的股权关系，了解是否存在利益冲突比如是否选择与一家公司进行商业往来。

作为一款开源的分布式图数据库产品，Nebula 所有的研发流程都在 GitHub 上运作。基于 GitHub 生态 Nebula 技术团队有一套 pr 的自动化流程：每次 pr 提上来的时候， pull request bot 跑一遍测试，看看这个 pr merge 到主分支以后是否可以保证当前的一些功能还可以继续正常运行。

众所周知，边分为无向边跟有向边两种。所以当按有向边去探索时，就可以按正向边 / 反向边做遍历，Nebula Graph 也支持这种语义。比如：

​在图论中，介数（Betweenness）反应节点在整个网络中的作用和影响力。而本文主要介绍如何基于 Nebula Graph 图数据库实现 Betweenness Centrality 介数中心性的计算。   

本文首发于 Nebula Graph Community 公众号本文整理自 DTCC 主题演讲【开源分布式图数据库的思考和实践】目录目录图数据库市场的现状图数据库的优势以 Nebula Graph 为例开源社区图数据库市场的现状开篇之前，先回顾下图数据库市场变化，2018 年前市场大概是 $ 650,000,000，根据目前市场的研究报告，图数据库市...

index not found？找不到索引？为什么我要创建 Nebula Graph 索引？什么时候要用到 Nebula Graph 原生索引？针对社区常见问题，本文旨在一文带大家搞清索引使用问题。

互联网金融的借贷同传统信贷业务有所区别，相较于传统信贷业务，互联网金融具有响应快、数据规模大、风险高等特点。众安保险主要业务是做信用保证保险，为了服务业务，大数据团队搭建了风控系统用于处理互联网借贷的决策问题。本文主要讲述 Nebula Graph 是如何通过众安保险的选型，以及 Nebula Graph 又是如何落地到具...

因为图数据库的增长趋势一直位列前茅，每年都有媒体预测今年是“图年”。作为曾经的图数据库从业者，Nebula Hackthon 2021 的参赛队伍临江仙的队长王二铁（王建奎），一直在思考，为什么长期火爆的图数据库市场，一直没有真正引爆。在 2018 年图数据库输给了区块链，2019 年又遇到了 5G，随后疫情开始了。在王二铁看来图数...

春节期间如果有小伙伴玩过 Wordle 这个火爆社交媒体的猜词游戏，可能对成语版本的汉兜有所耳闻。在玩汉兜过程中，我发现用 Nebula Graph 的图查询来解 Antfu 的汉兜（中文成语版 Wordle 👉🏻 handle.antfu.me）会是件特别有意思的事情，很适合当作图数据库语句的实操。在本文中，你将了解我是如何用知识图谱“作弊”解汉兜。😁

企查查是企查查科技有限公司旗下的一款企业信用查询工具，旨在为用户提供快速查询企业工商信息、法院判决信息、关联企业信息、法律诉讼、失信信息、被执行人信息、知识产权信息、公司新闻、企业年报等服务。

解决 K8s 部署 Nebula Graph 集群后连接不上集群问题最方便的方法是将 nebula-algorithm / nebula-spark 运行在与 nebula-operator 相同的网络命名空间里，将 show hosts meta 的 MetaD 域名:端口 格式的地址填进配置里就可以了。

经常看技术文章的小伙伴可能会留意到除了正在阅读的那篇文章，在文章页面的正文下方或者右侧区域会有若干同主题、同作者的文章等你阅读；经常逛淘宝、京东的小伙伴可能发现了，一旦你购买或者查看过某个商品之后，猜你喜欢的推荐商品会贴近你刚拔草的商品…这些日常生活中常遇到的事情，可能是由一个名叫图学习的“家伙”提...

本文尝试分享下以最小方式（单机、容器化 Spark、Hadoop、Nebula Graph），快速趟一下 Nebula Exchange 中 SST 写入方式的步骤。本文适用于 v2.5 以上版本的 Nebula- Exchange。

图数据库是面向 OLTP 场景，强调增删改查，并且一个查询往往只涉及到全图中的少量数据，而图计算是面向 OLAP 场景，往往是针对全图数据进行分析计算。

过去十年，图计算无论在学术界还是工业界热度持续升高。相伴而来的是，全世界的数据正以几何级数形式增长。在这种情况下，对于数据的存储和查询的要求越来越高。因此，图数据库也在这个背景下引起了足够的重视。根据世界知名的数据库排名网站 DB-Engines.com 的统计，图数据库至 2013 年以来，一直是“增速最快”的数据库...

本文整理自 Akulaku 反欺诈团队在 nMeetup·深圳场的演讲，B站视频见：[链接]这次主要来介绍下 Nebula 在 Akulaku 智能风控的实践。分为以下 6 个部分内容：图的基本概念与应用场景概述图数据库选型图数据库平台建设Nebula 应用案例图模型的训练与部署总结与展望先来讲解下图的基本概念，图是由节点和边构成的描述关联关...

Nebula Clients 给用户提供了多种编程语言的 API 用于和 Nebula Graph 交互，并且对服务端返回的数据结构进行了重新封装，便于用户使用。

在 #图计算 on nLive# 直播活动中，来自 Nebula 研发团队的 nebula-plato 维护者郝彤和 nebula-algorithm 维护者 Nicole 分别同大家分享了他她眼中的图计算。

地理空间数据（Geospatial Data）是包含简单地理空间要素信息的数据，比如点（point）、线（linestring）、多边形（polygon），或是其他更复杂的形状。

导读：近几年来，图数据在计算机领域得到了广泛的应用。互联网数据量指数级增长，大数据技术、图数据方面的应用增长很快，各家互联网大厂都在图数据分析和应用方面大量投入人力和物力。为了让我们的搜索更加智能化，腾讯音乐也借助了知识图谱。今天和大家分享下腾讯音乐在图谱检索与业务实践方面的探索，主要包括以下几...

目录问题分析定长 Pattern变长 Pattern 与变长 Pattern 的组合执行计划拓展一步拓展多步保存路径变长拼接总结MATCH 作为 openCypher 语言的核心，通过简洁的 Pattern 形式，可以让用户方便地表达图库中的关联关系。变长模式又是 Pattern 中用来描述路径的一种常用形式，对变长模式的支持是 Nebula 兼容 openCypher MATCH...

上篇我们讲述了 Query Engine Optimizer 部分的内容，在本文我们讲解下 Query Engine 剩下的 Scheduler 和 Executor 部分。

Optimizer，优化器，顾名思义就是一个用来优化执行计划的组件。数据库的优化器通常分为两类，一类是基于规则的优化器 RBO（Rule-basd optimizer），一类是基于代价的优化 CBO（Cost-based optimizer），前者完全基于预设的优化规则进行优化，匹配的条件和优化的结果都比较固定；后者则会根据收集的数据统计信息计算不同...

图数据库（Graph database）是以图这种数据结构存储和查询的数据库。与其他数据库不同，关系在图数据库中占首要地位。这意味着应用程序不必使用外键或带外处理（如 MapReduce）来推断数据连接。与关系数据库或其他 NoSQL 数据库相比，图数据库的数据模型也更加简单，更具表现力。

Planner 是执行计划（Execution Plan）生成器，它会根据 Validator 校验过、语义合法的查询语法树生成可供执行器（Executor）执行的未经优化的执行计划，而该执行计划会在之后交由 Optimizer 生成一个优化的执行计划，并最终交给 Executor 执行。执行计划由一系列节点（PlanNode）组成。