系列文章：

贝壳找房—【图数据库系列】之 JanusGraph VS Dgraph：贝壳分布式图数据库技术选型之路

在 上一篇文章 中我们已经对当前流行的几款图数据库做过简单的分析，并介绍了我们为什么使用 Dgraph。从本篇内容开始，我们将开启 Dgraph 之旅，探索这个图数据库方向的新贵。

注：本章内容基于 Dgraph v1.1.0

一、Dgraph 组件

Dgraph 架构简单明了，我们结合自身在实践过程中所搭建的集群架构，来介绍各个组件。

  • ratel：提供用户界面来执行数据查询，数据修改及元数据管理。
  • alpha：用于管理数据（谓词和索引），外部用户主要都是和 alpha 进行数据交互。
  • group：多个 alpha 组成一个 group（即图中同色 alpha），group 中的多个 alpha 通过 raft 协议保证数据一致性。
  • zero：用于管理集群，并在 group 之间按照指定频率去均衡数据。

二、Dgraph 数据类型

Dgraph 中所有属性都被称为 predicate，即谓词；每个 predicate 都有确定的数据类型。

数据类型说明defalut默认类型int64 位有符号整数float64 位双精度浮点数bool布尔geo地理位置，目前支持 Point、Polygon、MultiPolygondatetime时间类型，如 2020-02-02string字符串password密码uid边的类型，64 位整形，以 16 进制形式表示，如 0x1，系统默认分配

三、Dgraph 索引及分词器

Dgraph 基于每种数据类型，提供了不同的索引及其分词器。目前，建立索引及分词器的意义在于，建立以后可以使用相应的系统函数。

数据类型可用索引index 索引可用的 tokenizerdefalutlist count index upsertdefalutint同上intfloat同上floatbool同上boolgeo同上geodatetime同上year month day hourstringlist count lang index upsertexact hash term fulltext trigrampassword–uidlist count reverse-

注：

  1. count 需要和 list 配合使用，即选用 list 后，才可选用 count
  2. upsert 需要和 index 配合使用，即选用 index 后，才可选用 upsert
  3. 对于 string 类型使用 tokenizer 时，exact、hash、term 只能任选其一

四、Dgraph 实践

本节，我们将从零开始，教大家如何搭建最简单的 Dgraph 服务，并一步步地进行 Dgraph 的操作。

服务搭建

Dgraph 支持物理机安装及 docker 安装，并且服务搭建非常简单，最小规模只需 1 个 zero 节点，1 个 alpha 节点，1 个 ratel 即可启动一个服务。下面我们以物理机安装为例，介绍服务如何搭建。

  1. 服务下载

通过

curl https://get.dgraph.io -sSf | bash

或者

wget https://github.com/dgraph-io/dgraph/releases/download/v1.2.0/dgraph-linux-amd64.tar.gz

即可完成安装包下载，两种方式的区别仅在于第一种只可以下载官方最新 release 的版本，第二种可以指定版本。下载完成后，将压缩包解压到指定目录即可，解压后的内容如下：

2、启动 zero

./dgraph zero

更多关于 zero 的参数，可通过。/dgraph zero –help 查看使用方法。

3、启动 alpha

./dgraph alpha --lru_mb 2048 --zero localhost:5080

此处的 5080 端口是 zero 节点启动的默认 grpc 端口。关于 alpha 的更多参数，可通过。/dgraph alpha –help 查看。

4、启动 ratel

./dgraph-ratel

通过 ratel 默认端口 8000，即可访问图形化界面：

至此，Dgraph 服务就启动起来了。

Dgraph 操作

当前，Dgraph 提供 ratel、http、client 三种方式对图数据库进行相应操作。接下来我们将通过 ratel 的方式来介绍 Dgraph 的常规操作。

alter

说明： 操作图数据库元数据，如 schema、type 的新增、修改、删除等。

格式：

< 谓词 >: 类型 索引类型 .

示例：

创建名为 test_name、test_age 的属性及 test_friend 的边

<test_age>: int @index(int) .
<test_name>: string @index(term) .
<test_friend>: [uid] .

http://rna.6aiq.com/image-2f04955a7cd5453b955b4a2f0b52f230.png 执行后通过 schema 界面查看结果如下

可见，我们的 schema 已经建立成功。在 ratel 中，我们还可以直接通过界面来更快捷的操作 schema

mutate

说明： 对图数据进行相应的新增、修改、删除等。

格式：

新增


{
    set{
	    _:任意标识符 < 谓词 > "值" .
    }
}

修改

{
    set{
	    <uid> < 谓词 > "新值" .
    }
}

删除

{
    delete{
	    <uid> < 谓词 > * .
    }
}

示例：

新增两条数据，jack 及 rose，他们为朋友关系

{
    set{
      _:jack <test_name> "jack" .
      _:jack <test_age> "20" .
      _:jack <test_friend> _:rose .
      _:rose <test_name> "rose" .
      _:rose <test_age> "22" .
    }
}

执行结果如下图

我们查询该数据确认是否执行成功

如图中数据所示，我们有 jack 和 rose 两个点，他们之间有一条叫做 test_friend 的边。

我们从数据的角度再看一下

所有数据一览无遗

upsert

说明： 对符合条件的数据进行新增或修改，类似 query+mutate 的组合。

格式：

upsert{
  query{
    自定义方法名(func:方法){
      v as uid //将 uid 赋值给变量 v
    }
  }

  mutation{
    set{
      uid(v) < 谓词 > "值" .
    }
  }
}

示例：

通过 upsert 将 jack 的 test_age 改为 31

upsert{
  query{
    find(func:eq(test_name, "jack")){
      v as uid
    }
  }

  mutation{
    set{
      uid(v) <test_age> "31" .
    }
  }
}

执行后界面如下

我们通过查询来确认该条数据已被修改

query

说明： 查询图数据库信息，如数据，schema 结构等。

格式：

{
  自定义方法名(func:方法){
    结果中需要展示的谓词
  }
}

我们还可使用一些系统函数来进行查询，如

schema{}

示例：

通过 schema{}查看已经定义的 schema

schema(pred:[test_name,test_age]){}

执行后界面如下

到这里，可能有些人会问，除了讲述 mutate 那里，我们看到两个点及其之间的关系，那么 Dgraph 作为图数据库，是否支持多度关系呢？

答案当然是肯定的，下面我们展示一个简单的二度查询。

示例：

给 rose 添加一个叫做 carl 的朋友

{
    set{
      <0x293310> <test_friend> _:carl .
      _:carl <test_name> "carl" .
      _:carl <test_age> "41" .
    }
}

执行后界面如下

我们在通过查询语句查看，结果�