[发明专利]一种原生图数据库处理方法及系统

说明书

本申请公开了一种原生图数据库处理方法及系统，该方法包括：接收到生成图数据的请求；根据所述请求通过图数据计算引擎访问图数据库，其中，所述图数据库位于磁盘中，所述图数据库中的数据保存在磁盘中；通过所述图数据计算引擎计算得到所述图数据对应的节点和边，其中，所述节点和边为组成所述图数据的对象；根据计算得到的节点和边连接成所述图数据，其中，计算得到所述图数据对应的节点和边以及连接成所述图数据是通过分布式进行的。通过本申请解决了现有技术中使用内存进行图数据处理所导致的问题，从而可以进行更大容量的图数据的处理。

技术领域

本申请涉及到图数据库领域，具体而言，涉及一种原生图数据库处理方法及系统。

背景技术

原生图数据库（简称为图数据库）的核心概念是通过节点、边和属性等方式来表示和存储数据，支持增删改查（CRUD）等图查询操作，提供数据库管理功能。而在图的分析挖掘领域，除了图查询，还常常要执行批量迭代式的图处理任务—图计算。

图数据库及图谱AI相关技术，能在智慧安全、社交网络和知识图谱等领域进一步结合AI算法产生更智能的商业模式，例如，在公共安全领域，图数据库及图谱AI相关技术可大大缩短情报研判时间，并且基于人、事、地、物、组织构建的社会关系网，帮助人案关系可视化的智能推演分析，提供精准高效的人员预测预警。又例如，在金融领域，通过建立基于企业全量账户流水信息的资金关系图谱，结合机器学习和图挖掘应用，可以设计出多种资金异常流动预警模型，识别资金异常拆借、资金逃逸、贷款资金违规挪用、贷款资金回流等企业资金异常流动风险。同时，结合前面建立的包含账户余额、授信余额、企业股权、涉诉信息等关系的企业知识图谱，还可以发现集团客户之中、关联客户之间、上下游客户之间的异常资金流向，去繁就简，发现潜在的风险。

在现有技术中进行图谱业务时，需抽取图数据为邻接表并导出到分布式文件系统，例如HDFS上，再基于HDFS在图处理时直接将全图数据先载入内存（需要充足大小的集群内存）。这种“增加”式办法搭建所有图计算相关方案，其优点是只需要最基本的图数据抽取和导出即可上手使用运行，省去了图数据库通常需要的预处理开销，可以借助使用开源的图计算引擎或专门为某一类重要业务需求打造的自研处理逻辑。然而，这种最简单的“增加”式的办法容易导致系统方案耦合程度高，可复制性差。并且，当业务发展需经常性地执行多种图算法，或要不断定制试验较新的图算法的场景里，将会产生工程上和任务管理上额外的负担。

发明内容

本申请实施例提供了一种原生图数据库处理方法及系统，以至少解决现有技术中使用内存进行图数据处理所导致的问题。

根据本申请的一个方面，提供了一种原生图数据库处理方法，包括：接收到生成图数据的请求；根据所述请求通过图数据计算引擎访问图数据库，其中，所述图数据库位于磁盘中，所述图数据库中的数据保存在磁盘中；通过所述图数据计算引擎计算得到所述图数据对应的节点和边，其中，所述节点和边为组成所述图数据的对象；根据计算得到的节点和边连接成所述图数据，其中，计算得到所述图数据对应的节点和边以及连接成所述图数据是通过分布式进行的。

进一步地，还包括：接收到查询图数据的请求；根据所述查询图数据的请求通过图数据查找引擎访问所述图数据库；通过所述图数据查找引擎返回所述查询图数据的请求所对应的图数据。

进一步地，所述图数据查找引擎与所述图数据计算引擎不同，所述图数据查找引擎和所述图数据计算引擎均直接和所述图数据库进行数据交互。

进一步地，根据所述查询图数据的请求通过所述图数据查找引擎访问所述图数据库包括：根据所述查询图数据的请求通过分布式分布的所述图数据查找引擎访问所述图数据库。

进一步地，计算得到所述图数据对应的节点和边以及连接成所述图数据是通过分布式进行的包括：确定计算所述图数据对应的节点和边以及连接所述图数据所需要的计算资源；根据需要的计算资源确定需要进行并行计算的引擎的数量；根据所述引擎的数量创建并调用对应的计算资源计算所述节点和边并连接成所述图数据。