本文首發于 Nebula Graph 官方部落格： https://nebula-graph.com.cn/posts/nebula-graph-risk-control-boss-zhipin/
摘要：在本文中，BOSS 直聘大資料開發工程師主要分享一些他們内部的技術名額和選型，以及很多小夥伴感興趣的 Dgraph 對比使用經驗。
業務背景
在 Boss 直聘的安全風控技術中，需要用到大規模圖存儲和挖掘計算，之前主要基于自建的高可用
Neo4j叢集來保障相關應用，而在實時行為分析方面，需要一個支援日增 10 億關系的圖資料庫，Neo4j 無法滿足應用需求。
針對這個場景，前期我們主要使用
Dgraph，踩過很多坑并和 Dgraph 團隊連線會議，在使用 Dgraph 半年後最終還是選擇了更貼合我們需求的
Nebula Graph。具體的對比
Benchmark已經有很多團隊在論壇分享了，這裡就不再贅述，主要分享一些技術名額和選型，以及很多小夥伴感興趣的 Dgraph 對比使用經驗。
技術名額
硬體
配置如下：
- 處理器：Intel(R) Xeon(R) Gold 6230 CPU @ 2.10GHz 80(cores)
- 記憶體：DDR4，128G
- 存儲：1.8T SSD
- 網絡：萬兆
Nebula Graph 部署 5 個節點，按官方建議 3 個 metad / 5 個 graphd / 5 個 storaged
軟體
- Nebula Graph 版本： V1.1.0
- 作業系統：CentOS Linux release 7.3.1611 (Core)
配置
主要調整的配置和 storage 相關
# 按照文檔建議，配置記憶體的 3 分之 1
--rocksdb_block_cache=40960
# 參數配置減小記憶體使用
--enable_partitioned_index_filter=true
--max_edge_returned_per_vertex=100000 名額
目前安全行為圖儲存 3 個月行為，近 500 億邊，10 分鐘聚合寫入一次，日均寫入點 3,000 萬，日均寫入邊 5.5 億，插入延時 <=20 ms。
讀延時 <= 100 ms，業務側接口讀延時 <= 200 ms，部分超大請求 < 1 s
目前磁盤空間占用 600G * 5 左右
CPU 耗用 500% 左右，記憶體使用穩定在 60 G 左右
Dgraph 使用對比
目前來說原生分布式圖資料庫國内選型主要比對 Dgraph和 Nebula Graph，前者我們使用半年，整體使用對比如下，這些都是我們踩過坑的地方。
就我們使用經驗，Dgraph 設計理念很好，但是目前還不太滿足我們業務需求，GraphQL 的原生支援還是有很大吸引力，但是存儲結構決定容易 OOM（邊存儲也分組的話會優化很多，官方之前計劃優化）；另外，采用自己編寫的 badger 和 ristretto，目前最大的問題是從官方釋放的使用案例來看，未經大規模資料場景驗證，在我們實際使用中，大資料量和高 QPS 寫入場景下容易出現崩潰和 OOM，且如果采用 SSD 存儲海量資料，Dgraph 的磁盤放大和記憶體占用也需要優化。
如果沒有高 QPS 寫入，目前 Dgraph 還是值得一試，對于很多快速原型的場景，作為 GraphQL 原生圖資料庫使其非常适合做基于圖的資料中台，這是目前的一個大趨勢，它也上線了自己的雲服務，業内标杆 TigerGraph 也在做相關探索，另外事務的完善支援也是它的優勢，這塊暫時用不到，是以沒做相關評測。實測 Dgraph 線上寫入并發不高或隻是離線導入資料使用的情況下還是很穩定的，如果想借助它的高可用和事務功能，可以嘗試下。
對比來說，Nebula Graph 很優秀，特别是工程化方面，展現在很多細節，可以看出開發團隊在實際使用和實作上做較了較好的平衡：
- 1.支援手動控制資料平衡時機，自動固然很好，但是容易導緻很多問題
- 2.控制記憶體占用（enable_partitioned_index_filter 優化和設定單次最大傳回邊數目），都放在記憶體固然快，但有時候也需要考慮資料量和性能的平衡
- 3.多圖實體隔離，多張圖實在太有必要
- 4.nGQL 最大程度接近最常用 MySQL 語句，2 期相容 Cypher 更加完美；對比 GraphQL 固然香，但寫起複雜圖查詢真的讓人想爆炸，可能還是更加适合做資料中台查詢語言
- 5.和圖計算架構的結合，最近釋放的 Spark GraphX 結合算法非常有用，原先我們的圖計算都是基于 GraphX 從 Neo4j 抽取後離線計算團夥，後續打算嘗試 Nebula Graph 抽取
這裡主要從實際經驗對比分享，二者都在持續優化，都在快速疊代，建議使用前多看看最新版本 release說明。
建議
目前 Nebula Graph 做得很優秀，結合我們現在的需求也提一點點建議：
- 1.更多離線算法，包括：現有的圖神經網絡這塊的支援，圖線上查詢多用在分析，真正線上應用目前很多還是圖計算離線算完後入庫供查詢
- 2.Plato 架構的合并支援，Spark GraphX 相對計算效率還是低一些，如果能整合騰訊的 Plato 架構更好
- 3.借鑒 TigerGraph 和 Dgraph，支援固化 nGQL 查詢語句直接生成服務 REST 端點，HTTP 傳入參數即可查詢，這樣可快速生成資料查詢接口，不用背景再單獨連接配接資料庫寫 SQL 提供資料服務
目前 Boss 直聘将 Nebula Graph 圖資料庫應用在安全業務，相關應用已經線上穩定運作大半年，本文分享了一點經驗，抛磚引玉，期望更多技術夥伴來挖掘Nebula這座寶庫。
Dgraph 遇到的一些問題，供有需要小夥伴參考
參考文章
本文系 Boss直聘·安全技術中心 文洲 撰寫