web

图数据库与三元组存储

第 18 章 · 知识图谱

知识图谱要「存得下、查得快」，离不开底层存储与索引。一类是面向 RDF 的三元组存储（Triple Store），以 (主体, 谓词, 客体) 为基本单位，支持 SPARQL；另一类是图数据库（Graph Database），以节点与边为核心、常带丰富属性，支持 Cypher、Gremlin 等查询。二者在数据模型、查询语言与适用场景上各有侧重。本章讲清三元组存储与图数据库的定位、主流产品（Virtuoso、Blazegraph、Neo4j、Nebula 等）以及存储模型与索引。

一、三元组存储与图数据库的定位

三元组存储（Triple Store）专为 RDF 设计：数据由 (Subject, Predicate, Object) 三元组构成，主体与客体多为 URI 或字面量，谓词为 URI；支持 SPARQL 查询与 RDF 标准（命名图、推理可选）。适合开放数据、知识库、与 LOD（Linked Open Data）生态对接；存储与索引针对「按 S/P/O 任意维度查找」优化。

图数据库（Graph Database）以节点（Node）与边（Relationship/Edge）为第一公民，节点与边均可带属性（Property）；模型多为属性图（Property Graph）。查询语言常见 Cypher（Neo4j）、Gremlin（TinkerPop）、或厂商自有 API。适合强调遍历、路径、图算法的场景；与 RDF 的「一切皆三元组」不同，属性图更贴近业务中的实体–关系建模。

选型时可参考：若数据已是 RDF、需 SPARQL 或与 LOD 互操作，优先考虑三元组存储；若以属性图建模、需深度遍历与图算法，可选图数据库。二者也可并存：RDF 导入属性图或反向导出，通过转换层统一访问。

三元组存储与图数据库：数据模型（RDF 三元组 vs 属性图）与查询语言（SPARQL vs Cypher/Gremlin）

二、主流产品概览

Virtuoso（OpenLink）：混合型数据库，既支持 SQL 也支持 RDF；内置 SPARQL 端点与 RDF 加载；适合大规模 RDF、LOD 与混合工作负载；商业与开源版并存。

Blazegraph：RDF 三元组存储，支持 SPARQL 1.1、命名图、部分推理；适合高并发读与批量导入；曾用于 Wikidata Query Service 等大规模场景。

Neo4j：主流属性图数据库，查询语言 Cypher；单机与集群版；强项为图遍历、路径查询与图算法库；社区与企业版。

Nebula Graph：分布式属性图数据库，支持大规模图与水平扩展；兼容 OpenCypher 风格查询；适合超大规模图与分布式部署。

其他常见选择：Apache Jena（RDF 框架 + TDB 三元组存储）、RDF4J（Java 框架与多种后端）、Amazon Neptune（云上 RDF 与属性图双模式）、JanusGraph（分布式图、Gremlin）。选型需考虑数据规模、查询模式、运维与许可。

Virtuoso

RDF + SQL; SPARQL endpoint; LOD; hybrid workload; commercial & open.

Blazegraph

RDF triple store; SPARQL 1.1; high concurrency; used in WDQS.

Neo4j

Property graph; Cypher; traversal & graph algorithms; single or cluster.

Nebula Graph

Distributed property graph; OpenCypher; scale-out; large graphs.

产品分布：三元组存储（Virtuoso、Blazegraph、Jena 等）与图数据库（Neo4j、Nebula、JanusGraph 等）

三、存储模型与索引

三元组存储的物理存储通常将每条三元组按 (S, P, O) 的多种排列建立索引，以便按「给定 S 找所有 P–O」「给定 P 找所有 S–O」「给定 O 找所有 S–P」等模式快速查找。常见排列为 SPO、POS、OSP（或 SOP、PSO、OPS）；索引结构多为 B+ 树或类似有序结构，支持范围扫描与合并。部分引擎还维护「按谓词分块」或「按图分块」以优化命名图与谓词约束查询。

图数据库通常采用邻接表或邻接索引：每个节点存储其出边（及可选入边）列表，便于「从一节点出发遍历邻居」；节点与边上的属性可单独存储或与结构一起存储。索引则针对节点/边的标签、属性键值建立，以加速「按类型或属性查找节点」等查询。分布式图库还会做图分区（按节点或边切分），在保证局部性的前提下做跨分区遍历。

查询优化方面：三元组存储的 SPARQL 引擎会对 BGP（基本图模式）做连接顺序选择、索引选择与物理计划生成；图数据库则对模式匹配与遍历做算子下推、索引利用与并行化。理解存储与索引有助于写出更高效的查询与合理的数据布局。

索引要点

Triple store: SPO / POS / OSP（或变体）索引，B+ 树等；Graph DB: 邻接表 + 节点/边属性索引，分区与局部性。优化：连接顺序、索引选择、下推与并行。

存储与索引：三元组存储用 SPO/POS/OSP 等排列；图数据库用邻接表与属性索引

一句话： 三元组存储面向 RDF，(S,P,O) 为单元，支持 SPARQL，适合 LOD 与知识库；图数据库面向属性图，节点+边+属性，支持 Cypher/Gremlin，适合遍历与图算法。产品：Virtuoso、Blazegraph（三元组）；Neo4j、Nebula（图库）。存储：三元组用 SPO/POS/OSP 等索引；图库用邻接表与属性索引；理解索引有助于查询优化与数据布局。

实践： 用 Jena TDB 或 Blazegraph 加载一小份 RDF（如 DBpedia 片段），执行几条 SPARQL 的 BGP 查询，观察不同 WHERE 条件（先 S、先 P、先 O）对响应时间的影响；或在 Neo4j 中建一个小图，用 Cypher 做 1–2 跳遍历，体会邻接存储对遍历的友好性。

四、小结

三元组存储与图数据库分别服务 RDF/SPARQL 与属性图/Cypher-Gremlin 场景。主流产品包括 Virtuoso、Blazegraph、Neo4j、Nebula 等；选型看数据模型、规模与查询模式。存储与索引：三元组用 SPO/POS/OSP 等索引，图库用邻接表与属性索引；优化时注意连接顺序与索引选择。下一章讲SPARQL 基础：SELECT、CONSTRUCT、ASK、DESCRIBE，基本图模式与 FILTER、OPTIONAL、FROM 与命名图。