Ayoub Kazar：PostgreSQL 作为图数据库，第 0 部分：引言、图、图数据库
内容提要
本文介绍图数据库基础：图由顶点和边构成，分为有向图、无向图和加权图，适用于社交网络、欺诈检测等关系密集场景。行业标准是带标签属性图（LPG），可为节点和边附加标签与键值属性。图数据库分为原生与非原生两类：原生系统优化邻接访问，非原生系统则基于关系、文档或键值存储构建。调查显示约66%的图数据库为非原生，其中24%基于关系数据库，这正是PostgreSQL切入图领域的背景。
延伸解读
原生图数据库的定义正在变化
文章指出，原生图数据库的传统定义是“指针追逐”，但Neo4j在2024年引入块格式后，这一描述已不完全准确。作者建议采用行为定义：原生系统致力于让邻接访问更直接，无论通过指针、共置块还是其他图专用布局。这意味着读者在评估图数据库时，不应仅看存储引擎是否“原生”，而应关注其是否针对图遍历做了实质优化。
非原生图数据库占多数，PostgreSQL有天然优势
调查显示约66%的图数据库为非原生，其中24%基于关系数据库。非原生系统能继承成熟后端在并发控制、索引和查询优化等方面的积累。PostgreSQL作为成熟关系数据库，正是这一生态的重要代表。文章借此说明，将图能力构建在现有数据库之上并非妥协，而是利用已有工程成果的务实路径，也为后续讨论PostgreSQL的SQL/PGQ实现埋下伏笔。
LPG是主流模型，但并非唯一
文章明确带标签属性图（LPG）是多数图数据库系统的标准概念模型，通过标签分类顶点和边，并用键值属性附加数据。不过不同系统实现有差异，例如Neo4j允许顶点有任意数量标签，但边只能有一个标签。此外，RDF采用三元组模型，与LPG不同，且不在本系列讨论范围内。读者需注意，选择图数据库时应确认其支持的数据模型是否与自身需求匹配。
Q&A
图数据库中的图具体由哪些元素构成？
图由顶点（节点）和边（关系）构成。形式上，图G表示为元组(V,E)，其中V是顶点集合，E是边的集合，E⊆V×V。
有向图和无向图有什么区别？能举例说明吗？
有向图的边是有序对(u,v)，表示从u到v的方向性关系，例如Twitter关注；无向图的边是无序对{u,v}，表示双向关系，例如Facebook好友。
什么是带标签属性图（LPG）？它为什么成为行业标准？
LPG是大多数图数据库系统采用的标准概念模型，它在简单图的基础上增加了标签（对顶点和边分类）和属性（附加键值数据）。例如顶点可有Person标签和name、age属性，边可有KNOWS标签和since属性。
原生图数据库和非原生图数据库的主要区别是什么？
原生图数据库围绕图模型从头构建，优化邻接访问（如通过指针或共置块），使遍历不变成JOIN；非原生图数据库基于现有成熟后端（关系、文档或键值存储）构建图能力，继承后端的并发控制、索引等组件。区别更多在于工程重点不同。
目前图数据库市场中非原生系统占比如何？底层存储分布是怎样的？
一项约100个图数据库系统的调查显示，约66%为非原生。底层数据模型分布为：34%原生图存储，24%关系数据库，24%键值或宽列存储，18%文档存储。
图模型适用于哪些实际场景？为什么它适合这些场景？
图模型适用于社交网络、欺诈检测、供应链与物流、生物蛋白质相互作用网络、网络拓扑和网页链接等场景。因为这些场景中关系与实体同样重要，模式不规则或演化，查询常沿连接链进行且长度未知，图模型能直观表达和推理。
