holt-cj 是基于 badger-cj 的嵌入式图数据库，约720行代码，支持顶点、边、多标签、JsonValue 属性、邻接索引、Gremlin 风格惰性遍历，以及事务与备份恢复。邻接查询通过索引较快，但未实现属性索引，has(key,value) 需全量过滤，V() 也全量扫描。适合以邻接查询为主的中小规模单机嵌入式场景，不适合属性检索、路径算法和十万级顶点。

> 本文是写作规划，不是可发布正文。拆解对象：属性图（property graph）存储与遍历引擎——以 Neo4j 5.x（record / aligned / block store）为主线，TinkerPop / JanusGraph、TigerGraph 作对照；Cypher / Gremlin 只写到「计划与…

本文比较六种图数据库引擎的架构差异，聚焦邻接布局、查询表面、事务、扩展和运维五轴。TigerGraph采用原生并行存储与MPP/BSP执行，JanusGraph依赖外置宽行图层，Neptune基于四元组索引和云共享存储，AGE映射PostgreSQL表，Memgraph支持内存与磁盘模式切换。文章强调机制定位而非性能排名，最终选型决策留待第16篇。

本文介绍JanusGraph基于TinkerPop接口，将图数据存储于Cassandra等宽行后端，采用邻接表布局，边双写，事务非必然ACID，依赖后端一致性。对比Neo4j原生存储，JanusGraph牺牲局部性换取可扩展性，用vertex-centric索引应对超节点，适合已有宽表集群的场景。

本文总结图数据库选型与接口设计：何时用原生图引擎、GraphRAG边语义分级（L0-L3）及存储建议。核心观点：深多跳、邻接局部性、事务边场景倾向原生图；GraphRAG边多为可重建的L0-L1，权限审计边需强一致存储。向量管语义，图管可达，按边分级选型，避免一刀切。

本文介绍Neo4j图数据库生产环境排障方法，核心是“三轴分流”：先判断慢查询属于计划基数（轴A）、存储I/O（轴B）还是锁/并发（轴C），再对症处理。文章强调超节点问题应优先优化建模与查询而非硬件，并给出内存三分（page cache、heap、OS）的配置与指标解读，以及锁死锁排查、慢查询固定流程和症状速查表。

本文为图数据库内核系列首篇，介绍属性图引擎在存储生态中的角色，对比行存、LSM、向量引擎与GraphRAG。重点阐述Neo4j的record与block存储格式、邻接代价模型、页缓存及Cypher计划边界，并规划16篇阅读路线，强调原生邻接布局对多跳查询性能的关键作用。

本文比较图数据库四种邻接布局（边表、CSR、指针链、Block内联）的代价模型，分析一次hop与k跳扩张的差异。核心观点：大O相同但常数、局部性、更新代价不同；幂律图超节点主导事故形态；选型需关注k、f、d_max和更新频率四个旋钮，而非品牌之争。

本文介绍Neo4j图数据库的Block存储格式，采用128字节固定主块内联节点与关系数据，溢出时分层使用动态存储、dense B+树及huge存储。相比Record系指针链，Block减少指针追逐，提升局部性，支持更高实体上限，但空节点有固定空间开销。该格式为Enterprise默认，Community仍用aligned。

本文介绍Neo4j图数据库record存储引擎布局：节点15字节、关系34字节、属性41字节、关系组25字节，均采用定长记录加指针链表结构。稀疏节点直接扫描关系链，密集节点通过关系组按类型分桶。aligned为Community默认格式，block为Enterprise推荐格式。

本文介绍图数据库Cypher计划中Expand算子家族：单跳Expand(All)生成邻居、Expand(Into)连接已知两端，变长路径需设上界防爆炸，Pruning优化仅需唯一终点，最短路径用双向BFS而非变长枚举。强调存储耦合、谓词下推及实操要点，如避免超节点扫描、量化路径剪枝等。

本文介绍Neo4j图数据库的page cache机制：页大小为8192字节，用于缓存磁盘上的图数据和原生索引。配置上建议显式设置server.memory.pagecache.size，并通过hit_ratio（应达98%以上）、usage_ratio、page_faults等指标监控健康度。Record格式易受随机指针颠簸影响，Block格式通过数据共置减少页访问，超节点则需建模优化。扩缓存只是优化手段之一。

本文介绍图数据库内核系列文章，聚焦属性图存储与遍历。内容涵盖Neo4j的record/block格式、邻接代价模型、索引、Cypher计划及事务处理，并对比TinkerPop、JanusGraph等引擎。系列共16篇，已发布13篇，旨在帮助工程师理解图存储底层机制及选型，区分原生图引擎与关系库递归CTE的适用场景。

本文介绍图数据库Neo4j的写入路径：创建关系时挂链或升dense，删除采用逻辑删除并复用ID，空间不立即归还OS。写放大影响读局部性，逼近阈值触发结构迁移，复用旧ID可能破坏缓存友好性。压实需用database copy工具。

本文介绍Neo4j 5的索引与约束机制。索引分四类：LOOKUP（标签/类型）、RANGE（属性范围）、TEXT（文本子串）、POINT（空间），用于加速查询起点选择，但不解决深度遍历爆炸问题。约束（唯一、存在、类型、KEY）保证完整性，但会带来写放大。过索引增加空间和写入成本，需谨慎设计。

本文介绍Neo4j图数据库中全文索引与向量索引的边界：两者均由Lucene驱动，不自动被Cypher规划器选用，需显式调用过程或SEARCH查询。全文索引用于分词匹配与打分，向量索引用于嵌入近邻搜索。内存上依赖OS缓存而非page cache，分数不可跨源比较，可与图拓扑扩展结合实现混合检索。