一、图数据库neo4j和spark下面的graphx有什么区别

neo4j是native graph database，也就是有自己的数据库存储。它的长处在于支持交互式查询，属于oltp系统，很多人说不支持分片存储使其无法应付海量数据，本人觉得恰恰相反，可以说neo4j的存储方式是教科书式的以空间换时间，每台服务器配备ssd磁盘阵列虽然贵，但是可以大幅减少分片存储的带宽占用和通信时间开销，保证oltp的效率。

neo4j很容易上手，特有的cypher查询语言以画草图的方式查询和建模数据，很直观。适当构建查询计划的情况下，neo4j的查询效率很高，能够迅速从整网中找出符合特定模式的子网，供随后分析之用。

此外，neo4j实现了tinkerpop接口，tinkerpop是刚刚毕业的一个阿帕奇项目，有望建立图数据库的一套标准用户接口。同样实现tinkerpop的还有titan，orient等主流图数据库。

再来看graphX。

graphX是spark的系统组件，存储是基于spark rdd的，有节点和边两种rdd。熟悉spark的朋友对rdd该不会陌生，spark通过缓存rdd的操作节省了大量计算和io开支，因此spark特别适合对海量数据进行运算，此理同样适用于graphX。因此，graphX自设计之初就是奔着图计算的目标去的，属于olap系统，而非oltp系统。

graphX有丰富的函数库，能完成很多经典图算法，如pagerank、三角计数、社群发现、最短路径计算等等。此外，图存储和计算的方式不禁让人想到神经网络算法，如果将隐层用节点rdd表示，隐层之间的边用边rdd表示，运用graphX的计算优势搭建起一套多层神经网络的想法很美妙，这应该就是MLlab相应算法模块的工作原理。

因此跟graphx相关的概念集中在图计算，而非图存储和查询领域。所以经常浏览db-engines的朋友们不难发现，图数据库列表里就没有graphx这一项。在比较图存储和图查询性能时，比较集合多是neo4j、orientdb、titan、arangodb等图数据库系统。而比较图计算时，比较集合多是graphlab、giraph、graphX。

简言之，图数据库系统和图计算系统不是一回事：前者是为了存储完整数据，并根据需求从中查询数据子集供分析展示之用；后者的任务是拿到一个图结构的数据集，从中计算一些有用的东西。

如果你有随时增长的海量数据，希望以图的方式存储这些数据，从而能在需要时顺利挖出一个子图来，那就要借助于图数据库，此时如果你有充足的资金，neo4j是不二之选，否则就要从db-engines里面第二名以后的一众数据库里挑选。进一步，如果你的需求不只停留在查询，还要依据查询结果计算出一些图的特征来，那么建议你将图数据库系统同图计算系统联合使用。

延伸阅读：

二、图数据库优点有什么

使用图（或者网）的方式来表达现实世界的关系很直接、自然，易于建模。比如某人喜欢看某电影，就可以建立一条边连接这个人和这部电影，这条边就叫做“喜欢”边，同时这个人还可以有其它边，比如“朋友”边、“同学”边等，同样这个电影也可以有其它边，比如“导演”边、“主演”边等，这样就构建了自然的关系网。图数据库可以很高效的插入大量数据。图数据库面向的应用领域数据量可能都比较大，比如知识图谱、社交关系、风控关系等，总数据量级别一般在亿或十亿以上，有的甚至达到百亿边。mysql不做分表分库的情况下插入百万数据基本就慢到不行，图数据库基本能胜任亿级以上的数据，比如neo4j、titan(janus)、hugegraph等图数据库，持续插入十亿级的数据基本还能保持在一个较高的速度。图数据库可以很高效的查询关联数据。传统关系型数据库不擅长做关联查询，特别是多层关联（比如查我的好友的好友有哪些人），因为一般来说都需要做表连接，表连接是一个很昂贵的操作，涉及到大量的IO操作及内存消耗。图数据库对关联查询一般都进行针对性的优化，比如存储模型上、数据结构、查询算法等，防止局部数据的查询引发全部数据的读取。