Neo4j / NebulaGraph / 关系库横评
目 录
一、导读
二、Neo4j 社区版与企业版
2.1 版本差异
2.2 Infinigraph
三、三大主流图库对比
3.1 定位差异
3.2 其他图库
3.3 选型结论
四、图库与关系库
4.1 差异
4.2 何时用图库
4.3 融合而非替代
五、综合对比与选择建议
5.1 选择逻辑
六、本篇小结
一、导读
前四讲完成了图数据库从认知到部署的闭环。选型阶段需要回答：同为图库，Neo4j 与 NebulaGraph / TigerGraph 如何取舍；什么场景该用图库而非关系库。本讲把这些方案放入同一坐标系横向对比。
二、Neo4j 社区版与企业版
2.1 版本差异
|
维度 |
社区版（CE） |
企业版（EE） |
|
许可 |
GPLv3 开源免费 |
商业授权付费 |
|
部署 |
仅单实例 |
支持高可用 / 因果集群 |
|
备份 |
冷备份（停服） |
在线热备份 + 增量 |
|
安全 |
基础认证 |
基于角色访问控制 + LDAP / AD |
|
适用 |
学习、开发、中小项目 |
生产、企业级高可用 |
2.2 Infinigraph
Infinigraph 是企业版的特殊形态，在 EE 基础上增加带自动分片的无限水平扩展与图数据科学（GDS）能力，面向超大规模图处理与分析，需单独订阅。
三、三大主流图库对比
3.1 定位差异
|
维度 |
Neo4j |
NebulaGraph |
TigerGraph |
|
定位 |
原生图标杆 / 事实标准 |
国产分布式原生图库 |
商业高性能图分析 |
|
开源 |
CE 开源 / EE 商业 |
完全开源（Apache 2.0） |
商业闭源 |
|
查询 |
Cypher |
nGQL |
GSQL |
|
分布式 |
集群需 EE |
原生分布式，万亿边 |
分布式集群 |
|
生态 |
最丰富（Bloom/GDS/驱动） |
信创首选，国产硬件认证 |
企业级超大规模 |
3.2 其他图库
- JanusGraph：分布式开源图库，Gremlin 语言，构建于存储后端（HBase / Cassandra 等）之上。
- Memgraph：C++ 实现的内存图库，面向实时流式处理，兼容 openCypher 与 Bolt 协议。
3.3 选型结论
追求生态、易用、单机或中小规模、Cypher → Neo4j；需要超大分布式图（万亿边）、国产化与信创 → NebulaGraph；超大图高性能图分析、企业级 → TigerGraph。
四、图库与关系库
4.1 差异
|
维度 |
图数据库 |
关系型数据库 |
|
数据模型 |
节点-关系-属性 |
二维表 + 外键 |
|
关系查询 |
O(1) 邻接遍历 |
多表 JOIN，随深度恶化 |
|
多跳性能 |
近似线性 |
指数级下降 |
|
典型应用 |
反欺诈、社交、知识图谱 |
交易系统、报表统计 |
|
优势 |
关系路径、群体分析 |
ACID 事务、SQL 成熟 |
4.2 何时用图库
- 多层股权穿透、资金路径追踪：查询目标是路径而非单行。
- 团伙关系识别、风险传播：需多跳遍历与图算法。
- 设备依赖、供应链追溯：实体关联密集且需深度分析。
4.3 融合而非替代
图库通常不替代关系库，常见架构是保留关系库作为业务数据源，把需深度关联分析的数据同步到图库，形成面向关系查询、图算法与知识图谱的专用底座。
五、综合对比与选择建议
|
方案 |
模型 / 语言 |
部署 |
适用场景 |
|
Neo4j（CE/EE） |
属性图 / Cypher |
单机或集群（EE） |
通用图场景、生态最全 |
|
NebulaGraph |
属性图 / nGQL |
原生分布式 |
万亿边、信创、超大图 |
|
TigerGraph |
属性图 / GSQL |
分布式 |
企业级超大规模分析 |
|
关系库 |
二维表 / SQL |
成熟 |
事务型业务、报表 |
5.1 选择逻辑
默认中小规模 / 生态优先 → Neo4j；超大规模分布式 + 国产化 → NebulaGraph；企业级高性能图分析 → TigerGraph；强事务与报表为主 → 关系库。选型核心仍是数据模型、规模与运维能力三者对齐。
六、本篇小结
本讲对比了图数据库与相邻方案：Neo4j 以生态与易用称雄、NebulaGraph 以分布式与信创见长、TigerGraph 主打企业级高性能分析；图库以 O(1) 邻接遍历碾压关系库的多跳 JOIN，但通常与关系库互补而非替代。选型始终回归场景。
下一篇进入避坑汇总，剖析建模、性能与运维中的经典问题。
