GraphAr 调研

约 520 字大约 2 分钟

2024-04-29

全称：Graph Archive。
官网：https://graphar.apache.org。
官网介绍：开源的图数据文件存储标准，兼具一定的检索功能。

特性

多种文件格式：支持 ORC, Parquet, CSV 三种文件格式。
多种表示方式：支持简单图及属性图，支持不同的图拓扑结构的表示方式 ( COO, CSR 和 CSC ) 。
Apache 生态兼容良好：ORC, Parquet 为 Hive、Flink、Spark 等 Apache 生态组件均支持的列式存储文件格式。
图计算通用：方便不同的单机/分布式图计算引擎、数据库加载使用，也能支持丰富的下游计算任务，如外存图计算 ( 非直接支持，均需要开发对接 ) 。
增量方便：可以在不改动原有文件的情况下添加新的属性，在图中添加一组新的类型的点/边，通过不同类型和点和边的自由组合来构建一个新的图等。
图分区存储。
列式存储图加载比传统从 CSV 加载更快。
边文件冗余存储。有 orderBySrcId 和 orderByDstId, offset，故支持简单的快速检索。

总结

GraphAr 严格来说是阿里想要推动的一套图数据存储和管理标准，以达到其引导图计算相关生态发展的目的。2024 年 3 月 25 日刚成为成为 ASF 孵化项目，目前仅了解到阿里巴巴的 GraphScope, Vineyard 和 Fabarta 图数据库系统进行了对接，其余图计算平台、图数据库还未明确表示对该标准有兼容的意向，发展前景还不够清晰。

本文参考资料