随着知识图谱、GraphRAG 等 AI 技术的发展，图数据库也受到日益增多的关注。
本日，我们来“揭秘”一个开源图数据库项目 Nebula Graph，它的 GitHub 地点是：
https://github.com/vesoft-inc/nebula
在解析项目中，我们通常需要借助 AI 软件来解析，这次我用到的这款软件是 Eagle DevAgent（简称Eagle）
使用网址：https://eagle.capitalren.com/
Nebula Graph项目介绍
Nebula Graph 是一款开源的、分布式的、易扩展的原生图数据库，能够承载包罗数千亿个点和数万亿条边的超大规模数据集，并且提供毫秒级查询。
关于图数据库
图数据库是专门存储巨大的图形网络并从中检索信息的数据库。它可以将图中的数据高效存储为点（Vertex）和边（Edge），还可以将属性（Property）附加到点和边上。
图数据库适合存储大多数从实际抽象出的数据类型。世界上险些全部范畴的事物都有内在联系，像关系型数据库如许的建模体系会提取实体之间的关系，并将关系单独存储到表和列中，而实体的类型和属性存储在其他列乃至其他表中，这使得数据管理费时费力。
Nebula Graph 作为一个典型的图数据库，可以将丰富的关系通过边及其类型和属性天然地出现。
用 Eagle 解读 Nebula Graph
我们把 Nebula Graph 这个开源项目的 GitHub 网址发送给 Eagle。 Eagle 很清晰的把项目概况、重要特性、重要目录和文件、使用的模式或框架等开端的分析结果列了出来。
I 对项目团体解读
Q：解读一下这个项目：https://github.com/vesoft-inc/nebula
Eagle 对整个项目做了概述
I 对技术架构解读
Q：此项目的架构是什么？
联合图示，及笔墨说明把Nebula Graph的详细架构和交互流程做了摆列
I 对某技术点解读
通过上面的架构图，我们知道 Nebula Graph 在数据及元数据存储中都用到了Raft 算法。
Raft 算法是分布式体系中包管数据存储可靠性和同等性的重要算法，但差异的体系对 Raft 的具体实现迥异，这也是导致体系可用性和性能差异的关键所在，Nebula Graph 是怎样实现 Raft 算法的呢？我们把这个题目抛给了 Eagle，下面就来看看TA的精彩回答吧：
Q：解释一下：https://github.com/vesoft-inc/nebula的Raft算法实现
在代码库中定位到关键技术点的实现
Eagle还会列出关键实现代码，例如领导者推举:
- folly::Future<bool> RaftPart::leaderElection(bool isPreVote) {
- using namespace folly;
- bool expected = false;
- if (!inElection_.compare_exchange_strong(expected, true)) {
- return false;
- }
- cpp2::AskForVoteRequest voteReq;
- decltype(hosts_) hosts;
- if (!prepareElectionRequest(voteReq, hosts, isPreVote)) {
- std::lock_guard<std::mutex> g(raftLock_);
- role_ = Role::FOLLOWER;
- leader_ = HostAddr("", 0);
- inElection_ = false;
- return false;
- }
- auto proposedTerm = voteReq.get_term();
- auto resps = ElectionResponses();
- stats::StatsManager::addValue(kNumStartElect);
- if (hosts.empty()) {
- auto ret = handleElectionResponses(resps, hosts, proposedTerm, isPreVote);
- inElection_ = false;
- return ret;
- } else {
- folly::Promise<bool> promise;
- auto future = promise.getFuture();
- auto eb = ioThreadPool_->getEventBase();
- collectNSucceeded(
- gen::from(hosts) |
- gen::map([eb, self = shared_from_this(), voteReq](std::shared_ptr<Host> host) {
- return via(eb, [voteReq, host, eb]() -> Future<cpp2::AskForVoteResponse> {
- return host->askForVote(voteReq, eb);
- });
- }) |
- gen::as<std::vector>(),
- quorum_,
- [hosts](size_t idx, cpp2::AskForVoteResponse& resp) {
- return resp.get_error_code() == nebula::cpp2::ErrorCode::SUCCEEDED &&
- !hosts[idx]->isLearner();
- })
- .via(executor_.get())
- .then([self = shared_from_this(), pro = std::move(promise), hosts, proposedTerm, isPreVote](
- auto&& t) mutable {
- pro.setValue(
- self->handleElectionResponses(t.value(), std::move(hosts), proposedTerm, isPreVote));
- });
- return future;
- }
- }
关键实现细节也以代码出现的形式进行了解读
Q：Nebula Graph 的 Raft 算法实现中的领导者（leader），是集群中的某个节点吗？还是说对数据进行分片，每个分片会以多个副本存在几个节点上，每个节点都有大概成为差异数据分片的leader？
Eagle 对 Nebula Graph 中的数据分片机制及其与 Raft 算法的关系做了详细解释，回答了用户的疑问。
Eagle 还对要点进行了简明扼要的总结，让用户一目了然。
Eagle 按照用户提示，给出了关键代码。
小tips
Eagle 除了可以直接提交 GitHub 开源项目地点外，也可通过上传开源项目 Zip 压缩包的形式进行提问，欢迎大家进行试用。
有更多想要了解的也可以关凝视频号：码力一哥。十一期间还有直播，可以和老师 1V1 交换 AI 大模子编程的相关题目，助力职场提升！
免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。 |
