譯者序

為什么要閱讀本書

當(dāng)年譯者向美國移民局證明自己是美國本土難以找到的特殊人才的證據(jù)是：會自動化測試。三五年之后，自動化測試人才在美國不再難尋了?，F(xiàn)在，圖數(shù)據(jù)庫領(lǐng)域也是同樣的情況。你是愿意像譯者當(dāng)年一樣馬上開始學(xué)習(xí)圖數(shù)據(jù)庫，成為稀缺的特殊人才，還是愿意在多年以后被迫隨大流去學(xué)習(xí)圖數(shù)據(jù)庫呢？

譯者曾經(jīng)是印象筆記的忠實付費用戶，然而當(dāng)Roam Research因為使用圖數(shù)據(jù)庫從而天然支持雙向鏈接和圖顯示時，就立即通過遷移工具跟印象筆記說再見了。也許今天，你的產(chǎn)品/工具/服務(wù)有一群看似穩(wěn)固的付費用戶，然而隨著數(shù)據(jù)量的增加，用戶對數(shù)據(jù)分析的要求越來越高，圖數(shù)據(jù)庫的優(yōu)勢也將越來越明顯。你可能會發(fā)現(xiàn)，這些付費用戶離跳到競爭對手那里其實只差一個遷移工具……

所以還等什么呢？比競爭對手搶先掌握圖數(shù)據(jù)庫技術(shù)也許能解決這個問題！

譯者曾經(jīng)做過幾年搜索引擎開發(fā)，但在用圖數(shù)據(jù)庫重寫了搜索引擎的部分內(nèi)容之后，深刻感受到在某些場景中，圖數(shù)據(jù)庫能以百分之一的代碼量更輕松、更高效地進(jìn)行實現(xiàn)。感興趣的朋友們可以關(guān)注“神機妙算Fintech信息匯總”網(wǎng)站的開發(fā)。如果你被數(shù)據(jù)關(guān)系方面的某些技術(shù)難題所困擾，不如試試圖數(shù)據(jù)庫吧，也許會有驚喜哦。

本書與其他圖數(shù)據(jù)庫圖書的不同之處

譯者從2020年開始一直關(guān)注著圖數(shù)據(jù)庫的發(fā)展，終于遇到了這本門檻較低的圖數(shù)據(jù)庫入門書。與其他圖數(shù)據(jù)庫圖書相比，本書門檻更低，十分適合有關(guān)系數(shù)據(jù)庫背景的朋友入門。

內(nèi)容簡介

本書通過開發(fā)一個餐廳推薦應(yīng)用程序示例，帶領(lǐng)你輕松步入圖數(shù)據(jù)庫的世界。它以主流的TinkerPop Gremlin技術(shù)作為抓手，讓你可以立即著手設(shè)計、開發(fā)和部署自己的圖數(shù)據(jù)庫應(yīng)用程序。Gremlin是主流云商（如AWS Nepture圖數(shù)據(jù)庫）支持的遍歷語言，掌握這項技術(shù)就能順利地把自己的應(yīng)用程序接入云端。

圖數(shù)據(jù)庫要解決的重點問題就是關(guān)系。在我們的現(xiàn)實世界中，既有實體，又有實體間的關(guān)系。比如某上市公司發(fā)行了股票，那么這家公司和其股票分別為兩個實體，它們之間的關(guān)系就是從公司到股票的“發(fā)行”。如果某基金持有這支股票，便形成了該基金和這支股票及其公司之間的關(guān)系。這些關(guān)系可以更復(fù)雜，比如一家公司有很多關(guān)聯(lián)的公司或人，也會有上下游公司等。圖數(shù)據(jù)庫就是方便我們建立和查詢這些復(fù)雜關(guān)系的工具。

通過傳統(tǒng)的關(guān)系數(shù)據(jù)庫，也許也能存儲和查詢這些信息，但是效率低、實現(xiàn)復(fù)雜。通過圖的形式，則可直接表達(dá)這些關(guān)系。因此圖數(shù)據(jù)庫是存儲和查詢這類信息的最佳途徑。

反洗錢和反欺詐是圖技術(shù)的常見應(yīng)用場景，公司、上下游、關(guān)聯(lián)方等之間迷霧般的復(fù)雜關(guān)系也許隱藏著某種風(fēng)險。

讀完本書，譯者印象最深的有三點：

● 關(guān)系在圖數(shù)據(jù)庫中和實體一樣，都是“一等公民”——圖數(shù)據(jù)庫是存儲和查詢實體和關(guān)系的最佳技術(shù)之一；

● 對遍歷語句做少量修改便是Java代碼——Gremlin有自己的一套像SQL那樣的查詢和遍歷語句，如果你使用Java，就可以把大部分Gremlin語句直接轉(zhuǎn)換成Java代碼，實現(xiàn)高效編程；

● 要用遍歷圖的思維來解決圖的問題——拋開我們熟悉的關(guān)系數(shù)據(jù)庫思維，用全新的思維面對新的問題。

歡迎你通過本書和我們一起遨游圖技術(shù)的全新世界。

 

葉偉民　劉華
于2021年8月