《图数据库原理、架构与应用》读后感摘抄

《图数据库原理、架构与应用》是一本由著作，出版的图书，本书定价：，页数：，特精心收集的读后感，希望对大家能有帮助。

《图数据库原理、架构与应用》读后感(一)：图数据库权威指南

《图数据库：原理、架构与应用》一书是国内为数不多的关于图数据库的一本不可多得的优秀论著。该书作者团队拥有丰富的项目实战化经验，可以说本书是他们多年经验的总结也不为过。

图数据库的兴起不得不说是随着互联网技术的发展才逐渐普及开来的。尤其是之前Web 2.0运动的兴起，互联网的社交属性越来越被重视起来，也越来越“火”，从Facebook、tweet等国际一流社交平台，以及国内微博等社交平台的异军突起，其背后无一不是图数据库发挥特长的领域。

社交网络的发展，对图数据库的要求日益升高，也催生了各种不同的图数据库产品。在这些场景中，它可以记录与家人和朋友之间保持联系的人际关系。图形数据库能很好地显示出这个人在他的朋友圈中是否有影响力，这群朋友是否有着共同的兴趣爱好等。对图数据库的分析能力也有不同的要求。

在最近图数据库开始与知识图谱、人工智能等学科进行融合，成为下一代图数据库的发展趋势。

这本书从最基本的图计算基础与理论讲起，层层深入，一直到图数据库的查询、存储，以及图数据库的架构设计，为读者构建了一个完整的知识体系。之后又以案例为基础讲解图数据库的应用，而且是以目前最为流行的Neo4j图数据库产品为例子进行的，一些思想和案例可以直接拿来使用，为读者提供了丰富的实战场景。

总之，这本国内为数不多的优秀著作会为你打开进入图数据库的大门，为你在图数据库领域施展拳脚铺平道路，好好享受这一旅程吧。

《图数据库原理、架构与应用》读后感(二)：开拓数据库视野的一本书

图数据库概念在近几年的互联网世界中逐渐浮出水面，不论是学术界还是工业界，对图数据库的讨论越来越多。作为计算机教育工作者，我是抱着学习的态度来读这本书的。

总体上讲，本书内容的组织结构比较清晰，由浅入深，从图计算与图数据库的历史开始讲起，逐步定位到当前图数据库以及与之相关的图计算理论和技术。其间既有严谨规范的学术阐述，又有饶有趣味的业界故事，特别是在讲述图计算和图数据库历史的章节，作者将图计算的思维模式运用到本书写作过程中，读者在阅读过程中自然而然的领会到图计算的思维实质。在写作风格上，比较类似于欧美的计算机教材。

本书的一个亮点是在与当前主流的关系型数据库以及NoSQL数据库的比较中阐述图数据库，并且区分了具体应用开发中的原生图和非原生图。原生图研究的是图数据如何以更高效的方式进行存储和计算，需要使用更高效的存储与计算方式来为图计算与查询服务。目前一些应用开发中涉及到图计算使用的是非原生图，采用的可能是关系型数据库、列数据库、文档数据库或键值对数据库来存储图数据，这一点对于理解技术演进模式和图数据库发展现状非常重要，也从侧面说明了当前对图数据库的研究还处于百家争鸣阶段，还没有出现类似于传统关系型数据库范畴中的oracle, SQL server, mysql等那样的主流产品。

本书的核心是图数据库基础与原理、图数据库计算和存储架构设计、图计算算法。在技术实现上，图数据库的三大核心组件是图计算、图存储、图查询语言。对于这部分内容的阅读是有一定难度的，需要读者有比较扎实的计算机理论知识。对于图存储，需要数据结构知识基础；对于图存储架构和计算架构，需要计算机组成原理知识基础；对于图查询语言，需要类比SQL结构化查询语言，并结合图论数学基础；对于图算法，需要离散数学基础和通用计算机算法基础，此外还涉及到一些人工智能算法。

本书最后部分集中讲述了图数据库的应用场景，这些应用场景或多或少与大数据分析和人工智能相关，比如实时商务决策与智能、欺诈识别、反洗钱、智能推荐、金融风险管理、资债管理等，给业界提供了应用场景视野。

总之，这本书对于计算机应用开发者而言，提供了图数据库的整体视野，对于开拓认知是有一定助益的，也有助于提前思考和观察技术风向。

《图数据库原理、架构与应用》读后感(三)：按“图”索骥

作为数据行业从业者，我们在工作中，频繁使用到了MySQL等RMDBS数据库，即关系型数据库。这类数据库具有明显的二维表格特征，容易让人理解。至少，我们在学生时代已经频繁使用过excel了。在此基础上，理解关系型数据库，便显得水到渠成。

图数据库对于很多人来说，可能还有些陌生。至少对于我来说，虽然偶尔听同事们提起过，但也未尝深入了解。我甚至在相当长的一段时间内，曾经认为图数据库是专门为存储图片而设计的数据库。读罢本书，我终于学习到，原来图数据库可以按图索骥，解决关系型数据库不能解决的海量问题。

我长期从事数据产品经理工作，与数据打交道。数据血缘是大数据部门非常重视的一个模块。在实际业务中，公司数据部门管理了大量的数据表。根据层级，数据表会得到合理的分层。一些表的数据是经由另外其他表的数据获得的，而这些表的数据，又来源于更远的上游。这样，我们根据表的来源关系，按图索骥，绘制出了数据血缘图，可以直观地看到数据在表之间的流转过程。数据血缘对数据部门非常重要。举个例子来说，当某个数据表出现问题时，我们可以通过数据血缘，快速判断哪些表会受到影响，并提前做出预案。

数据血缘就是经由图数据库实现的。图数据库并不是存储图片的数据库，而是描述节点关系的数据库。

什么是节点的关系呢？举个例子来说，我和我的同事小A，在微博上互相关注了。这一简单的场景，可以抽象出两个节点：我、小A。可以抽象出两条关系：我关注了小A、小A关注了我。图数据库就是描述这些信息的。

有些人可能会问，这种关注与被关注的关系，使用MySQL也能实现啊。这话倒是没错。使用MySQL，确实可以描述简单的关注与被关注关系。但是，我如果想要知道，小A的粉丝的粉丝的粉丝的粉丝关注的人的特征呢？

这里我没有多打字，我想要计算的，就是这种经由多条关注链路获得的关系。对于这一场景，我们用MySQL还能实现吗？即便能实现，是不是需要join多次，非常消耗性能。如果数量级少一些还好，如果我想从2亿用户中去寻找呢？

现在，完全使用关系型数据库，已经返回不了结果了，他们直接摆烂，输出404。这时候，图数据库就登上了舞台。他只需要几秒钟，就能算出这些结果。

其实生活中，有很多计算链路关系的场景。本书中提到的金融风控，就是一种高频场景。通过计算用户之间的金融关系，就能计算出潜在风险，降低银行的坏账率。

本书不仅系统地介绍了图数据库，更让人惊喜的是，作者还介绍了数据库的很多背景知识，他想教你设计一款数据库，让你了解到数据库背后的知识，包括但不仅限于性能、存储、算法等等。相比那些更像技术文档的书籍，本书中带有很多作者自己思考的内容，实在不可多得。我是迫不及待地要读第二遍了，希望你也来按图索骥，感受图数据库的神奇之处吧。