什么是 Apache HugeGraph？
Apache HugeGraph 是一套易用、高效、通用的开源全栈图系统（GitHub）， 覆盖图数据库（OLTP 实时查询）、图计算（OLAP 大规模分析）与图 AI（GraphRAG / 图机器学习）三大领域。
HugeGraph 支持百亿以上的顶点和边的快速存储与查询，具备出色的 OLTP 性能。 其图引擎完全兼容 Apache TinkerPop 3 框架，同时支持 Gremlin 和 Cypher（OpenCypher 标准）双查询语言。
典型应用场景： 深度关系探索、关联分析、路径搜索、特征抽取、社区检测、知识图谱等，
适用领域： 网络安全、电信反欺诈、金融风控、广告推荐、社交网络、智能问答等。
生态系统全景
┌──────────────────────────────────────────────────────────────┐
│ Apache HugeGraph - Full-Stack Graph System │
├──────────────────┬────────────────────┬──────────────────────┤
│ Graph DB (OLTP) │ Graph Compute │ Graph AI │
│ HugeGraph │ Vermeer (Memory) │ HugeGraph-AI │
│ Server │ Computer (Dist.) │ GraphRAG/GNN/Py │
├──────────────────┴────────────────────┴──────────────────────┤
│ HugeGraph Toolchain │
│ Hubble | Loader | Client(Java/Go/Py) | Spark | Tools │
└──────────────────────────────────────────────────────────────┘
核心组件
🗄️ HugeGraph Server — 图引擎（OLTP）
HugeGraph 项目的核心模块，提供高性能的图数据存储与实时查询能力：
- 图引擎核心：支持属性图（Property Graph）建模，包含 VertexLabel、EdgeLabel、PropertyKey、IndexLabel 完整 Schema 管理
- 双查询语言：全面兼容 Gremlin（TinkerPop 3）和 Cypher（OpenCypher）
- REST API：内置 REST Server，提供 RESTful 图操作接口
- 多类型索引：精确查询、范围查询、复合条件组合查询
- 插件式存储后端：1.7.0+ 默认支持
RocksDB（单机默认）、HStore（分布式）、HBase、Memory，1.5.x 及以前还支持 MySQL / PostgreSQL / Cassandra 等
子模块：
Core— 图引擎实现，向下连接 Backend，向上支持 APIBackend— 多后端存储适配层API— RESTful 接入层，兼容 Gremlin/Cypher 查询
📊 图计算引擎（OLAP）
提供两种互补的图分析引擎：
- Vermeer（推荐）：高性能纯内存图计算引擎，部署简单、响应快，适合中小规模图分析和快速上手
- HugeGraph-Computer：基于 Pregel 的分布式 OLAP 引擎，可运行在 Kubernetes / Yarn 上，适合超大规模图算法任务
📖 图计算快速开始
🤖 HugeGraph-AI — 图 AI 生态
HugeGraph 独立的 AI 组件，连接图与大语言模型（LLM）：
- GraphRAG：基于图的检索增强生成，实现 LLM 智能问答
- 知识图谱构建：自动从非结构化文本中提取实体和关系，构建知识图谱
- 图神经网络：支持 GNN 模型的训练与推理
- 20+ 图机器学习算法：内置丰富的图分析算法，持续更新
- Python Client：为 AI 应用提供便捷的 Python SDK
🛠️ HugeGraph Toolchain — 工具链
围绕图系统的完整工具生态（toolchain 仓库）：
| 工具 | 说明 |
|---|---|
| Hubble | Web 可视化平台：数据建模 → 批量导入 → 在线/离线分析 一站式操作 |
| Loader | 数据导入工具：支持本地文件、HDFS、MySQL 等多数据源，TXT/CSV/JSON 等格式 |
| Client | 多语言 SDK：Java / Python / Go |
| Spark-connector | Spark 集成：支持通过 Spark 批量读写图数据，适合大数据离线处理场景 |
| Tools | 命令行运维工具：图管理、备份恢复、Gremlin 执行等 |
部署模式
HugeGraph 支持两种主要部署模式：
| 模式 | 核心组件 | 适用场景 | 数据规模 | 高可用 |
|---|---|---|---|---|
| 单机 (Standalone) | Server + RocksDB | 开发、测试、单节点生产 | < 4TB | 基础 |
| 分布式 (Distributed) | Server + PD（3-5节点）+ Store（3+节点） | 生产环境、水平扩展 | < 1000TB | ✅ |
Docker 快速体验：
docker run -itd --name=hugegraph -p 8080:8080 hugegraph/hugegraph
快速入门导航
| 我想要… | 从这里开始 |
|---|---|
| 🚀 快速体验 | Docker 部署 |
| 🔍 运行图查询 (OLTP) | HugeGraph Server 快速开始 |
| 📈 大规模图计算 (OLAP) | Vermeer / Computer |
| 🤖 构建 AI/RAG 应用 | HugeGraph-AI |
| 📥 批量导入数据 | HugeGraph Loader |
| 🖥️ 可视化管理 | Hubble Web UI |
系统特性
- 易用：Gremlin/Cypher 双查询语言 + RESTful API，功能齐全的工具链，轻松上手
- 高效：图存储与查询深度优化，毫秒级响应，支持数千并发在线操作，百亿级数据快速导入
- 通用：支持 OLTP + OLAP 双模式，无缝对接 Apache Hadoop、Spark、Flink 大数据生态
- 可扩展：分布式存储、数据多副本、横向扩容，插件式后端可灵活扩展
- 开放：Apache 2.0 License，完全开源，欢迎社区贡献
联系我们
- GitHub Issues：问题反馈与功能建议（推荐）
- 邮件：dev@hugegraph.apache.org（订阅方式）
- 安全问题：security@hugegraph.apache.org
- 微信公众号：Apache HugeGraph
