Apache HugeGraph 介绍

• 1: Introduction with HugeGraph

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。其图引擎兼容 Apache TinkerPop 3 框架，同时支持 Gremlin 和 Cypher（OpenCypher 标准）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/Python; Rust WIP) | Spark | Tools│
└────────────────────────────────────────────────────────────────────┘

HugeGraph Server（OLTP 图引擎）

HugeGraph Server 是图数据库的 OLTP 引擎和服务入口，负责属性图建模、事务处理、查询执行和 API 接入。图数据实际保存在配置的 RocksDB、HStore 或 HBase 后端中。

• 属性图与 Schema：支持 VertexLabel、EdgeLabel、PropertyKey 和 IndexLabel 管理
• 查询语言：支持 Gremlin（TinkerPop 3）和 Cypher（OpenCypher）
• REST API：提供 Schema、图数据、查询、任务和运维接口
• 索引与查询：支持精确查询、范围查询和复合条件查询
• 存储后端：1.7.0 至 master 主要支持 RocksDB（单机）、HStore（分布式）和 HBase

主要模块包括 hugegraph-core、存储后端模块和 hugegraph-api。Core 实现图模型、事务和查询逻辑，后端模块负责连接具体存储系统，API 模块负责 HTTP 接入。当前 REST 资源路径包含图空间与图名称，例如：

/graphspaces/{graphspace}/graphs/{graph}

单机部署通常使用 RocksDB。分布式部署使用 HStore，由 PD 管理集群元数据和分区调度，Store 保存图数据及其副本。HBase 可作为独立的后端存储。

• Server 快速开始
• PD 快速开始
• HStore 快速开始
• REST API

HugeGraph Toolchain

HugeGraph Toolchain 提供客户端、数据导入、可视化管理、Spark 集成和命令行运维工具，覆盖图应用从接入数据到日常管理的主要环节。

模块	用途
Client	封装 Schema 管理、图数据读写、Gremlin 和 Traverser API；支持 Java、Python 和 Go，Rust 客户端正在开发中
Loader	从本地文件、HDFS、JDBC、Kafka 或其他图读取数据，转换为顶点和边后批量导入 HugeGraph
Hubble	提供图连接、Schema、数据导入、Gremlin 查询和图形化结果展示的 Web 管理界面
Spark Connector	在 Spark 作业中批量读写 HugeGraph，适合大数据离线处理
Tools	提供部署、图管理、备份恢复和 Gremlin 执行等命令行能力

图计算引擎（OLAP）

HugeGraph-Computer 仓库提供两种互补的 OLAP 图计算引擎：

• Vermeer：使用 Go 编写，采用 master-worker 架构，以内存计算为主，提供 REST API、gRPC 和 Web UI，适合快速执行中小规模图分析任务。
• Computer：使用 Java 编写，实现 BSP/Pregel 分布式计算模型，可运行在 Kubernetes、YARN 或本地进程中。数据超过内存阈值时可以落盘，适合更大规模的图计算任务。

两者都可以读取 HugeGraph 数据，但运行架构、资源需求、配置和算法接口不同。

• Vermeer 快速开始
• Computer 快速开始

HugeGraph-AI（Graph + AI）

HugeGraph-AI 连接图技术与大语言模型、图机器学习框架。仓库使用 Python 3.10 或更高版本，并通过 uv 管理工作区，主要包含以下模块：

• hugegraph-llm：提供 GraphRAG、知识图谱构建、自然语言查询和 Text2Gremlin
• hugegraph-ml：提供节点分类、图分类、图嵌入、链接预测和欺诈检测等模型
• hugegraph-python-client：通过 Python 管理 Schema、图数据和 Gremlin 查询
• vermeer-python-client：通过 Python 调用 Vermeer 图计算服务

HugeGraph-AI 快速开始

部署模式

模式	核心组件	适用场景	数据规模
单机模式（OLTP）	Server + RocksDB	开发、测试和中小规模数据	≤ 2 TB
分布式模式（OLTP）	Server + PD + Store（HStore）	生产环境、水平扩展和多副本部署	≤ 1 PB

图计算属于 OLAP 任务，容量和资源需求取决于所选引擎、图结构与算法，不沿用上表的 OLTP 存储容量口径。

选择入口

需求	文档
启动图数据库并执行查询	Server 快速开始
批量导入数据	Loader
使用 Web 界面管理图	Hubble
运行图算法	Vermeer 与 Computer
构建 GraphRAG 或图机器学习应用	HugeGraph-AI

社区

• GitHub Issues
• 开发者邮件列表：dev@hugegraph.apache.org
• 邮件列表订阅方法
• 安全问题：security@hugegraph.apache.org
• 微信公众号：Apache HugeGraph

1 - Introduction with HugeGraph

Summary

Apache HugeGraph 是一款易用、高效、通用的开源图数据库系统（Graph Database，GitHub 项目地址）， 实现了Apache TinkerPop3框架及完全兼容Gremlin查询语言， 具备完善的工具链组件，助力用户轻松构建基于图数据库之上的应用和产品。HugeGraph 支持百亿以上的顶点和边快速导入，并提供毫秒级的关联关系查询能力（OLTP）， 并支持大规模分布式图分析（OLAP）。

HugeGraph 典型应用场景包括深度关系探索、关联分析、路径搜索、特征抽取、数据聚类、社区检测、知识图谱等， 适用业务领域有如网络安全、电信诈骗、金融风控、广告推荐、社交网络和智能机器人等。

本系统的主要应用场景是解决反欺诈、威胁情报、黑产打击等业务的图数据存储和建模分析需求，在此基础上逐步扩展及支持了更多的通用图应用。

Features

HugeGraph 支持在线及离线环境下的图操作，支持批量导入数据，支持高效的复杂关联关系分析，并且能够与大数据平台无缝集成。 HugeGraph 支持多用户并行操作，用户可输入 Gremlin 查询语句，并及时得到图查询结果，也可在用户程序中调用 HugeGraph API 进行图分析或查询。

本系统具备如下特点：

• 易用：HugeGraph 支持 Gremlin 图查询语言与 RESTful API，同时提供图检索常用接口，具备功能齐全的周边工具，轻松实现基于图的各种查询分析运算。
• 高效：HugeGraph 在图存储和图计算方面做了深度优化，提供多种批量导入工具，轻松完成百亿级数据快速导入，通过优化过的查询达到图检索的毫秒级响应。支持数千用户并发的在线实时操作。
• 通用：HugeGraph 支持 Apache Gremlin 标准图查询语言和 Property Graph 标准图建模方法，支持基于图的 OLTP 和 OLAP 方案。集成 Apache Hadoop 及 Apache Spark 大数据平台。
• 可扩展：支持分布式存储、数据多副本及横向扩容，内置多种后端存储引擎，也可插件式轻松扩展后端存储引擎。
• 开放：HugeGraph 代码开源（Apache 2 License），客户可自主修改定制，选择性回馈开源社区。

本系统的功能包括但不限于：

• 支持从多数据源批量导入数据 (包括本地文件、HDFS 文件、MySQL 数据库等数据源)，支持多种文件格式导入 (包括 TXT、CSV、JSON 等格式)
• 具备可视化操作界面，可用于操作、分析及展示图，降低用户使用门槛
• 优化的图接口：最短路径 (Shortest Path)、K 步连通子图 (K-neighbor)、K 步到达邻接点 (K-out)、个性化推荐算法 PersonalRank 等
• 基于 Apache TinkerPop3 框架实现，支持 Gremlin 图查询语言
• 支持属性图，顶点和边均可添加属性，支持丰富的属性类型
• 具备独立的 Schema 元数据信息，拥有强大的图建模能力，方便第三方系统集成
• 支持多顶点 ID 策略：支持主键 ID、支持自动生成 ID、支持用户自定义字符串 ID、支持用户自定义数字 ID
• 可以对边和顶点的属性建立索引，支持精确查询、范围查询、全文检索
• 存储系统采用插件方式，支持 RocksDB(单机/集群)、Cassandra、ScyllaDB、HBase、MySQL、PostgreSQL、Palo 以及 Memory 等
• 与 HDFS、Spark/Flink、GraphX 等大数据系统集成，支持 BulkLoad 操作导入海量数据
• 支持高可用 HA、数据多副本、备份恢复、监控、分布式 Trace 等

Modules

• HugeGraph-Server: HugeGraph-Server 是 HugeGraph 项目的核心部分，包含 Core、Backend、API 等子模块；
  • Core：图引擎实现，向下连接 Backend 模块，向上支持 API 模块；
  • Backend：实现将图数据存储到后端，支持的后端包括：Memory、Cassandra、ScyllaDB、RocksDB、HBase、MySQL 及 PostgreSQL，用户根据实际情况选择一种即可；
  • API：内置 REST Server，向用户提供 RESTful API，同时完全兼容 Gremlin 查询。(支持分布式存储和计算下推)
• HugeGraph-Toolchain: (工具链)
  • HugeGraph-Client：HugeGraph-Client 提供了 RESTful API 的客户端，用于连接 HugeGraph-Server，目前仅实现 Java 版，其他语言用户可自行实现；
  • HugeGraph-Loader：HugeGraph-Loader 是基于 HugeGraph-Client 的数据导入工具，将普通文本数据转化为图形的顶点和边并插入图形数据库中；
  • HugeGraph-Hubble：HugeGraph-Hubble 是 HugeGraph 的 Web 可视化管理平台，一站式可视化分析平台，平台涵盖了从数据建模，到数据快速导入，再到数据的在线、离线分析、以及图的统一管理的全过程；
  • HugeGraph-Tools：HugeGraph-Tools 是 HugeGraph 的部署和管理工具，包括管理图、备份/恢复、Gremlin 执行等功能。
• HugeGraph-Computer：HugeGraph-Computer 是分布式图处理系统 (OLAP). 它是 Pregel 的一个实现。它可以运行在 Kubernetes/Yarn 等集群上，支持超大规模图计算。
• HugeGraph-AI：HugeGraph-AI 是 HugeGraph 独立的 AI 组件，提供了图神经网络的训练和推理功能，LLM/Graph RAG 结合/Python-Client 等相关组件，持续更新 ing。

Contact Us

• GitHub Issues: 使用途中出现问题或提供功能性建议，可通过此反馈 (推荐)
• 邮件反馈：dev@hugegraph.apache.org (邮箱订阅方式)
• SEC 反馈： security@hugegraph.apache.org (报告安全相关问题)
• 微信公众号：Apache HugeGraph, 欢迎扫描下方二维码加入我们！

{width=“300” height=“94”}