存储和索引
有两种存储方式，一种是Index Free Adjacency，不依赖于索引，直接存储关联的物理位置（内存指针，磁盘文件偏移量），这类的产品有neo4j, Titian, OrientDB，Graph Engine(@Microsoft), etc。第二种是Index-Based Adjacency，使用各种索引实现图的检索功能，这类的产品有 FlockDB(@Twitter), Unicore & TAO(@Facebook)，3. ArangoDB, etc.。
关于这两类存储方式的PK，可以参见Index Free Adjacency or Hybrid Indexes for Graph Databases。
简单来说，Index Free Adjacency如果能够保证大部分的节点都是在一个机器上（依赖于比较精准的图分割算法），那么对于多度关系的图遍历和图运算时有比较大的优势的。如果做不到，则意义不大。
业界主流Graph Databases调研
1. Index Free Adjacency
1、neo4j
Cluster需要企业版，不考虑
2、Titan
- distributed graph database，号称可以storing and querying graphs containing hundreds of billions of vertices and edges distributed across a multi-machine cluster.
- java(要求java8)
- Support for various storage backends: Cassandra, HBase, BerkeleyDB (还有基于Amazon DynamoDB的)
- Support for geo, numeric range, and full-text search via: ElasticSearch, Solr, Lucene
- 支持schame验证（edge label, property key, or vertex label）
- 支持Gremlin图查询语言
- 基于Titan的企业版：DataStax Enterprise Graph
3、OrientDB
- Multi-Model: K-V, Document, Graph
- Java
- 支持类SQL图查询语言
- 高级功能(Query Profiler, Distributed Clustering configuration, Metrics recording, and Live Monitor with configurable Alerts)收费
- 分布式内存KV
- C++ & C#
- run only on Windows Server!
- LIKQ图查询语言
- TSL，类似于protobuf或者thrift这样的IDL
2. Index-Based Adjacency
1、FlockDB（@Twitter）
本质上来说不是一个图存储，而是针对粉丝的follow设计的，底层就是一个基于MySQL的分库分表封装。
2、ArangoDB
- HashIndex: unique hash index，unique, sparse hash index，non-unique hash index, non-unique, sparse hash index
- Skiplist Index: unique skiplist index, unique, sparse skiplist index, non-unique skiplist index, non-unique, sparse skiplist index
- Persistent Index
- Geo Index
- Fulltext Index
- 跟OrientDB表象上很像，但是更新，更友好，性能也更好一些。
- C++
- AQL图查询语言
- Multi-Model: K-V, Document, Graph
- Hybrid Indexes: 使用索引支持属性搜索，支持多种索引类型：
3、cayley
- go
- multiple backend stores: LevelDB, Bolt, PostgreSQL, MongoDB(集群方式必须采用MongoDB)
- 分布式内存KV
- 自然语言查询接口
