1.2　图数据库基础概念

1.2.1　图数据模型

图数据需要存储到具体图数据库中，才能最终落实为具体的数据文件，这个过程自然就涉及了特定的图数据模型，即采用什么实现方式来保存图数据。常用的有三种：属性图（Property Graphs）、超图（Hypergraphs）和三元组（Triples）。下面分别讨论每种模型。

1.2.1.1　属性图

属性图模型直观更易于理解，能描述绝大部分图使用场景，也是当下最流行的图数据模型。Neo4j采用的就是这种属性图模型。符合下列特征的图数据模型就称为属性图：

●　包含节点和关系。

●　节点可以有属性（键值对）。

●　节点可以有一个或多个标签。

●　关系有名字和方向，并总是有一个开始节点和一个结束节点。

●　关系也可以有属性。

1.2.1.2　超图

超图是一种更为广义的图模型。在超图中，一个关系（称作超边）可以关联任意数量的节点，无论是开始节点端还是结束节点端，而属性图中一个关系只允许一个开始节点和一个结束节点，因此，超图更适用表示多对多关系。比如常见的房产拥有关系，如图1-4所示，在房产证上张三与李四共同拥有三套房，在超图中就只需一条超边（拥有）就能表示出来。

但现实中，仅仅一条超边来表示拥有关系，可能会隐藏很多细节，例如房产证中每套房张三、李四各自占有的比率，因此，如果用属性图来表示将更为丰富，一条超边将转化为6条属性图中的关系，如图1-5所示。

图1-4　房产拥有关系超图表示

图1-5　房产拥有关系属性图表示

1.2.1.3　三元组

三元组思想来源于语义义（Semantic Web），虽然迄今为止，只有很少的网络资源是用语义义来表示的，但研究人员发现可以使用带语义的标签网来表示图数据。三元组是一个包含主谓宾的数据结构，例如张三和李四拥有三套房子等。显然，单个三元组的语义还是比较有限，需要借助资源描述框架（Resource Description Framework，RDF）来增强其知识推理及数据关联性。由于按三元组模型来实现的图数据库产品很少，在此不作进一步介绍，有兴趣的读者可以深入查阅语义义的相关资料。