图数据库选型：Neo4j、JanusGraph、TigerGraph对比，安装与配置实战

做反欺诈图算法，第一步就是选数据库。这步选错了，后面全白干。

我这些年接触过不少团队，上来就拍脑袋选Neo4j，结果数据量一上来，查询慢得像蜗牛。也有人迷信TigerGraph，结果团队没人会配，项目直接卡壳。

今天咱们就掰开揉碎，把这三款主流图数据库的优缺点、适用场景、安装配置，一次性说清楚。

为什么选型这么重要？

反欺诈场景下，图数据库要处理的是「关系」——用户和用户之间的转账、设备与账号的关联、IP地址的共享。这些关系一旦形成网络，查询复杂度就指数级上升。

我见过一个案例：某金融公司用关系型数据库做反欺诈，查一个团伙要跑十几张表JOIN，耗时30秒。换成图数据库后，同样的查询只要0.5秒。差距就在这里。

三款数据库横向对比

维度	Neo4j	JanusGraph	TigerGraph
开源/商业	社区版开源，企业版收费	完全开源（Apache 2.0）	社区版免费，企业版收费
查询语言	Cypher（易学）	Gremlin（灵活）	GSQL（类SQL）
存储后端	自有存储引擎	依赖HBase/Cassandra/Bigtable	自有分布式存储
扩展性	单机为主，集群有限	水平扩展能力强	原生分布式，MPP架构
性能（深度遍历）	中等	中等偏下	极快
学习曲线	低	中	高
典型场景	中小规模反欺诈、知识图谱	超大规模图、物联网	金融反欺诈、实时风控

Neo4j：入门首选，但别贪心

Neo4j是我最早接触的图数据库。说实话，它的社区版确实良心——安装简单，Cypher查询语言跟SQL很像，半天就能上手。

我记得第一次用Neo4j做反欺诈，写了个查询找「二度关系」的团伙：

// 查找与目标用户有转账关系的二度关联用户
MATCH (u:User {id: 'U001'})-[:TRANSFER_TO*1..2]-(related:User)
RETURN related.id, count(*) AS pathCount
ORDER BY pathCount DESC
LIMIT 20

这条查询在100万节点、500万边的图上，跑了大概3秒。对于原型验证来说，完全够用。

Neo4j安装实战（Docker版）

我个人习惯用Docker部署，干净利落：

# 拉取Neo4j社区版镜像
docker pull neo4j:4.4-community

# 启动容器，挂载数据目录和日志目录
docker run -d \
  --name neo4j-fraud \
  -p 7474:7474 -p 7687:7687 \
  -v /data/neo4j:/data \
  -v /logs/neo4j:/logs \
  -e NEO4J_AUTH=neo4j/fraud123 \
  neo4j:4.4-community

启动后访问 http://localhost:7474，用 neo4j/fraud123 登录。嗯，这里要注意：生产环境一定要改密码，别用默认的。

JanusGraph：开源界的巨无霸

JanusGraph是Linux基金会旗下的项目，继承了TitanDB的衣钵。它的特点是「不存数据」——数据存在HBase或Cassandra里，JanusGraph只负责计算。

这种架构的好处是：存储和计算分离，可以分别扩展。我在一个项目里遇到过数据量从5亿边暴涨到20亿边的情况，JanusGraph加几个节点就扛住了。

JanusGraph安装实战

JanusGraph的安装相对复杂，需要先启动后端存储。这里以HBase为例：

# 1. 下载JanusGraph
wget https://github.com/JanusGraph/janusgraph/releases/download/v0.6.3/janusgraph-0.6.3.zip
unzip janusgraph-0.6.3.zip
cd janusgraph-0.6.3

# 2. 配置后端存储（conf/janusgraph-hbase.properties）
# 修改以下配置：
# storage.backend=hbase
# storage.hostname=localhost

# 3. 启动JanusGraph Server
./bin/janusgraph-server.sh start conf/gremlin-server/gremlin-server.yaml

启动后，Gremlin Server默认监听在8182端口。你可以用Gremlin Console连接：

./bin/gremlin.sh
:remote connect tinkerpop.server conf/remote.yaml
:> graph.addVertex(label, 'User', 'id', 'U001')

TigerGraph：性能怪兽，但门槛高

TigerGraph是我最近两年才认真研究的。说实话，第一次跑它的深度链路分析时，我被震撼到了——10层关系的团伙挖掘，10亿边的图上，居然只要2秒。

它的核心优势是原生并行图处理（MPP架构），数据分片存储在每个节点上，计算时所有节点同时干活。你想想看，这跟Neo4j的单机处理完全是两个世界。

TigerGraph安装实战

TigerGraph的安装比前两个都复杂，但官方提供了Docker镜像：

# 拉取TigerGraph社区版
docker pull tigergraph/tigergraph:3.9.3

# 启动容器（需要分配足够内存，建议至少8GB）
docker run -d \
  --name tigergraph \
  -p 14240:14240 \
  -p 9000:9000 \
  -v /data/tigergraph:/data \
  -e TG_MEMORY_GB=8 \
  tigergraph/tigergraph:3.9.3

启动后访问 http://localhost:14240 进入GraphStudio界面。创建图、导入数据、写查询，都在这个Web界面里完成。

GSQL的语法长这样：

// 创建图模式
CREATE VERTEX User (id STRING PRIMARY KEY, name STRING, risk_score DOUBLE)
CREATE DIRECTED EDGE Transfer (FROM User, TO User, amount DOUBLE, timestamp DATETIME)
CREATE GRAPH FraudGraph (User, Transfer)

// 安装查询
CREATE QUERY twoHopFraud(STRING userId) FOR GRAPH FraudGraph {
  SumAccum<INT> @pathCount;
  
  start = {User.*};
  result = SELECT t
           FROM start:s -(Transfer:e)- User:t
           WHERE s.id == userId
           ACCUM t.@pathCount += 1;
  
  PRINT result;
}
INSTALL QUERY twoHopFraud

选型总结：别纠结，看场景

说了这么多，其实选型没那么复杂。我给大家一个简单的判断标准：

• 团队没经验，数据量小 → Neo4j。先跑通原型，验证算法有效性。
• 数据量巨大，预算有限 → JanusGraph。开源免费，扩展性好，但运维成本高。
• 实时反欺诈，性能要求极高 → TigerGraph。贵，但值得。

最后说一句：别为了「技术炫酷」选TigerGraph，也别为了「免费」硬上JanusGraph。选最适合你团队当前阶段的那一个。等业务跑起来了，再考虑迁移也不迟。

---