基于关系数据库的知识图谱存储

基于三元组标的图谱存储是一张表直接存储三元组，但是通过关系数据库查询的时候效率非常低，往往包含非常多的 Self-Join 查询。

关系数据库中属性表实现存储的核心思想是以实体类型为中心，把实体的属性表示为一张表。以实体为中心，说明高度依赖于实体的合理聚合，但这类聚合并不容易。

为什么不容易？因为关系模型先有结构，后有数据。现实世界是先有实体，实体属性是事后归纳的。

例子：电商系统的“商品”

• 阶段1（图书电商）：商品很简单，有 ISBN、书名、作者、出版社、定价。设计成一张 商品表 非常完美。
• 阶段2（拓展到服装）：服装需要 尺码、颜色、材质 等属性，这些属性是图书没有的。如果还在原 商品表 上继续加列，表会变得非常稀疏（很多行的某些列为空），难以维护。
• 阶段3（拓展到3C数码）：手机需要 CPU型号、内存大小、屏幕尺寸，这些属性又与服装完全不同。

困难：这就是著名的 “实体-属性-值”问题。一个固定的、以实体为中心的表结构，很难优雅地容纳不同类型实体的差异化属性。常见的解决方案是引入更加灵活的设计，如“单表继承”、“类表继承”或“序列化属性（JSON）”，但这些方案要么复杂，要么牺牲了关系数据库的部分优势（如查询能力）。

二元表是按照属性进行分表，例如 hasName 是一个表，bornOnDate 是一个表。这在插入一个实体的多个属性时，需要多表操作，性能损耗高。

全索引结构的存储仅维护一张包含（实体，谓词，对象）的三列表，通过增加 Mapping Table 压缩存储空间，建立六重索引机制。Clustered B+（聚簇索引），它决定了表的物理存储方式。

新华字典（类似 Clustered B+树）

结构：字典的正文本身就是按拼音从 a 到 z 排好序的。

过程：你根据拼音“zhang”直接翻到字典中间偏后的位置，一下子就找到了“张”字所在的页，看到了它的发音和解释。

特点：数据本身就是目录。找到了位置，也就找到了数据。

基于图数据库的知识图谱存储

关系数据库表示图的时候存在很多局限性，例如多跳查询，查询 A 的朋友的朋友的朋友的朋友，就会导致大量的 Join 计算，且计算的复杂度随着跳数的增加呈指数级增长。关系模型将语义关联关系隐藏在外键结构中，无法显示表达。关系型数据库不具备丰富的关系语义的表达能力，例如：自反关系（Reflexive）和多跳关系，还包括传递关系（Transitive）​、对称关系（Symmetric）、反关系（Inverse）和函数关系（Functional）等

图数据库中一个重要原则：关系是一等公民。

免索引邻接

免索引邻接（Index-free adjacency）是图数据库的核心概念。每个节点维护了一组指向其相邻节点的引用。这组引用可以看作是相邻节点的微索引。查询时，数据库不需要通过一个全局的“索引”来查找两个节点是否相关，而是直接沿着指针从一个节点“跳”到下一个节点。

为了支撑“免索引邻接”，Neo4j在磁盘上的存储方式非常巧妙。它使用固定长度的记录来存储节点和关系。

节点存储文件：每个节点记录中，最重要的不是它的属性，而是两个指针——一个指向它的第一个关系，另一个指向它的第一个属性。

关系存储文件：每个关系记录不仅存储了关系的类型（如任职于）和属性指针，还存储了它的起始节点ID和结束节点ID。最关键的是，它还存储了指向该节点上一个和下一个关系的指针。

双向链表：对于同一个节点的所有关系，通过关系记录中的“上一个/下一个关系指针”连接成一个双向链表。这就是“免索引邻接”的物理实现。