图数据库可以很高效的插入大量数据。图数据库面向的应用领域数据量可能都比较大，比如知识图谱、社交关系、风控关系等，总数据量级别一般在亿或十亿以上，有的甚至达到百亿边。
一、图数据库
优点
1、图数据库可以很高效的插入大量数据。图数据库面向的应用领域数据量可能都比较大，比如知识图谱、社交关系、风控关系等，总数据量级别一般在亿或十亿以上，有的甚至达到百亿边。mysql不做分表分库的情况下插入百万数据基本就慢到不行，图数据库基本能胜任亿级以上的数据，比如neo4j、titan(janus)、hugegraph等图数据库，持续插入十亿级的数据基本还能保持在一个较高的速度。
2、图数据库可以很高效的查询关联数据。传统关系型数据库不擅长做关联查询，特别是多层关联（比如查我的好友的好友有哪些人），因为一般来说都需要做表连接，表连接是一个很昂贵的操作，涉及到大量的IO操作及内存消耗。图数据库对关联查询一般都进行针对性的优化，比如存储模型上、数据结构、查询算法等，防止局部数据的查询引发全部数据的读取。
3、图数据库提供了针对图检索的查询语言，比如Gremlin、Cypher等图数据库语言。图查询语言大大方便了关联分析业务的持续开发，传统方案在需求变更时往往要修改数据存储模型、修改复杂的查询脚本，图数据库已经把业务表达抽象好了。
选择
实际上开源的、流行的图数据库就只有以下几种：
- Neo4j
- OrientDB
- ArangoDB
- JanusGraph
- Dgraph
Neo4j就不说了，基本是图数据库这块的领跑者，但实话实说，费用也不低，因此需要慎重考虑，如果是土豪，当我没说。
OrientDB和ArangoDB都是老牌的图数据库了，正因为早，所以呢，框架和架构有点老，因为是从单机版拓展而来的，对于集群和分布式支持的不是那么舒服。但瑕不掩瑜。
JanusGraph和Dgraph是比较新的，对分布式和集群支持还行，费用也不高。
另外，特别提一下：TigerGraph，是最贴合中国国情的图数据库系统，目前在国内用的还不错。
延伸阅读：
二、图数据库主要特点
存储计算分离
对于 Nebula Graph 来讲，有这么几个技术特点：名列前茅个就是采用了存储计算分离的架构。这样架构主要的考虑其实前面几个 Talk大家都已经讨论了很多，主要好处就是为了上云或者说 弹性 ， 方便单独扩容 。上午的 Talk：HBase on Cloud 也有提到，业务水位总是很难预测的，一段时间存储不够了，有些时候计算不够了。在云上或者使用容器技术，计算存储分离的架构运维起来会比较方便，成本也更好控制。大家使用 HBase 那么久，这方面的感触肯定很多。
查询语言 nGQL
Nebula Graph 的第二个技术特点是它的查询语言，我们称为 nGQL，比较接近 SQL。少数大一点的语法差异就是 不用嵌套 （embedding）。大家都知道嵌套的 SQL，读起来是非常痛苦的，要从里向外读。
支持多种后端存储
第三个特点就是 Nebula Graph 支持多种后端存储，除了原生的引擎外，也支持 HBase。因为很多用户，对 HBase 已经相当熟悉了，并不希望多一套存储架构。从架构上来说，Nebula Graph 是完全对等的分布式系统。
计算下推
和 HBase 的 CoProcessor 一样，Nebula Graph 支持数据计算下推。数据过滤，包括一些简单的聚合运算，能够在存储层就做掉，这样对于性能来讲能提升会非常大。
