Memgraph — 内存图数据库

是什么

Memgraph 是 2016 年克罗地亚萨格勒布团队（Dominik Tomicevic 等）做的内存优先图数据库，用 C++17/20 重写，主打实时图分析——把图数据全部装进 RAM，配合 neo4j 的查询语言 Cypher，让”实时反欺诈、实时推荐、实时监控”这种毫秒级图查询变得可能。

日常类比：neo4j 像图书馆——书放架子上，要查就翻架子（混合内存+磁盘）；Memgraph 像把整座图书馆搬进会议桌——所有书都摊在你面前，伸手就拿（纯内存）。代价是会议桌就这么大，装不下整座图书馆。

一句话：Cypher 长得跟 Neo4j 一样，存储引擎完全不同——纯内存 + C++。

为什么重要

• Cypher 兼容：openCypher + Bolt，多数 Neo4j 官方驱动能直接连——基础查询迁移成本低（方言/过程库仍可能有差异）
• 单机吞吐常显著领先：内存图 + C++；厂商 Benchgraph 等公开对比里常报数倍于 Neo4j 单机的写入/深度查询优势（视数据与查询而定）
• 流接入原生支持：内置 Kafka / Pulsar / Redpanda consumer，CREATE KAFKA STREAM 就能把 topic 实时灌进图——金融反欺诈、电信监控里很吃香
• MAGE 算法库：PageRank / 社区检测 / Node2Vec / 最短路径都内置，还能用 Python 或 C++ 写自定义过程

如果场景是”数据规模能装进单机内存（通常按几百 GB 量级规划）“且”必须毫秒响应”，Memgraph 是 neo4j 之外的强力候选。

核心要点

1. 全内存 + Snapshot/WAL 持久化

Memgraph 的存储设计跟传统数据库完全反过来：

• 节点和边都是 C++ 对象，常驻 RAM
• 索引用 跳表（skip list），写入不阻塞读
• MVCC 多版本并发控制，事务之间不互相锁
• 持久化只做两件事：周期性 snapshot（全量序列化到磁盘） + WAL（增量日志）

类比：游戏存档机制——游戏运行时全在内存，定期写一次存档（snapshot），中间每个操作记日志（WAL）。重启时先读最近的 snapshot，再回放 WAL。

后果：RAM 即上限——内存装不下就跑不动。一台 256 GB 内存的机器大概能装下几亿节点 + 几十亿边。

2. Cypher + Bolt：与 Neo4j 协议层兼容

MATCH (a:Person {name: 'Alice'})-[:FRIEND*1..3]->(foaf)
RETURN foaf.name, count(*) AS hops

这条查询在 Neo4j 和 Memgraph 上完全一样能跑。Bolt 协议是 Neo4j 设计的二进制传输协议，Memgraph 也实现了——所以 Neo4j 的 Python / Java / JS 客户端连过来无感。

实际意义：团队不用学新语言。Cypher 学过一次，两边都通用。

3. 流式接入：CREATE STREAM

这是 Memgraph 区别于 neo4j 的核心特性：

CREATE KAFKA STREAM my_stream
TOPICS transactions
TRANSFORM transactions.txn_to_graph
BOOTSTRAP_SERVERS 'kafka:9092';

START STREAM my_stream;

后台 Kafka consumer 不停拉消息，每条走 TRANSFORM 过程变成图写入。没有单独 ETL 进程——事件直接落成节点/边。

类比 kafka 给传统库的 connector：那是另一个进程批量同步；这里是把 consumer 内嵌进数据库，按事件同步。

4. MAGE：可扩展算法库

MAGE = Memgraph Advanced Graph Extensions，Apache 2.0 开源。

• 内置过程：pagerank.get() / community_detection.get() / node2vec.get() / betweenness_centrality.get()
• 自定义过程：用 Python（mgp.read_proc）或 C++ 写——Python 简单但慢，C++ 快但要会编译

例子：跑 PageRank 找网络中的影响力节点：

CALL pagerank.get() YIELD node, rank
RETURN node.name, rank ORDER BY rank DESC LIMIT 10

跟 Neo4j 的 GDS（Graph Data Science）库定位一样，但 GDS 企业版要钱，MAGE 全开源。

实践案例

案例 1：用 Docker 起本地 Memgraph

docker run -p 7687:7687 -p 7444:7444 -p 3000:3000 \
  --name memgraph memgraph/memgraph-platform

逐部分解释：

• 7687 = Bolt（应用/驱动连这里）
• 7444 = WebSocket（日志推送）
• 3000 = Memgraph Lab（浏览器里画图，类似 Neo4j Browser）
• 打开 http://localhost:3000 就能拖鼠标建图，适合先摸手感

案例 2：实时反欺诈场景

Kafka 灌入交易流水 → Memgraph 实时建图 → 查”环形转账”：

MATCH path = (a:Account)-[:TXN*3..6]->(a)
WHERE all(r IN relationships(path) WHERE r.amount > 10000)
RETURN path

逐部分解释：

• (a)-[:TXN*3..6]->(a)：从账户 a 走 3–6 步又回到 a（回环）
• r.amount > 10000：只看大额边，过滤噪声
• 内存里跑这类变长路径，延迟常可压到交易窗口内的几十毫秒量级（视图规模而定）

案例 3：跟 Neo4j 客户端对接

from neo4j import GraphDatabase
driver = GraphDatabase.driver("bolt://localhost:7687")
with driver.session() as s:
    result = s.run("MATCH (n) RETURN count(n)")
    print(result.single()[0])

逐部分解释：

• neo4j 包是 Neo4j 官方驱动，不是 Memgraph 专用 SDK
• bolt://localhost:7687 连的是 Memgraph 的 Bolt 端口
• 基础 MATCH/RETURN 通常可直接跑；复杂过程/方言特性仍要对照文档

踩过的坑

• RAM 即上限：估算容量要算节点对象 + 边对象 + 索引 + MVCC 多版本——通常按”原始数据 × 3-5 倍”预留。装不下就 OOM 进程挂掉，不会优雅降级
• Snapshot 期间内存翻倍：序列化时要复制一份给后台写盘线程。大库要预留 2× 内存，否则 snapshot 触发时 OOM
• BSL 协议商业化限制：Business Source License 1.1，4 年后才转 Apache 2.0。SaaS 形式对外卖 Memgraph 服务受限——商用部署前要看清条款
• MAGE 自定义过程门槛：Python 写慢但简单；C++ 快但要懂 CMake + Memgraph 的 ABI——比 nebula 内置的 nGQL GO 语句门槛高
• 中文资料少：neo4j / nebula 中文社区都很活跃，Memgraph 几乎只有英文文档。出问题主要靠 Discord 和 GitHub Issues

适用 vs 不适用场景

适用：

• 数据能装进单机内存（通常按几百 GB 量级预留，含索引与 MVCC）的实时图分析
• 金融反欺诈、电信网络拓扑、Cybersecurity 行为图、推荐召回（Bolt + Cypher 可复用）
• Kafka 事件流 + 图模型的实时管线（CREATE KAFKA STREAM 杀手锏）
• 已有 Neo4j 项目想换更快引擎、且查询以标准 Cypher 为主

不适用：

• 万亿级超大图 → nebula / janusgraph 的分布式存算分离才扛得住
• 离线批量图计算 → Spark GraphX / GraphFrames 的成本更低
• 简单关系查询（深度 ≤ 2 跳）→ postgresql / mysql 加索引足够
• 图嵌入向量召回 → 专用向量库（chroma / faiss）配 neo4j 更合适

判断口诀：单机能装下 + 必须毫秒响应 + Cypher 生态友好 → Memgraph；超大规模或预算紧张选别的。

历史小故事（可跳过）

• 2016 年：Dominik Tomicevic 等人在萨格勒布创立 Memgraph，目标是做 Neo4j 的内存替代品
• 2020 年：Memgraph Cloud 上线，开始有付费客户
• 2022 年：开源核心引擎到 GitHub（BSL 协议），社区版可免费用
• 2023 年：MAGE 算法库 Apache 2.0 开源，PageRank / 社区检测 / Node2Vec 等都内置
• 2024 年：v2.x 系列加强 Cypher 兼容度 + Kafka 流接入稳定性
• 2025 年：在金融、电信、安全行业的实时图分析场景持续渗透

学到什么

• 内存优先 ≠ 简单缓存：Memgraph 把 MVCC + 跳表索引 + WAL 都做在内存里，是完整的存储引擎，不是给 Neo4j 加一层 cache
• 协议兼容是迁移利器：实现 Bolt + openCypher，等于免费继承了 neo4j 的客户端生态——这种”协议抄底”是后发产品最常用的策略
• 流接入内嵌价值大：CREATE STREAM 把 Kafka consumer 拉进数据库，省了一层 ETL，对实时场景效率提升一个量级
• 场景决定形态：不是所有图都要分布式。能装进单机的就别上集群——单机内存图的延迟和吞吐都比分布式好

延伸阅读

• 官方文档：Memgraph Docs — 入门、Cypher 教程、运维都全
• MAGE 算法库：GitHub memgraph/mage
• 流接入指南：Memgraph Streams
• 跟 Neo4j 对比：Memgraph vs Neo4j Benchmark

关联

• neo4j —— Cypher 查询语言的发源地，Memgraph 协议层兼容它
• nebula —— 国产分布式图数据库，规模上限远高于 Memgraph
• janusgraph —— 可插拔后端的分布式图，定位更接近 Nebula
• arangodb —— 多模型（文档+图+KV）数据库，灵活但单点性能弱
• kuzu —— 把图数据库做成 DuckDB，单文件嵌入式
• kafka —— Memgraph 流接入的主要消息源
• redis —— 同样内存优先，但不是图模型；RedisGraph 约 2023 年宣布停维
• postgresql —— 关系数据库代表，简单 join 仍是它的主场

反向链接

• cytoscape-js —— Cytoscape.js — 浏览器里画网络图、跑图算法的 JS 库
• graphology —— Graphology — 浏览器里的图数据结构与算法库