2019年7月，基于互联数据基准测试委员会 (LDBC) 的社交网络基准测试 (SNB) 标准，对图数据库系统Neo4j和TigerGraph进行深度基准测试。

报告摘要

在本研究中，我们提供了对两个原生图数据库系统 Neo4j 和 TigerGraph 完整实施 LDBC SNB 简单查询、深度查询和商业智能 (BI) 测试后的初步结果。

我们不但周密评估了在本地和云端的三种计算架构和四种数据集（SF-1、SF-10、SF-100 和 SF-1000）下执行的基准测试中的全部 46 个查询的性能，还测量了批量加载时间和存储容量。

我们的结果表明，TigerGraph 在大多数查询中的表现都优于 Neo4j，在特定的深度查询和商业智能查询中性能比后者高出两个（100 倍）甚至更多数量级。因为只有 TigerGraph 能够在数据集扩展到 SF-1000 时执行查询，所以随着数据量的增加，这种差距也在扩大。

在 25 个商业智能查询中，Neo4j 在合理时间内仅完成了 12 个。然而，Neo4j 在批量加载 SF-100 或更小的数据集时速度一般较快。在研究中，供应商积极参与了其平台的优化，这对我们很重要。为了鼓励结果重现，我们在网上公布了所有代码、脚本和配置参数。