TigerGraph 随身听第7期：1分钟带你了解TigerGraph的架构，节选自Jay博士的演讲——业界首家图数据库攻克 36TB LDBC

基于以上这张图，我们从下往上开始看。

TigerGraph底层是我们的分布式可扩展的原生图数据库，可以在本地部署、也可以在云上运行。我们是HTAP即混合事务和分析处理，可以跑OLTP，也可以跑OLAP。当然我们大部分客户都比较注重OLAP。我们的速度非常快，因为用了最领先的并行技术。我们有自己的数据压缩技术，这也是我们的一个亮点。而其它领先的图数据库厂商，比如neo4j，他们的性能和可扩展性，都没有办法和我们竞争，因为我们底层运用Teradata下面很大一套并行处理的方式来做。

最上面我们有四块，因为我们注重企业级客户使用，所以我们希望我们的工具能够做的很简单、够实用。

第一块是怎么做分析，怎么做可视化。因为，图技术本身是非常形象化的，所以最简单的就是你可以通过工具，直接看到里面的数据是怎么构成的、怎么连接的，然后运行的结果是什么样的。我们这个工具叫做GraphStudio。在这个工具里，你可以创建你的schema、定义如何从关系型数据映射到图数据，然后加载数据，再然后你就可以尽情地探索你的图。

第二块是机器学习，这块其实非常重要。使用TigerGraph，你可以直接在图数据库里运行很多图算法，而不需要把数据从数据库里拿出来再去跑机器学习。比如社区检测鲁文算法，可以自动根据你的图算出哪些人、哪些交易之间是有关系的，因为不同的group都可以检测。也就是说，我们可以把很多机器学习的东西搬到数据库里，而不是从数据库里抽出来搬到机器学习上，因为很多图算法本身就是用于企业级机器学习的。

第三块是saas模式的应用，因为图数据库其实是很新的一块技术，很多公司不明白为什么要用图数据库，因为他们对关系型数据库或NOSQL已经很了解，像mogodb、snowflake、oracle等。图对他们来说是非常新的东西。所以我们不只是提供图数据库，我们也打造了很多现成的产品，比如怎么反欺诈，因为我们做了很多反欺诈的案例，我们把相关的schema、query全部抽出来，然后在前端建一个用户界面，你可以直截了当的看到一个现成的产品，其底层是一个图数据库。因此业务端用户不需要了解底层的图数据库，就可以直接使用上层的产品。这也是为什么很多大型银行选择TigerGraph，原因之一就是他们看到我们的技术能够给他们带来什么，而不需要专门建一个团队，搞清楚图数据库是怎么回事，然后再在上面建不同的应用。而且这些应用都是saas模式，所以很容易在cloud上去跑。

最后一块就是说图数据库不是单独的，不能和其它的东西切割，一定要作为你的整个大数据生态的一部分。所以就是说有connector，也就是连接器。比如怎么从snowflake或spark连接，当然有JDBC和ODBC驱动器，也有power BI、tableau连接器。所以就变成你的图数据，可以很容易地在其它工具里面进行挖掘、数据分析。

以上就是我们整体的架构介绍，欢迎点击此处链接，观看Jay博士的完整分享。