分布式图数据库选型：大库低查询量场景性能评估方法咨询

第一步：先做硬指标初筛，直接砍掉不符合要求的候选 #

别上来就搭环境测性能，先把不满足你业务硬要求的引擎直接排除，至少省一半无用功：

• 必须是分布式架构，支持水平扩容适配大规模存储，单机版直接排除
• 原生支持节点、边的多属性组合索引，不需要绕路实现多属性过滤
• 全文检索能力优先选原生内置索引的，仅支持外挂ES等第三方搜索引擎实现全文检索的直接往后排，这类架构额外网络开销大，单查询延迟很难做低，运维成本也高
  初筛完一般只会剩3个以内的主流候选，基本在NebulaGraph、HugeGraph、JanusGraph、分布式版Neo4j这个范畴里筛选即可，不用考虑冷门引擎。

第二步：复用公开标准化测试结果做第一轮性能排序，砍掉性能量级不达标的候选 #

完全不用自己从零搭测试集、写用例，直接复用第三方中立的LDBC SNB图数据库基准测试结果即可：

• 这个基准测试本身就提供了从TB级到数十TB级不同规模的标准测试数据集，覆盖了多属性过滤、全文检索、多跳遍历等你需要的查询场景，所有查询用例都是标准化的，不存在偏向某款引擎的问题
• 筛选指标的时候直接跳过吞吐量、QPS这类和你场景无关的数据，只抓单查询冷启动延迟、热启动延迟两个核心指标，尤其是多属性检索、全文检索类查询的延迟排名，直接把排名靠后、延迟比头部高一个量级的候选砍掉，最后一般剩2个引擎进入实测环节就够。

别用厂商自己发布的定制化benchmark结果，优先看第三方独立测试的公开数据，避免营销注水。

第三步：轻量POC做最终校准，工作量压到最低 #

进入最后实测环节不用全量导入业务数据，也不用覆盖所有查询场景，抓核心即可：

• 部署直接用各引擎官方提供的docker compose一键集群部署模板，不用手动调配置搭环境，单集群拉起时间基本在10分钟以内
• 测试数据只抽你现有业务库中10%左右的真实脱敏数据，同时搭配LDBC提供的和你未来3年数据规模匹配的测试集，不用自己造数
• 查询用例只选你业务Top10最高频、对响应速度要求最高的核心查询，对应翻译成各引擎的查询语句即可，不用写全量用例。每个查询连续跑5次，去掉最高最低值取平均延迟，按照你预设的权重算分就行。
• 额外加测两个你关心的场景：一是3个以上属性联合过滤的查询延迟，二是全文检索的召回准确率+响应延迟，避免出现性能快但是搜不准、或者多属性过滤没走索引导致延迟超标的问题。

几个实测避坑提醒 #

• 不用为了凑测试覆盖率去测你业务根本用不到的查询类型，比如复杂的图算法计算，这类结果对你的选型没有参考价值，纯浪费时间
• 测的时候注意区分冷启动和热启动延迟：冷启动是数据没进缓存的首次查询延迟，对应你业务中低频查询的真实体验；热启动是缓存命中后的延迟，对应高频查询的体验，两个都要统计，别只看热启动的好看数字
• 算综合得分的时候，单查询响应速度权重直接拉到80%即可，剩下20%分给运维复杂度、开源协议友好度、社区支持度这些非性能指标，不用搞复杂的评分模型。

内容的提问来源于stack exchange，提问作者Asaf Itach