GSQL 深度研究

GSQL 语言借鉴了 SQL 的语法风格，使其对于熟悉关系型数据库的用户易于上手，但其核心设计理念是面向图数据的查询与分析。 GSQL 是一种图灵完备的语言，这意味着它可以表达任何可计算的算法，这主要得益于其强大的控制流语句和累加器机制 [1]。

CREATE QUERY exampleQuery() FOR GRAPH MyGraph {
  SumAccum<INT> @@globalCount = 0;
  Start = {Person.*};
  
  Result = SELECT v FROM Start:v
           WHERE v.age > 30
           ACCUM @@globalCount += 1;
           
  PRINT @@globalCount;
}

GSQL 提供了丰富的数据类型来满足图数据建模和计算的需求。 基本数据类型包括 INT、UINT、FLOAT、DOUBLE、BOOL、STRING 和 DATETIME [47]。

GSQL 语言提供了标准的控制流原语，包括 IF-THEN-ELSE 形式的分支语句和 WHILE、FOR 循环语句，这些控制流语句极大地增强了 GSQL 的表达能力 [1] [59]。

IF condition THEN
  // 代码块
ELSE IF condition2 THEN
  // 代码块
ELSE
  // 代码块
END

WHILE condition DO
  // 代码块
  // 更新条件
END

FOREACH item IN list DO
  // 处理每个元素
END

GSQL 提供了丰富的内置函数和运算符，用于数据处理、转换、计算和聚合。 这些函数和运算符覆盖了字符串处理、数学运算、日期时间计算、类型转换等多个方面。

在 TigerGraph 中，图模式的设计始于顶点类型（Vertex Types）的定义。顶点代表图数据模型中的实体或对象，例如人、地点、事物等 [46]。

CREATE VERTEX Person (
  PRIMARY_ID name STRING,
  age INT,
  gender STRING,
  state STRING
) WITH primary_id_as_attribute="true"

边类型（Edge Types）定义了图中顶点之间的连接关系。 在 TigerGraph 中，使用 CREATE DIRECTED EDGE 或 CREATE UNDIRECTED EDGE 语句来定义边类型 [46] [47]。

// 无向边
CREATE UNDIRECTED EDGE Friendship (
  FROM Person, 
  TO Person,
  connect_day DATETIME
)

// 有向边（带反向边）
CREATE DIRECTED EDGE Transfer (
  FROM Account, 
  TO Account,
  amount DOUBLE,
  transfer_date DATETIME
) WITH REVERSE_EDGE="Reverse_Transfer"

CREATE DIRECTED EDGE transfer (
  FROM Account, TO Account,
  date DATETIME DISCRIMINATOR,
  amount DOUBLE
)

图模式（Graph Schema）是 TigerGraph 数据库的核心，它定义了数据的组织结构，包括顶点类型、边类型以及它们之间的关系 [48]。TigerGraph 采用"模式优先"（schema-first）的方法 [51]。

// 定义顶点类型
CREATE VERTEX Person (PRIMARY_ID name STRING, age INT, gender STRING)
CREATE VERTEX Movie (PRIMARY_ID title STRING, release_year INT, genre STRING)

// 定义边类型
CREATE UNDIRECTED EDGE Friendship (FROM Person, TO Person, since DATETIME)
CREATE DIRECTED EDGE Rated (FROM Person, TO Movie, rating INT, date DATETIME)

// 创建图模式
CREATE GRAPH SocialNet (Person, Movie, Friendship, Rated)

图模式设计的最佳实践旨在创建一个既能准确反映业务需求，又能保证高性能查询和数据管理效率的图结构。 TigerGraph 官方提供了关于图模式设计和查询编写的最佳实践指南 [49]。

CREATE INDEX PersonOwnAccountByCreateTime 
ON PersonOwnAccount (account_id, create_time);

TigerGraph 支持从多种外部数据源导入数据，主要包括文件和消息队列。 文件格式方面，目前 TigerGraph 主要支持 CSV 和 JSON 格式 [9] [54]。

创建数据加载作业 (LOADING JOB) 是 TigerGraph 数据导入流程中的核心环节。 这个作业定义了数据源中的数据结构如何映射到已定义的图模式上 [9]。

USE GRAPH Social;
BEGIN
CREATE LOADING JOB load_social FOR GRAPH Social {
  DEFINE FILENAME file1="/path/to/persons.csv";
  DEFINE FILENAME file2="/path/to/friendships.csv";

  LOAD file1 TO VERTEX Person VALUES ($0, $1, $2) 
  USING header="true", separator=",";
  
  LOAD file2 TO EDGE Friendship VALUES ($0, $1, $3) 
  USING header="true", separator=",";
}
END

TigerGraph 提供了多种机制来对图数据进行修改，包括插入（INSERT）、更新（UPDATE）和删除（DELETE）操作。 这些操作可以通过 GSQL 查询语句或专门的加载作业来完成。

DELETE FROM MyVertex 
WHERE condition;

// 避免悬空边
INTERLEAVE IN PARENT Person 
ON DELETE CASCADE

数据加载与更新的性能是 TigerGraph 应用中需要重点考虑的因素，尤其是在处理大规模图数据时。

GSQL 查询的核心是 SELECT 语句，它用于从图中检索数据。 一个典型的 GSQL SELECT 查询包含多个主要部分，每个部分都有特定的功能和优化考量。

CREATE QUERY exampleQuery() FOR GRAPH MyGraph {
  SumAccum<INT> @friendCount = 0;
  Start = {Person.*};

  Result = SELECT p FROM Start:p -(Friendship)- :f
           WHERE p.age > 30
           ACCUM p.@friendCount += 1
           POST-ACCUM (p)
           HAVING p.@friendCount > 0
           ORDER BY p.@friendCount DESC
           LIMIT 100;

  PRINT Result[Result.name, Result.@friendCount];
}

GSQL 的图遍历能力是其核心功能之一，它允许查询沿着图的边从一个顶点集导航到另一个顶点集，并在遍历过程中收集数据或执行计算 [1]。

MATCH (src:Account {id: 7})-[:Transfers]->{1,3}(dst:Account)
WHERE src.balance > dst.balance
ACCUM @@transactions += 1
PRINT @@transactions;

累加器 (Accumulators) 是 GSQL 中一种非常重要的数据结构，用于在并行计算过程中收集和聚合数据 [1] [57]。

索引是提高数据库查询性能的常用手段，在图数据库中也不例外。 虽然 TigerGraph 自动为主键创建索引，但合理的索引策略对查询性能至关重要。

// 为反向边遍历创建索引
CREATE INDEX PersonOwnAccountByCreateTime 
ON PersonOwnAccount (account_id, create_time);

// 分析查询负载识别索引需求
// 避免创建重复或冗余索引 [11]

编写高效的 GSQL 查询需要遵循一系列最佳实践，这些实践有助于充分利用 TigerGraph 的并行处理能力和优化查询执行计划。 TigerGraph 官方提供了关于图模式设计和查询编写的最佳实践指南 [49]。

递归查询是图数据库中一项重要的高级功能，它允许查询遍历图中任意深度的路径，直到满足特定条件。 GSQL 支持递归查询，这对于处理层级数据、寻找连通分量、执行图算法等场景非常有用 [69]。

CREATE QUERY findAllReachable(VERTEX<Person> start) FOR GRAPH Social {
  OrAccum @visited = false;
  SetAccum<VERTEX> @@reachable;
  SetAccum<VERTEX> @@current;
  
  Start = {start};
  @@current = Start;
  
  WHILE @@current.size() > 0 DO
    @@current = SELECT t FROM @@current:s-(Friendship)-Person:t
               WHERE t.@visited == false
               ACCUM t.@visited = true;
    @@reachable += @@current;
  END;
  
  PRINT @@reachable;
}

TigerGraph 允许用户通过 C++ 开发用户自定义函数（User-Defined Functions, UDFs），并将其集成到 GSQL 查询语言中，以扩展 GSQL 的内置功能 [61] [62]。

// C++ 实现
#include <random>
namespace UDIMPL {
  int random_range(int min, int max) {
    std::random_device rd;
    std::uniform_int_distribution<int> dist(min, max);
    return dist(rd);
  }
}

// GSQL 调用
CREATE QUERY useRandom() FOR GRAPH MyGraph {
  INT rand_val = random_range(1, 100);
  PRINT rand_val;
}

TigerGraph 提供了一个丰富的图算法库（GSQL Graph Algorithm Library），其中包含了许多常用的图算法，如 PageRank、最短路径、连通分量、社区发现等 [38] [66]。

CREATE QUERY shortestPath(VERTEX<Person> start, VERTEX<Person> end) FOR GRAPH Social {
  OrAccum @visited = false;
  SumAccum<INT> @distance = -1;
  Start = {start};
  
  Start = SELECT s FROM Start:s
         ACCUM s.@visited = true, s.@distance = 0;
         
  WHILE Start.size() > 0 DO
    Start = SELECT t FROM Start:s-(Friendship)-Person:t
           WHERE t.@visited == false
           ACCUM t.@visited = true,
                 t.@distance = s.@distance + 1
           HAVING t == end; // 找到目标节点时停止
  END;
  
  PRINT end.@distance;
}

GSQL 凭借其强大的图处理能力和灵活的查询语言，在多个领域都有广泛的应用，特别是在需要深度关系分析的场景中。

CREATE QUERY detectFraud(Account source, DATETIME startDate, DATETIME endDate) FOR GRAPH FinancialGraph {
  SetAccum<Account> @@suspiciousAccounts;
  SetAccum<Account> @neighbors;
  
  // 查找源账户在时间范围内的交易邻居
  SourceNeighbors = SELECT n FROM source:s-(transfer:e)-Account:n
                   WHERE e.transfer_date >= startDate AND e.transfer_date <= endDate
                   ACCUM s.@neighbors += n;
  
  // 查找共同邻居异常的交易账户
  SuspiciousAccounts = SELECT t FROM SourceNeighbors:n-(transfer:e)-Account:t
                      WHERE t != source AND e.transfer_date >= startDate AND e.transfer_date <= endDate
                      ACCUM 
                        INT commonNeighbors = (n.@neighbors INTERSECT t.@neighbors).size(),
                        IF commonNeighbors > THRESHOLD THEN 
                          @@suspiciousAccounts += t 
                        END;
  
  PRINT @@suspiciousAccounts;
}

GSQL 作为 TigerGraph 的核心查询语言，与 TigerGraph 的整个生态系统紧密集成，提供了多种方式来访问和操作图数据。