基于Redis、SQLite与PHP的
图数据库系统设计与实现

构建轻量级、高性能的图数据库解决方案，支持社交网络、知识图谱与实时推荐系统

核心优势

Redis 8.0内存加速与向量搜索
SQLite持久化存储与SQL查询
Webman框架高性能API服务

设计目标

μs级

图遍历响应

实时

推荐计算

系统架构设计

整体架构概述

本图数据库系统旨在通过结合Redis 8.0的内存高速读写与向量搜索能力、SQLite3的持久化存储与SQL查询能力，以及PHP Webman框架提供的高性能API服务，构建一个功能上类似于Neo4j或DGraph的轻量级解决方案。该系统特别针对社交网络数据、复杂的知识图谱以及推荐系统中的用户-物品交互数据进行优化。

接入层

负责接收和处理客户端请求，提供统一的API接口

缓存层

利用Redis存储热点图数据，加速图遍历和查询操作

持久层

使用SQLite存储完整的图数据，确保数据持久化

组件选型与职责

组件	主要职责	关键技术/特性
Redis 8.0	作为缓存层和向量搜索引擎。存储热点图数据、图遍历加速、支持向量搜索进行实时推荐、存储部分图数据索引	内存存储、多种数据结构、向量搜索功能、持久化（RDB/AOF）
SQLite3	作为持久层。负责数据的长期存储、提供SQL查询能力、保障数据完整性、支持离线分析与备份	文件数据库、ACID事务、SQL查询、轻量级、无需独立服务器进程
PHP (Webman)	作为接入层和业务逻辑处理核心。提供JSON RPC 2.0和MCP协议的API接口、实现图遍历、模式匹配、推荐算法等核心逻辑	Webman框架（基于Workerman，高性能HTTP服务）、JSON RPC 2.0、MCP协议

数据流与交互

1

客户端请求

客户端通过HTTP协议向Webman框架发送JSON RPC 2.0格式的请求

2

接入层处理

Webman框架接收请求，分发给相应的PHP处理程序进行解析和初步处理

3

缓存层交互

读请求先查询Redis缓存，命中直接返回；未命中则请求持久层SQLite3

4

持久层交互

当缓存未命中时，PHP处理程序与SQLite3数据库交互，执行SQL查询

5

数据处理与计算

获取原始数据后，PHP处理程序执行图计算逻辑（路径查找、模式匹配等）

6

结果返回

PHP处理程序将结果封装成JSON RPC 2.0响应，通过Webman框架返回

数据存储与索引设计

图数据模型定义

本系统采用属性图模型（Property Graph Model）作为核心数据模型，由节点（Nodes）、边（Relationships）、标签（Labels）和属性（Properties）构成。

节点结构示例

{
  "id": "node_123",
  "labels": ["User", "VIP"],
  "properties": {
    "name": "Alice",
    "age": 30,
    "email": "alice@example.com",
    "embedding": "[0.1, 0.5, -0.2]"
  }
}

边结构示例

{
  "id": "edge_456",
  "type": "FOLLOWS",
  "source": "node_123",
  "target": "node_789",
  "properties": {
    "since": "2023-01-01T10:00:00Z"
  }
}

Redis存储与索引策略

节点存储策略

Hash存储节点属性
node:<node_id>
Set/Sorted Set存储标签索引
tag:<label_name>

边存储策略

Sorted Set存储邻接列表
out_edges:<node_id>
存储入边关系
in_edges:<node_id>

向量搜索支持 (Redis 8.0)

索引创建

FT.CREATE user_vectors ON HASH PREFIX 1 user: 
SCHEMA embedding VECTOR HNSW 10 
TYPE FLOAT32 DIM 128 
DISTANCE_METRIC COSINE M 40 
EF_CONSTRUCTION 200

向量搜索

FT.SEARCH user_vectors 
"*=>[KNN 10 @embedding $userA_vec]" 
PARAMS 2 userA_vec "\x12\xa9\xf5\x6c" 
SORTBY __vector_score DIALECT 2

SQLite持久化存储方案

节点表设计

CREATE TABLE nodes (
  id INTEGER PRIMARY KEY AUTOINCREMENT,
  type TEXT,
  labels TEXT,
  properties TEXT,
  created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
  updated_at DATETIME DEFAULT CURRENT_TIMESTAMP
);

边表设计

CREATE TABLE edges (
  id INTEGER PRIMARY KEY AUTOINCREMENT,
  source_id INTEGER NOT NULL,
  target_id INTEGER NOT NULL,
  relationship_type TEXT NOT NULL,
  properties TEXT,
  created_at DATETIME DEFAULT CURRENT_TIMESTAMP,
  FOREIGN KEY (source_id) REFERENCES nodes(id),
  FOREIGN KEY (target_id) REFERENCES nodes(id)
);

性能优化建议

启用WAL模式：PRAGMA journal_mode=WAL;

调整同步设置：PRAGMA synchronous=NORMAL;

增大缓存大小：PRAGMA cache_size=-size_in_kb;

数据同步与一致性

挑战

Redis与SQLite之间的数据同步延迟和一致性问题

同步策略

• 同步更新策略
• 缓存失效策略
• 最终一致性

权衡

根据业务场景权衡性能、复杂度和一致性级别

数据同步流程

1
数据变更首先写入SQLite进行持久化
2
根据策略同步或异步更新Redis缓存
3
对于关联数据（如节点删除），需清理所有相关缓存和索引

API设计与实现

JSON RPC 2.0 API接口设计

请求格式

{
  "jsonrpc": "2.0",
  "method": "method_name",
  "params": {
    "param1": "value1",
    "param2": "value2"
  },
  "id": "request_id"
}

成功响应

{
  "jsonrpc": "2.0",
  "result": {
    // 方法调用结果
  },
  "id": "request_id"
}

API类别	方法名称	参数	返回值/描述
节点操作	createNode	labels, properties	node_id
	getNode	node_id	node object
	updateNode	node_id, properties, labels	success
	deleteNode	node_id	success
	findNodesByLabelAndProperties	label, filter, limit, offset	nodes array
边操作	createRelationship	source_id, target_id, type, properties	relationship_id
	getRelationship	relationship_id	relationship object
	updateRelationship	relationship_id, properties	success
	deleteRelationship	relationship_id	success
	findEdgesByTypeAndProperties	type, filter, limit, offset	edges array
图遍历与查询	getNeighbors	node_id, edgeType, direction	Node[]
	traverse	startNodeId, traversalDescription	Path[]
	shortestPath	startNodeId, endNodeId, edgeType	Path
	matchPattern	pattern	Record[]
推荐算法	recommendItemsForUser	userId, algorithm, parameters	Item[]
	recommendUsersForUser	userId, algorithm, parameters	User[]
	findSimilarNodes	nodeId, similarityMetric, limit	Node[]

Webman框架集成与路由配置

项目创建与依赖

# 创建Webman项目
composer create-project workerman/webman

# 安装Redis依赖
composer require predis/predis

# 配置环境变量
cp .env.example .env

路由配置

// route/app.php
use Webman\Route;
Route::post('/rpc', [
    app\controller\RpcController::class, 
    'handleRequest'
]);

启动与运行

调试模式
php start.php start

生产环境
php start.php start -d

Windows
windows.bat

核心图数据库功能实现

高效的图遍历与路径查询

广度优先搜索 (BFS)

从起始节点开始，逐层访问其邻居节点。Redis缓存邻接关系可大幅提升性能。

优化策略

• Redis Set/Sorted Set存储邻接关系
• 缓存未命中时回源SQLite查询
• 查询结果存入Redis

最短路径查询

基于Dijkstra算法（带权图）或BFS（无权图），Redis加速算法执行。

Redis辅助

• Set存储已访问节点集合
• Hash记录节点前驱节点
• 避免重复访问和环路

图遍历性能优化

边类型过滤
node:A:neighbors:FOLLOWS

Lua脚本
服务器端执行计算逻辑

平衡优化
内存使用、磁盘I/O、计算复杂度

实时推荐算法支持

向量相似度推荐

利用Redis 8.0向量搜索功能，快速找到与用户兴趣向量最相似的物品。

流程

1. 物品表示为向量（属性、描述嵌入）
2. 建立Redis向量索引
3. 用户兴趣表示为向量
4. KNN搜索最相似物品

图结构推荐

结合图结构信息，如"朋友喜欢的东西我也可能喜欢"的社交信号。

实现

• 图遍历找到N度好友
• 聚合好友喜欢的物品
• 结合向量相似度排序
• 基于路径的复杂推荐

基于Redis、SQLite与PHP的 图数据库系统设计与实现