摘要
v3.3.0 版本主要优化了执行计划和属性裁剪，并对深度多跳场景进行特别优化，相关 case 的性能有明显的提升，相比 v3.2.0：
1) Match count QPS 增幅明显，有 2~8 倍的提升；时延降低至原 1/5.
2) 3 跳查询 QPS 提升约 40-100%，时延低至原 1/3；
3) 对于内存占用和释放进行了优化
4) 其他各 case 有不同程度提升；
测试环境
服务器和压测机皆为物理机
测试数据
测试数据采用 LDBC-SNB SF100 数据集，SF100 数据集大小为 100G，共有 282,386,021 个点以及 1,775,513,185 条边。测试用的图空间分区数为 24，副本数为 3。
关于 LDBC-SNB
关联数据基准委员会（LDBC，Linked Data Benchmark Council），是图（Graph）和 RDF 数据管理的基准指南制定者。社交网路基准（SNB，Social Network Benchmark）是关联数据基准委员会（LDBC）开发的软件基准（Benchmark）之一。关于 LDBC-SNB 数据集，具体请参考以下文档：
Nebula Commit
-
nebula-graphd version c9f84b1
-
nebula-storaged version c9f84b1
-
nebula-metad version c9f84b1
测试说明
压测工具使用基于 Go 语言的 k6，具体请参阅 k6 官方网站；客户端使用的是 nebula-go
图表中横坐标轴的 “50_vu“、“100_vu“等中的”vu“表示的是 k6 使用的概念“virtual user”，即性能测试中的并发数；50_vu 表示 50 个并发用户，100_vu 表示 100 个并发用户，以此类推…
性能基线使用正式发布的 3.2.0 版本
ResponseTime = Latency（服务端处理时长）+网络回传结果时长+客户端反序列化结果时长
基线测试
注：下图涉及的词语解释
-
QPS 即吞吐率
-
Latency 即服务端耗时
-
ResponseTime 即客户端耗时
-
RowSize 即请求返回行数
用例和结果
查询带边属性
GO {} STEP FROM {} OVER KNOWS yield KNOWS.creationDate
一跳·吞吐率
一跳·服务端耗时（ms）
一跳·客户端耗时（ms）
%20.png)
一跳·请求返回行数
二跳·吞吐率
二跳·服务端耗时（ms）
二跳·客户端耗时（ms）
%20.png)
二跳·请求返回行数
三跳·吞吐率
三跳·服务端耗时（ms）
三跳·客户端耗时（ms）
%20.png)
三跳·请求返回行数
查询带目的点属性
GO {} STEP FROM {} OVER KNOWS yield $$.Person.firstName
一跳·吞吐率
一跳·服务端耗时（ms）
一跳·客户端耗时（ms）
%20.png)
一跳·请求返回行数
二跳·吞吐率
二跳·服务端耗时（ms）
二跳·客户端耗时（ms）
%20.png)
二跳·请求返回行数
三跳·吞吐率
三跳·服务端耗时（ms）
三跳·客户端耗时（ms）
%20.png)
三跳·请求返回行数
查询带边属性+目的点属性
GO {} STEP FROM {} OVER KNOWS yield DISTINCT KNOWS.creationDate as t, $$.Person.firstName, $$.Person.lastName, $$.Person.birthday as birth | order by $-.t, $-.birth | limit 10
一跳·吞吐率
一跳·服务端耗时（ms）
一跳·客户端耗时（ms）
%20.png)
一跳·请求返回行数
二跳·吞吐率
二跳·服务端耗时（ms）
二跳·客户端耗时（ms）
%20.png)
二跳·请求返回行数
三跳·吞吐率
三跳·服务端耗时（ms）
三跳·客户端耗时（ms）
%20.png)
三跳·请求返回行数
LOOKUP
LOOKUP ON Person WHERE Person.firstName == '{}' YIELD Person.firstName, Person.lastName, Person.gender, Person.birthday, Person.creationDate, Person.locationIP, Person.browserUsed
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
FETCH 点
FETCH PROP ON Person {} YIELD Person.firstName, Person.lastName, Person.gender, Person.birthday, Person.creationDate, Person.locationIP, Person.browserUsed
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
FETCH 边
FETCH PROP ON KNOWS {} -> {} YIELD KNOWS.creationDate
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
MATCH 索引
MATCH (v:Person) WHERE v.Person.firstName == '{}' RETURN v
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
MATCH 一跳
MATCH (v1:Person)-[e:KNOWS]->(v2:Person) WHERE id(v1) == {} RETURN v2
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
MATCH 两跳
MATCH (v1:Person)-[e:KNOWS*2]->(v2:Person) WHERE id(v1) == {} RETURN v2
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
插入点
INSERT VERTEX Comment (creationDate, locationIP, browserUsed, content, length) VALUES {}:('{}', '{}', '{}', '{}', {})
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
插入边
INSERT EDGE LIKES (creationDate) VALUES {}→{}:('{}')
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
MatchTest1
match (v:Person) where id(v) == {} return count(v.Person.firstName)
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
MatchTest2
match (v:Person)-[e:KNOWS]-(v2) where id(v) == {} and v2.Person.locationIP != 'yyy' return length(v.Person.browserUsed) + length(v2.Person.gender)
吞吐率
服务端耗时（ms）
客户端耗时（ms）
请求返回行数
%20.png)
MatchTest3
match (v:Person)-[e:KNOWS]-(v2) where id(v) == {} and v2.Person.locationIP != 'yyy' with v, v2 as v3 return length(v.Person.browserUsed) + (v3.Person.gender)
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
MatchTest4
MATCH (m)-[:KNOWS]-(n) WHERE id(m)=={} OPTIONAL MATCH (n)<-[:KNOWS]-(l) RETURN length(m.Person.lastName) AS n1, length(n.Person.lastName) AS n2, l.Person.creationDate AS n3 ORDER BY n1, n2, n3 LIMIT 10
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
MatchTest5
MATCH (m)-[:KNOWS]-(n) WHERE id(m)=={} MATCH (n)-[:KNOWS]-(l) WITH m AS x, n AS y, l RETURN x.Person.firstName AS n1, y.Person.firstName AS n2, CASE WHEN l.Person.firstName is not null THEN l.Person.firstName WHEN l.Person.gender is not null THEN l.Person.birthday ELSE 'null' END AS n3 ORDER BY n1, n2, n3 LIMIT 10
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
查询带边属性_count
GO {} STEP FROM {} OVER KNOWS yield KNOWS.creationDate | return count(*)
一跳·吞吐率
一跳·服务端耗时（ms）
一跳·客户端耗时（ms）
%20.png)
一跳·请求返回行数
二跳·吞吐率
二跳·服务端耗时（ms）
二跳·客户端耗时（ms）
%20.png)
二跳·请求返回行数
三跳·吞吐率
三跳·服务端耗时（ms）
三跳·客户端耗时（ms）
%20.png)
三跳·请求返回行数
查询带目的点属性_count
GO 1 STEP FROM {} OVER KNOWS yield $$.Person.firstName | return count(*)
一跳·吞吐率
一跳·服务端耗时（ms）
一跳·客户端耗时（ms）
%20.png)
一跳·请求返回行数
二跳·吞吐率
二跳·服务端耗时（ms）
二跳·客户端耗时（ms）
%20.png)
二跳·请求返回行数
三跳·吞吐率
三跳·服务端耗时（ms）
三跳·客户端耗时（ms）
%20.png)
三跳·请求返回行数
LOOKUP_count
LOOKUP ON Person WHERE Person.firstName == '{}' YIELD Person.firstName | count(*)
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
Match_count
MATCH (v:Person) WHERE v.Person.firstName == '{}' RETURN count(*)
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
Match1Hop_count
MATCH (v1:Person)-[e:KNOWS]->(v2:Person) WHERE id(v1) == {} RETURN count(*)
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
Match2Hop_count
MATCH (v1:Person)-[e:KNOWS*2]->(v2:Person) WHERE id(v1) == {} RETURN count(*)
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
请求返回行数
3.3.0 vs 3.2.0（Baseline）
以下数据选取 P99 值。
查询带边属性
GO {} STEP FROM {} OVER KNOWS yield KNOWS.creationDate
一跳·吞吐率
一跳·服务端耗时（ms）
.png)
一跳·客户端耗时（ms）
.png)
二跳·吞吐率
二跳·服务端耗时（ms）
.png)
二跳·客户端耗时（ms）
.png)
三跳·吞吐率
三跳·服务端耗时（ms）
.png)
三跳·客户端耗时（ms）
.png)
查询带目的点属性
GO {} STEP FROM {} OVER KNOWS yield $$.Person.firstName
一跳·吞吐率
一跳·服务端耗时（ms）
.png)
一跳·客户端耗时（ms）
.png)
二跳·吞吐率
二跳·服务端耗时（ms）
.png)
二跳·客户端耗时（ms）
.png)
三跳·吞吐率
三跳·服务端耗时（ms）
.png)
三跳·客户端耗时（ms）
.png)
查询带边属性+目的点属性
GO {} STEP FROM {} OVER KNOWS yield DISTINCT KNOWS.creationDate as t, $$.Person.firstName, $$.Person.lastName, $$.Person.birthday as birth | order by $-.t, $-.birth | limit 10
一跳·吞吐率
一跳·服务端耗时（ms）
.png)
一跳·客户端耗时（ms）
.png)
二跳·吞吐率
二跳·服务端耗时（ms）
.png)
二跳·客户端耗时（ms）
.png)
三跳·吞吐率
三跳·服务端耗时（ms）
.png)
三跳·客户端耗时（ms）
.png)
LOOKUP
LOOKUP ON Person WHERE Person.firstName == '{}' YIELD Person.firstName, Person.lastName, Person.gender, Person.birthday, Person.creationDate, Person.locationIP, Person.browserUsed
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
FETCH 点
FETCH PROP ON Person {} YIELD Person.firstName, Person.lastName, Person.gender, Person.birthday, Person.creationDate, Person.locationIP, Person.browserUsed
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
FETCH 边
FETCH PROP ON KNOWS {} -> {} YIELD KNOWS.creationDate
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
MATCH 索引
MATCH (v:Person) WHERE v.Person.firstName == '{}' RETURN v
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
MATCH 一跳
MATCH (v1:Person)-[e:KNOWS]->(v2:Person) WHERE id(v1) == {} RETURN v2
一跳·吞吐率
一跳·服务端耗时（ms）
.png)
一跳·客户端耗时（ms）
.png)
MATCH 两跳
MATCH (v1:Person)-[e:KNOWS*2]->(v2:Person) WHERE id(v1) == {} RETURN v2
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
插入点
INSERT VERTEX Comment (creationDate, locationIP, browserUsed, content, length) VALUES {}:('{}', '{}', '{}', '{}', {})
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
插入边
INSERT EDGE LIKES (creationDate) VALUES {}→{}:('{}')
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
MatchTest1
match (v:Person) where id(v) == {} return count(v.Person.firstName)
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
MatchTest2
match (v:Person)-[e:KNOWS]-(v2) where id(v) == {} and v2.Person.locationIP != 'yyy' return length(v.Person.browserUsed) + length(v2.Person.gender)
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
MatchTest3
match (v:Person)-[e:KNOWS]-(v2) where id(v) == {} and v2.Person.locationIP != 'yyy' with v, v2 as v3 return length(v.Person.browserUsed) + (v3.Person.gender)
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
MatchTest4
MATCH (m)-[:KNOWS]-(n) WHERE id(m)=={} OPTIONAL MATCH (n)<-[:KNOWS]-(l) RETURN length(m.Person.lastName) AS n1, length(n.Person.lastName) AS n2, l.Person.creationDate AS n3 ORDER BY n1, n2, n3 LIMIT 10
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
MatchTest5
MATCH (m)-[:KNOWS]-(n) WHERE id(m)=={} MATCH (n)-[:KNOWS]-(l) WITH m AS x, n AS y, l RETURN x.Person.firstName AS n1, y.Person.firstName AS n2, CASE WHEN l.Person.firstName is not null THEN l.Person.firstName WHEN l.Person.gender is not null THEN l.Person.birthday ELSE 'null' END AS n3 ORDER BY n1, n2, n3 LIMIT 10
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
查询带边属性_count
GO {} STEP FROM {} OVER KNOWS yield KNOWS.creationDate | return count(*) ;
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
查询带目的点属性_count
GO 1 STEP FROM {} OVER KNOWS yield $$.Person.firstName | return count(*)
一跳·吞吐率
一跳·服务端耗时（ms）
.png)
一跳·客户端耗时（ms）
.png)
二跳·吞吐率
二跳·服务端耗时（ms）
.png)
二跳·客户端耗时（ms）
.png)
三跳·吞吐率
三跳·服务端耗时（ms）
.png)
三跳·客户端耗时（ms）
.png)
LOOKUP_count
LOOKUP ON Person WHERE Person.firstName == '{}' YIELD Person.firstName | count(*)
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
Match_count
MATCH (v:Person) WHERE v.Person.firstName == '{}' RETURN count(*)
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
Match1Hop_count
MATCH (v1:Person)-[e:KNOWS]->(v2:Person) WHERE id(v1) == {} RETURN count(*)
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
Match2Hop_count
MATCH (v1:Person)-[e:KNOWS*2]->(v2:Person) WHERE id(v1) == {} RETURN count(*)
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
新增测试用例-LDBC GO 属性过滤深度优化
测试用例和结果
Go3StepDistinctDst
GO 3 STEP FROM {0} OVER KNOWS REVERSELY YIELD DISTINCT KNOWS._dst as dst | YIELD count(*);
吞吐率
服务端耗时（ms）
客户端耗时（ms）
Go3StepDistinctDstProp
GO 3 STEP FROM {0} OVER KNOWS WHERE $$.Person.firstName == \"{1}\" YIELD distinct id($$) , $$.Person.locationIP | yield count(*)
吞吐率
服务端耗时（ms）
客户端耗时（ms）
%20.png)
3.3.0 vs 3.2.0
以下数据选取 P99 值。
Go3StepDistinctDst
GO 3 STEP FROM {0} OVER KNOWS REVERSELY YIELD DISTINCT KNOWS._dst as dst | YIELD count(*);
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
请求返回行数
Go3StepDistinctDstProp
GO 3 STEP FROM {0} OVER KNOWS WHERE $$.Person.firstName == \"{1}\" YIELD distinct id($$) , $$.Person.locationIP | yield count(*)
吞吐率
服务端耗时（ms）
.png)
客户端耗时（ms）
.png)
请求返回行数
-
NebulaGraph 的开源地址：https://github.com/vesoft-inc/nebula 觉得使用体验还不错的话，给我们的 GitHub 点个
鼓励下开源路上的我们呢~ -
交流图数据库技术？加入 NebulaGraph 交流群请先填写下你的 NebulaGraph 名片，NebulaGraph 小助手会拉你进群~