什么是图数据库?
图数据库旨在将数据之间的关系视为与数据本身同等重要。
为什么图数据库很重要?
因为图擅长处理关系，所以一些数据库以图的形式存储数据。
例子
我们有一个社交网络，其中五个朋友都联系在一起。这些朋友是 Anay、Bhagya、Chaitanya、Dilip 和 Erica。将存储他们的个人信息的图形数据库可能如下所示：
以上示例但使用传统数据库方法
我们现在将使用关系数据库来存储信息。我们很可能使用两张表——一张用于存储每个用户的信息，另一张用于存储用户之间的关系。下面是用户表的样子：
| id | first name | last name | phone | |
|---|---|---|---|---|
| 1 | Anay | Agarwal | anay@example.net | 555-111-5555 |
| 2 | Bhagya | Kumar | bhagya@example.net | 555-222-5555 |
| 3 | Chaitanya | Nayak | chaitanya@example.net | 555-333-5555 |
| 4 | Dilip | Jain | dilip@example.net | 555-444-5555 |
| 5 | Erica | Emmanuel | erica@example.net | 555-555-5555 |
现在，我们还需要另一个表来捕获用户/朋友之间的友谊/关系。我们的友谊表看起来像这样：
| user_id | friend_id |
|---|---|
| 1 | 2 |
| 1 | 3 |
| 1 | 4 |
| 1 | 5 |
| 2 | 1 |
| 2 | 3 |
| 2 | 4 |
| 2 | 5 |
| 3 | 1 |
| 3 | 2 |
| 3 | 4 |
| 3 | 5 |
| 4 | 1 |
| 4 | 2 |
| 4 | 3 |
| 4 | 5 |
| 5 | 1 |
| 5 | 2 |
| 5 | 3 |
| 5 | 4 |
我们将避免深入研究数据库(主键和外键)理论。而只是假设友谊表使用两个朋友的 id。
假设我们这里的社交网络有一个功能，允许每个用户看到他/她朋友的个人信息。因此，如果 Chaitanya 要求提供信息，则意味着她需要有关 Anay、Bhagya、Dilip 和 Erica 的信息。我们将以传统方式(关系数据库)解决这个问题。我们必须首先在 User 表中识别 Chaitanya 的 id：
| id | first name | last name | phone | |
|---|---|---|---|---|
| 3 | Chaitanya | Nayak | chaitanya@example.net | 555-333-5555 |
现在，我们将在friends 表中查找user_id 为3 的所有元组。结果关系将是这样的：
| user_id | friend_id |
|---|---|
| 3 | 1 |
| 3 | 2 |
| 3 | 4 |
| 3 | 5 |
现在，让我们分析这种关系数据库方法所花费的时间。这将是大约 log(N) 次，其中 N 表示友谊表中的元组数或关系数。在这里，数据库按照 id 的顺序维护行。因此，通常对于“M”个查询，我们的时间复杂度为M*log(N)
只有我们使用图数据库方法，总时间复杂度才会是 O(N)。因为，一旦我们在数据库中找到了 Cindy，我们只需一步即可找到她的朋友。以下是我们的查询将如何执行： 
缺点：
请注意，图形数据库并不总是应用程序的最佳解决方案。在决定架构之前，我们需要评估应用程序的需求。