互联网和信息技术渗透到各行各业生产海量的数据，人们逐渐开始关注数据的内在关联，这在知识图谱、推荐引擎、金融风控、公共安全和智能运维等场景中尤其显得重要。如何在海量的数据中发现有价值的关联信息是一大挑战，于是图数据库技术应运而生，专注于处理关联数据，并在近几年飞速发展。

百度自主研发的原生图数据系统（BGraph），在百度的知识图谱系统中应用和实践多年，支撑数以亿计的实体并支撑数以万计的查询QPS，用于知识问答、搜索推荐和知识推理等。

本主题主要和大家分享我们图数据库的设计和实践经验，包括原生的图存储和图计算技术，针对图的存储和查询的性能优化，分布式集群技术和高可用技术方案等。

演讲提纲

1. 为什么需要图数据库

• 各行业的应用场景，需要分析数据关联获取商业价值
• SQL 数据库 vs 图数据库

2. 图数据库的技术挑战

• 图数据库的技术挑战：局部性差，规模大，分片难等
• 业界的图数据库以及特点

3. 图数据库的系统架构

• 图数据库的核心目标
• 原生的图存储和计算
• 支持全文检索的必要性   
• 高可用的分布式集群架构

  4. 应用于实践经验

• 在百度知识图谱的应用
• 批量导入 vs 流式写入的权衡
• 分而治之
• 性能！性能！
• 访问控制和系统防御
• 思考与展望 

听众受益

• 了解图数据库的发展方向和技术挑战
• 了解知识图谱和企业风控等图数据库的需求
• 学习和了解分布式系统的架构理念与设计
• 大规模分布式系统的实践经验