СРАВНИТЕЛЬНЫЙ АНАЛИЗ ПРОИЗВОДИТЕЛЬНОСТИ ГРАФОВЫХ И РЕЛЯЦИОННЫХ БАЗ ДАННЫХ В ЗАДАЧАХ АНАЛИЗА СОЦИАЛЬНЫХ ГРАФОВ

COMPARATIVE PERFORMANCE ANALYSIS OF GRAPH AND RELATIONAL DATABASES IN SOCIAL GRAPH ANALYSIS TASKS

Knigin Igor Alexandrovich

Student, Department of Information Systems and Technologies, Udmurt State University,

Russia, Izhevsk

АННОТАЦИЯ

В статье проводится сравнительный анализ производительности графовых и реляционных баз данных при решении задач анализа социальных графов. Проанализированы архитектурные различия в представлении сильно связанных данных. Описаны проблемы масштабирования реляционных систем при выполнении многоуровневых запросов, например: поиска общих друзей или рекомендаций контента. Рассмотрены преимущества концепции смежности без индексов, обеспечивающей константное время обхода связей в графовых системах управления базами данных.

ABSTRACT

The article provides a comparative performance analysis of graph and relational databases in solving social graph analysis tasks. Architectural differences in representing highly connected data are analyzed. The scaling problems of relational systems when executing multi-level queries are described, for example: searching for mutual friends or content recommendations. The advantages of the index-free adjacency concept, which provides constant time for traversing relationships in graph database management systems, are considered.

Ключевые слова: графовые базы данных; реляционные базы данных; социальные графы; производительность; анализ данных.

Keywords: graph databases; relational databases; social graphs; performance; data analysis.

Современные социальные сети и рекомендательные системы генерируют огромные массивы сильно связанных данных, образующих сложные сетевые структуры. Анализ таких социальных графов требует эффективного выполнения запросов, связанных с обходом множества связей, например: поиска кратчайшего пути между пользователями, выявления скрытых сообществ или расчета метрик центральности. Исторически для хранения любой структурированной информации применялись реляционные базы данных. Однако табличная модель хранения демонстрирует существенные ограничения производительности при обработке графовых структур из-за особенностей математического аппарата реляционной алгебры [1, с. 42].

Главной проблемой реляционных баз данных в контексте социальных графов является высокая вычислительная стоимость операции соединения таблиц. Каждое отношение многие ко многим требует создания промежуточной таблицы связей. При поиске друзей друзей на глубину три или четыре уровня базе данных приходится выполнять ресурсоемкие операции декартова произведения и фильтрации с использованием индексов. С ростом объема данных время выполнения таких запросов увеличивается экспоненциально, что приводит к неприемлемым задержкам в системах реального времени. Кроме того, жесткая схема реляционных баз данных затрудняет добавление новых типов связей без существенной переработки всей архитектуры программного комплекса [2, с. 115].

Графовые базы данных предлагают альтернативный подход, изначально оптимизированный для работы со связями. В таких системах узлы и ребра хранятся как физические объекты с прямыми указателями друг на друга. Этот механизм называется смежностью без индексов. При выполнении обхода графа ядру базы данных не нужно искать записи в глобальных индексах, оно просто переходит по физическим адресам в памяти. Время выполнения запроса в графовой базе зависит исключительно от размера обходимой части графа, а не от общего объема хранимых данных. Это позволяет выполнять глубокие аналитические запросы, например: алгоритм PageRank или поиск паттернов поведения, за миллисекунды даже на графах с миллиардами вершин [3, с. 74].

Таблица 1.

Сравнительная метрика производительности моделей баз данных

Результаты сравнительного анализа показывают, что графовые базы данных обладают подавляющим преимуществом в производительности при решении задач анализа социальных графов. Использование прямых указателей вместо математических соединений позволяет обойти архитектурные узкие места классических систем управления базами данных. При проектировании высоконагруженных социальных сервисов инженерам рекомендуется применять гибридный подход, используя реляционные системы для хранения плоских транзакционных данных, а графовые решения - для построения рекомендательных движков и анализа сетевых взаимодействий.

Список литературы:

1. Робинсон Я. Графовые базы данных. Новые возможности для работы со связанными данными / Я. Робинсон, Д. Вебер, Э. Эифрем. - М.: ДМК Пресс, 2021. - 256 с.
2. Марков А. В. Архитектура высоконагруженных систем. Анализ и проектирование. - СПб.: Питер, 2022. - 320 с.
3. Петров С. Н. Сравнительный анализ моделей данных для построения рекомендательных систем // Программная инженерия. - 2023. - № 4. - С. 70-78.