图（Graph）
图论（Graph theory）
数据库（Database）
● 节点，即前面提到的对象或实体：数学中通常称为顶点（vertices），而在本书或图数据库中，比如Neo4j，通常称为节点（nodes）。
● 节点之间的连接：数学中称为边（edges），而本书中称为关系（relationships）。
● 节点和关系相互连接构成一个图：许多重要的度量指标，例如连接到一个节点的边数（称之为度）就可以确定下来。许多其他度量指标也就自然形成。
● Dijkstra算法：这是一个最有名的算法，可用于计算图中两个节点之间的最短加权路径，图中边上可赋予权重或成本。
● A*（A-star）算法：Dijkstra算法的一个变种，使用启发式来更有效地预测最短路径搜索。当A*算法发现潜在的图路径时，将其保存到一个带排序的优先队列中作为备选路径段，并计算出路径搜索过程中不同参数条件下过去路径（past path）和将来路径（futurepath）可能的开销。
● PageRank算法
大多数NoSQL数据库的基本理念是面向任务（task-oriented）的数据库管理系统。
除SQL数据库外，其他的可以分成四类：
● 键值存储（key-value stores）：键值存储的产品还有DynamoDB、Riak、Project Voldemort、Redis、Aerospike等。
● 列式存储（column-family stores）：如Apache Cassandra和HBase。大多数情况下，这些系统可结合Map/Reduce批处理来处理高级查询
● 文档存储（document stores）：文档存储中的关键概念——文档，是一个半结构化的信息单元，可以是XML、JSON、YAML、OpenOffice、MS Office，或者其他任何可用的文档。其存储和检索为简单的无模式方式。文档存储产品包括广受欢迎的MongoDB、Apache CouchDB、MarkLogic和Virtuoso等。
● 图数据库（graph databases）：通常也归为NoSQL数据库，但与其他三类有着本质上的差异。图数据库所要解决的问题与图和图论相关。图数据库，例如Neo4j，其目的是为用户提供一种更好的方法用于管理结构复杂、呈网状分布的数据。
节点标签（Label）是对图中节点进行语义分类的一种方法。一个节点可以拥有零个、一个或多个标签，其使用方式类似于Gmail收件箱中的标签。在图结构中，标签本质上是一个集合概念：允许在数据库中轻松有效地创建子图，这有很多用途，比如仅查询部分数据库内容。最重要的是，可以使用标签在数据库中直接创建某种类型结构或模式，而不用自己去实现（在Neo4j 2.0之前版本需要自行实现）。带有一个标签的节点可对应于关系数据库表中的一行，而有多个标签的节点就没有与之对应的。虽然没有强制，但节点应该至少有一个标签。
关系类型（Type）功能上与节点标签相似，只是仅用在关系上，但目的完全不同。关系类型是关系上的强制性属性（每个关系必须有且仅有一个类型，但两个节点之间可以有多个关系），主要用于图的复杂深度遍历，一个特定的查询需指定一个节点到另一个节点的特定路径类型。
使用图数据库的场景：
1、复杂查询
复杂查询本质上包含大量的复杂连接操作（join operations）。
2、实时数据的点击流查询
3、路径查询
查找不同数据元素之间是如何相互关联的。换句话说，就是在图中不同节点之间查找路径。在其他数据库管理系统中，这类查询问题需要清楚地了解可能路径的结构，也就是说，必须告诉数据库如何从一个表跳到另一个表。而在图数据库中，通常不需要这样做，虽然还可以采用上述方法，只需告诉数据库采用何种图算法、起始节点和终止节点，系统就将自动完成查询。图数据库自行判定数据是否连接以及如何连接，并采用路径表达式返回结果。