概述
一个嬴图数据库可以容纳多个图集，其中每个图集包含图结构（schema和属性）、元数据（点和边）、索引、进程和作业等信息。“图集”和“图”两种表达经常互换使用。
显示图集
获取数据库中的图集信息：
// 显示所有图集
show().graph()
//显示全部图集及更多细节，如total_nodes，total_edges
show().graph().more()
// 显示指定图集
show().graph("myGraph")
// 显示指定图集及更多细节，如total_nodes，total_edges
show().graph("myGraph").more()
图集信息呈现在_graph，_graph_shard_1，_graph_shard_2等表中：
- 表
_graph包含数据库中的所有图集。 - 表
_graph_shard_<N>包含存储在分片<N>上的图集。
表中各字段提供了图集的基础信息：
字段 |
描述 |
|---|---|
id |
图集的唯一ID |
name |
图集的唯一名称 |
description |
对图集的描述 |
status |
图集当前状态，包括NORMAL、LOADING_SNAPSHOT、CREATING、DROPPING和SCALING |
shards |
图数据分布的分片ID |
partition_by |
计算分片键哈希值的函数，对图数据分片至关重要 |
meta_version |
Meta服务器使用的版本号，用于和分片服务器同步图集上的DDL（数据定义语言）操作 |
total_nodes |
图集的点总数。仅当调用more()方法时，在表_graph上出现 |
total_edges |
图集的边总数。仅当调用more()方法时，在表_graph上出现 |
创建图集
使用单个语句create()可创建一或多个图集。将三个方法graph().shards().partitionByHash()串联使用来指定图集。
create()
.graph("<name>", "<desc?>").shards(<shardList>).partitionByHash(<hashFunc>, <shardKey?>)
.graph("<name>", "<desc?>").shards(<shardList>).partitionByHash(<hashFunc>, <shardKey?>)
...
| 方法 | 参数 | 描述 |
|---|---|---|
graph() |
<name> |
图集的唯一名称。命名规范如下：
|
<desc?> |
可选。对图集的描述 | |
shards() |
<shardList> |
分片ID的非空列表，表示图数据所在的分片位置 |
partitionByHash() |
<hashFunc> |
计算分片键哈希值的函数（Crc32，Crc64WE，Crc64XZ或CityHash64），对图数据分片至关重要。了解更多，参阅Crc和CityHash |
<shardKey?> |
可选。使用点属性作为分片键。目前仅支持使用_id |
创建名为myGraph的图集，使用CityHash64函数，根据点的_id将数据分发至分片1、分片2和分片3中：
create().graph("myGraph").shards([1,2,3]).partitionByHash(CityHash64, _id)
创建两个图集：
create()
.graph("myGraph_1").shards([1,2,3]).partitionByHash(CityHash64)
.graph("myGraph_2").shards([2]).partitionByHash(Crc32)
修改图集名称和描述
使用语句alter().graph().set()可以修改图集的名称和描述。
修改图集myGraph的名称和描述：
alter().graph("myGraph").set({name: "superGraph", description: "Graph used for transactions"})
修改图集myGraph的名称：
alter().graph("myGraph").set({name: "superGraph"})
修改图集myGraph的描述：
alter().graph("myGraph").set({description: "Graph used for transactions"})
删除图集myGraph的描述：
alter().graph("myGraph").set({description: ""})
迁移图集数据
由于图集中的数据分布在多个分片上，数据迁移有时就显得非常必要。比如现有分片过载时需迁移至更多分片，或将数据分布到其他地理区域。而将数据迁移至更少的分片，可以释放未充分利用的资源，降低消耗，简化数据管理。
使用语句alter().graph().shards().partitionConfig()可以迁移图集数据。
alter().graph("<graphName>").shards(<shardList>).partitionConfig({strategy: "<rsStrat>"})
方法 |
参数 |
描述 | 可选 |
|---|---|---|---|
graph() |
<graphName> |
指定图集 | 否 |
shards() |
<shardList> |
图集数据存储所在分片的非空ID列表。该列表不能与当前分片列表相同，且需和partitionConfig()中的strategy集保持一致 |
否 |
partitionConfig() |
配置映射 | 指定迁移的strategy，可根据以下方式进行设置：
balance |
是 |
假设图集myGraph当前分布在分片1和分片2上。现在要将myGraph从分片[1,2]迁移至分片[1,4,5]：
alter().graph('myGraph').shards([1,4,5]).partitionConfig({strategy: "balance"})
将myGraph从分片[1,2]迁移至分片[3]：
alter().graph('myGraph').shards([3]).partitionConfig({strategy: "balance"})
将myGraph从分片[1,2]快速迁移至分片[1,2,4]：
alter().graph('myGraph').shards([1,2,4]).partitionConfig({strategy: "quickly_expand"})
将myGraph从分片[1,2]快速迁移至分片[1]：
alter().graph('myGraph').shards([1]).partitionConfig({strategy: "quickly_shrink"})
删除图集
使用单个语句drop()即可删除一个或多个图集。串联使用graph()方法指定每个图集。删除图集意味着将整个图集从数据库删除。
删除图集myGraph：
drop().graph("myGraph")
删除两个图集：
drop().graph("myGraph_1").graph("myGraph_2")
默认情况下，无法删除已创建HDC图的图集。可使用force()方法绕过该限制，强制删除图集：
drop().graph("myGraph_1").graph("myGraph_2").force()
清空图集
使用语句truncate().graph()可以清空图集。清空图集只删除图集中的点边数据，仍保留图集本身及其结构（schema和属性信息）。
串联使用nodes()或edges()方法即可指定清空点或边。但请注意，删除点时，与其相连的边也会同时删除.
// 清空图集myGraph（将删除所有点边数据）
truncate().graph("myGraph")
// 清空所有@user点（与其相连的边也会同时删除）
truncate().graph("myGraph").nodes(@user)
// 清空所有点（也会同时删除所有边）
truncate().graph("myGraph").nodes("*")
// 清空所有@link边
truncate().graph("myGraph").edges(@link)
// 清空所有边
truncate().graph("myGraph").edges("*")
压缩图集
使用语句compact().graph()可以压缩图集，清理图集在服务器磁盘上的无效冗余数据，但不会改变其他有效数据。碎片整理操作以作业形式进行，稍后可使用show().job(<id?>)验证碎片整理是否完成。
压缩图集myGraph：
compact().graph("myGraph")
数据操作会产生冗余数据，如更新或删除数据后仍保留的历史记录。建议定期压缩图集，回收存储空间，提升查询效率。