1、JanusGraph简介

1.1 JanusGraph简介

　　JanusGraph是一个可扩展的图数据库，可以把包含数千亿个顶点和边的图存储在多机集群上。它支持事务，支持数千用户实时、并发访问存储在其中的图。（JanusGraph is a scalable graph database optimized for storing and querying graphs containing hundreds of billions of vertices and edges distributed across a multi-machine cluster. JanusGraph is a transactional database that can support thousands of concurrent users executing complex graph traversals in real time.)

我们可以将图数据库系统的应用领域划分成以下两部分：

·用于联机事务图的持久化技术（通常直接实时地从应用程序中访问）。这类技术被称为图数据库，它们和“通常的”关系型数据库世界中的联机事务处理（Online Transactional Processing，OLTP）数据库是一样的。

·用于离线图分析的技术（通常都是按照一系列步骤执行）。这类技术被称为图计算引擎。它们可以和其他大数据分析技术看做一类，如数据挖掘和联机分析处理（Online Analytical Processing，OLAP）。

1.2 JanusGraph的发展历史

JanusGraph是2016年12月27日从Titan fork出来的一个分支，之后TiTan的开发团队在2017年陆续发了0.1.0rc1、0.1.0rc2、0.1.1、0.2.0等四个版本，最新的版本是2017年10月12日。

　　titan是从2012年开始开发，到2016年停止维护的一个分布式图数据库。最初在2012年启动titan项目的公司是Aurelius，2015年此公司被 DataStax（DataStax是开发apache Cassandra 的公司）收购，DataStax公司吸收了TiTan的图存储能力，形成了自己的商业产品DataStax Enterprise Graph。

　　TiTan开发者们希望把TitTan放到Apache Software Foundation下，不过，DataStax不愿意这样做（可能考虑到要保护自己的商业产品DataStax Enterprise Graph的技术优势吧，其实这点优势是从Titan来的），而且自从2015年9月DataStax收购了Titan的母公司后，TiTan一直处于停滞状态（应该是DataStax收购之后，忙于推出自己的商业产品DataStax Enterprise Graph，忙于整合Titan进自己的商业产品吧，可是Titan本身没有得到发展）。鉴于此，2016年6月，TiTan的开发者们fork了一个TiTan的分支（因为Titan已经属于DataStax了，所以他们必须另外弄一个商标），重命名为JanusGraph，并将其置于Linux Software Foundation下。

　　2017年4月6日发布了第一个版本0.1.0-rc1，目前最新版本是2017年10月12日发布的0.2.0版。

　　JanusGraph项目启动的初衷是“通过为其增加新功能、改善性能和扩展性、增加后端存储系统来增强分布式图系统的功能，从而振兴分布式图系统的开发”，JanusGraph从Apahce TinkerPop中吸收了对属性图模型（Property Graph Model）的支持和对属性图模型进行遍历的Gremlin遍历语言。(“reinvigorate development of the distributed graph system to add new functionality, improve performance and scalability, and maintain a variety of storage backends，JanusGraph incorporates support for the property graph model with the open source graph computing framework Apache TinkerPop and its Gremlin graph traversal language”.）

1.3 JanusGraph的功能（Benefits）

　　JanusGraph最大的一个好处就是：可以扩展图数据的处理，能支持实时图遍历和分析查询（Scaling graph data processing for real time traversals and analytical queries is JanusGraph’s foundational benefit.）。

　　因为JanusGraph是分布式的，可以自由的扩展集群节点的，因此，它可以利用很大的集群，也就可以存储很大的包含数千亿个节点和边的图。由于它又支持实时、数千用户并发遍历图和分析查询图的功能。所以这两个特点是它显著的优势。

　　它支持以下功能：

　　（1）分布式部署，因此支持集群。

　　（2）可以存储大图，比如包含数千亿Vertices和edges的图。

（3）支持数千用户实时、并发访问。

（4）集群节点可以线性扩展，以支持更大的图和更多的并发访问用户。（Elastic and linear scalability for a growing data and user base）

　　（5）数据分布式存储，并且每一份数据都有多个副本，因此，有更好的计算性能和容错性。（Data distribution and replication for performance and fault tolerance）

　　（6）支持在多个数据中心做高可用，支持热备份。（Elastic and linear scalability for a growing data and user base）

　　（7）支持各种后端存储系统，目前标准支持以下四种，当然也可以增加第三方的存储系统：

·Apache Cassandra®

·Apache HBase®

·Google Cloud Bigtable

·Oracle BerkeleyDB

　　（8）通过集成大数据平台，比如Apache Spark、Apache Giraph、Apache Hadoop等，支持全局图数据分析、报表、ETL

　　（9）支持geo（Gene Expression Omnibus，基因数据分析）、numeric range（这个的含义不清楚）

　　(10) 集成ElasticSearch、Apache Solr、Apache Lucene等系统后，可以支持全文搜索。

　　(11) 原生集成Apache TinkerPop图技术栈，包括Gremlin graph query language、Gremlin graph server、Gremin applications。

　　(12) 开源，基于Apache 2 Licence。

　　(13) 通过使用以下系统可以可视化存储在JanusGraph中的图数据：

·Cytoscape

·Gephi plugin for Apache TinkerPop

·Graphexp

·KeyLines by Cambridge Intelligence

·Linkurious

1.4. JanusGraph的体系结构（architecture，架构）

想要深入了解JanusGraph，必须了解Tinkerpop。Tinkerpop是Apache基金会下的一个开源的图数据库与图计算框架（OLTP与OLAP），JanusGraph与Tinkerpop的关系可以认为是JanusGraph是基于Tinkerpop这个框架来开发的。

Tinkerpop有个组件叫Gremlin，它是一门用于图操作和图遍历的语言（也称查询语言）。Gremlin Console 和Gremlin Server分别提供了控制台和远程执行Gremlin查询语言的方式。Gremlin Server在JanusGraph中被成为JanusGraph Server。

Tinkerpop这个图数据库与图计算框架被很多厂商采用，比如百度开源的HugeGraph，华为的图引擎服务GES等。

JanusGraph是模块化的体系结构（JanusGraph has a modular architecture）。

　　它使用hadoop来做图的分析和图的批处理，使用模块化接口来做数据持久化、索引和客户端访问。

　　在JanusGraph和磁盘之间有多个后端存储系统和多个索引系统。（Between JanusGraph and the disks sits one or more storage and indexing adapters.）

　　它支持的外部存储系统，目前标准支持的有（当然也可以将第三方的存储系统作为JanusGraph的后端存储系统）：

·Apache Cassandra

·Apache HBase

·Oracle Berkeley DB Java Edition

·Google Cloud BigTable

　　支持的外部索引系统：

·Elasticsearch

·Apache Solr

·Apache Lucene

　　体系结构图：

1.5 应用使用JanusGraph的方法

　　作为一个数据库系统，它是要用来为应用程序存储数据用的，那么应用程序应该如何使用JanusGraph来为自己存储数据呢？

　　一般来说，应用程序可以通过两种不同的方式来使用JanusGraph：

　　（1）第一种方式：可以把JanusGraph嵌入到应用程序中去，JanusGraph和应用程序处在同一个JVM中。应用程序中的客户代码（相对JanusGraph来说是客户）直接调用Gremlin去查询JanusGraph中存储的图，这种情况下外部存储系统可以是本地的，也可以处在远程。

　　（2）第二种方式：应用程序和Janus Graph处在两个不同JVM中，应用通过给JanusGraph提交Gremlin查询给GremlinServer，来使用JanusGraph，因为JanusGraph原生是支持Gremlin Server的。（Gremlin Server是Apache Tinkerpop中的一个组件）。

1.6 JanusGraph的配置文件

　　JanusGraph集群包含一个、或者多个JanusGraph实例。每次启动一个JanusGraph实例的时候，都必须指定JanusGraph的配置。在配置中，可以指定JanusGraph要用的组件，可以控制JanusGraph运行的各个方面，还可以指定一些JanusGraph集群的调优选项。

　　最小的JanusGraph配置只需要指定一下JanusGraph的后端存储系统，也就是它的持久化引擎。

　　如果要JanusGraph支持高级的图查询，就需要为JanusGraph指定一个索引后端。

　　若果要提升JanusGraph的查询性能，就必须为JanusGraph指定缓存，指定性能调优的选项。

　　以上提到的后端存储系统、索引后端、缓存、调优选项等都可以在JanusGraph的配置文件中进行指定。默认情况下它的配置文件存放在JanusGraph_home/conf目录下。

　　在JanusGraph_home/conf目录下有一些JanusGraph的示例配置文件。

　　下面是一个JanusGraph的示例配置文件的内容，这个文件中为JanusGraph指定了cassandra作为后端存储引擎，并且指定了elasticsearch作为索引后端。

storage.backend=cassandra

storage.hostname=localhost

index.search.backend=elasticsearch

index.search.hostname=100.100.101.1, 100.100.101.2

index.search.elasticsearch.client-only=true

1.7 JanusGraph配置文件的加载方法

　　JanusGraph的配置文件如何加载呢？

　　（1）对于单独安装的JanusGraph，可以在Gremlin中使用JanusGraphFactory类的方法来加载配置文件

　　graph = JanusGraphFactory.open('path/to/configuration.properties')

　　（2）对于嵌入到应用中的JanusGraph来说，应用可以直接调用JanusGraph的公共API，只要在应用中调用JanusGraph的JanusGraphFactory就可以加载配置文件了

　　（3）还可以在JanusGraphFactory中使用简写来加载配置。

　　　　graph = JanusGraphFactory.open('cassandra:localhost');

　　　　graph = JanusGraphFactory.open('berkeleyje:/tmp/graph');

1.8 JanusGraph分布式集群的安装方法

　　JanusGraph作为一个图数据库系统，其实还是比较复杂的，它的安装可以是很简单的单机安装，也可以是很复杂的分布式安装，最不可理解的是官网（janusgraph.org）上没有专门介绍安装的文档。这里的安装方法是从IBM Developer works搜索来的，下面着重介绍单机安装，分布式集群的安装较为复杂，目前还没有时间做，以后在做吧，任务在即。

　　从JanusGraph的架构图可以看出，Janus的安装需要以下组件：

　 （1）外部存储系统，上图左下的方框，JP也集成了一个Cassandra，可以用于单一数据库使用

　　（2）外部索引系统，上图右下的方框，JP本身集成了一个ES，这个是可选的。

　　（3）启动JanusGraph Server，上图中部的方框，它是从Apache Tinkpop项目中的Gremlin Server来的。

　　（4）启动Gremlin客户端去连接JanusGraph Server，上图中部方框中的小框Tinkpop API-Gremlin指的是Gremlin console这个客户端是调用了Tinkpop API去访问JanusGraph Server的。

1.9 JanusGraph的命令接口使用方法

　　如下的命令会创建一个图，如下所示：

　　它有3个顶点，2个边

　　3 vertex:

　　v1: label student property id: 1

　　v2: no label, no property

　　v3: label studentproperty id: 2

　　2 edges with label friends

　　graph = JanusGraphFactory.open('conf/janusgraph-cassandra.properties');

　　mgmt = graph.openManagement();

　　student = mgmt.makeVertexLabel('student').make();

　　friends = mgmt.makeEdgeLabel('friends').make();

　　mgmt.commit();

　　v1 = graph.addVertex(label, 'student');

　　v1.property('id', '1');

　　v2 = graph.addVertex();

　　v3 = graph.addVertex(label, 'student');

　　v3.property('id', '2');

　　graph.tx().commit();

　　v1.addEdge('friends', v2);

　　v1.addEdge('friends', v3);

　　graph.tx().commit();

　　graph.traversal().V();

　　graph.traversal().V().values('id');

　　graph.traversal().E();

2、部署JanusGraph

2.1 docker install

The following section gives a minimal introduction on how to use the JanusGraph Docker images. For a more detailed documentation, refer to the README.md, especially for information about configuration of the images. The source repository also contains example configuration and Docker Compose files.

Usage

Start a JanusGraph Server instance

The default configuration uses the Oracle Berkeley DB Java Edition storage backend and the Apache Lucene indexing backend

$ docker run --name janusgraph-default janusgraph/janusgraph:latest

Connecting with Gremlin Console

Start a JanusGraph container and connect to the janusgraph server remotely using Gremlin Console

$docker run --rm --link janusgraph-default:janusgraph -e GREMLIN_REMOTE_HOSTS=janusgraph \

-it janusgraph/janusgraph:latest ./bin/gremlin.sh

gremlin> :remote connect tinkerpop.server conf/remote.yaml

==>Configured janusgraph/172.17.0.2:8182

gremlin> :> g.addV('person').property('name', 'chris')

==>v[4160]

gremlin> :> g.V().values('name')

==>chris

2.2 local install

下载地址：

In order to run JanusGraph, Java 8 SE is required. Make sure the $JAVA_HOME environment variable points to the correct location where either JRE or JDK is installed. JanusGraph can be downloaded as a .zip archive from the Releases section of the project repository.

The default configuration uses the Oracle Berkeley DB Java Edition storage backend and the Apache Lucene indexing backend

$ unzip janusgraph-0.5.2.zip

$ ./bin/gremlin-server.sh start

./bin/gremlin.sh

gremlin> :remote connect tinkerpop.server conf/remote.yaml

==>Configured localhost/127.0.0.1:8182

远程连接：

需要修改remote.yaml的地址

3、Gremlin Query Language

Gremlin是janusgraph的查询语言，用来获取/变更图数据。Gremlin是一个面向path的语言，能够简单快速的完成图遍历和变化操作。Gremlin是一个功能性语言，因此遍历操作被声明到类path的表达式表单。例如，from Hercules, traverse to his father and then his father’s father and return the grandfather’s name。

Gremlin是Apache TinkerPop的组件。它独立于janusgraph发展，并且被支持于大多数图数据库。建在janusgraph上的应用程序通过Gremlin查询语言，用户避免被发行商锁在一个图数据库上。

这章是Gremlin查询语言的简要概述。更多信息可以参考以下资源：

· Complete Gremlin Manual: Gremlin全部步骤的手册.

· Gremlin Console Tutorial: 学习如何用Gremlin Console高效图遍历，和交互式图分析.

· Practical Gremlin Book: 图数据库用户和Gremlin查询语言的起步教程。

· Gremlin Recipes: Gremlin的最佳实践集合和常见的图遍历语法。

· Gremlin Language Drivers: 用不同的语言连接到Gremlin server，如 Go, JavaScript, .NET/C#, PHP, Python, Ruby, Scala, and TypeScript.

· Gremlin Language Variants: 学习如何内嵌Gremlin到一个主机编程语言。

· Gremlin for SQL developers: 学习用SQL查询数据，Gremlin的经典语法。

3.1 :remote

:remote 命令告诉控制台配置一个到服务端的远程连接，该链接建立使用 conf/remote.yaml配置文件。 这个配置文件指向了一个运行在localhost的Gremlin Server 实例。 :>命令表示 提交命令， 它会把在那一行的Gremlin命令发送到远端服务器。 默认情况下，远程连接是无会话的，这意味着在控制台中发送的每一行都被解释为单个请求。 使用分号作为分割符，可以在一行上发送多个语句。 或者，您可以在创建连接时通过指定session建立带有会话的控制台。 console session 允许您在多行输入中重用变量。

gremlin> :remote connect tinkerpop.server conf/remote.yaml

3.2 :图遍历

gremlin> g.V().has('name', 'hercules').out('father').out('father').values('name')==>saturn

上面的查询可以分成以下步骤：

g:当前graph。V:graph中所有顶点。has('name', 'hercules'): 过滤出顶点有属性name = "hercules" (这里只有一个）。out('father'):从Hercules遍历出边（outgoing edge）为father的顶点。out('father'):从Hercules的father (Jupiter)遍历出边为father的顶点。name: 拿出顶点的name属性的value。

放到一起，这些步骤构成了类似遍历查询的路径。每一步都能分解且得到结果。当构造大型、复杂的查询链，这种图遍历/查询的风格是很有用的。