互聯網和信息技術滲透到各行各業生產海量的數據，人們逐漸開始關注數據的內在關聯，這在知識圖譜、推薦引擎、金融風控、公共安全和智能運維等場景中尤其顯得重要。如何在海量的數據中發現有價值的關聯信息是一大挑戰，於是圖數據庫技術應運而生，專注於處理關聯數據，並在近幾年飛速發展。
百度自主研發的原生圖數據系統（BGraph），在百度的知識圖譜系統中應用和實踐多年，支撐數以億計的實體並支撐數以萬計的查詢QPS，用於知識問答、搜索推薦和知識推理等。
本主題主要和大家分享我們圖數據庫的設計和實踐經驗，包括原生的圖存儲和圖計算技術，針對圖的存儲和查詢的性能優化，分佈式集羣技術和高可用技術方案等。
內容大綱：
1、爲什麼需要圖數據庫
- 各行業的應用場景，需要分析數據關聯獲取商業價值
- SQL 數據庫 vs 圖數據庫
2、圖數據庫的技術挑戰
- 圖數據庫的技術挑戰：局部性差，規模大，分片難等
- 業界的圖數據庫以及特點
3、圖數據庫的系統架構
- 圖數據庫的核心目標
- 原生的圖存儲和計算
- 支持全文檢索的必要性
- 高可用的分佈式集羣架構
4、應用於實踐經驗
- 在百度知識圖譜的應用
- 批量導入 vs 流式寫入的權衡
- 分而治之
- 性能！性能！
- 訪問控制和系統防禦
- 思考與展望
聽衆受益
1、瞭解圖數據庫的發展方向和技術挑戰
2、瞭解知識圖譜和企業風控等圖數據庫的需求
3、學習和了解分佈式系統的架構理念與設計
4、大規模分佈式系統的實踐經驗