手把手教你从数据预处理开始体验图数据库

本文首发于 Nebula 公众号：手把手教你从数据预处理开始体验图数据库，由社区用户 Jiayi98 供稿，分享了她离线部署 Nebula Graph 、预处理 LDBC 数据集的经验，是个对新手极度友好的手把手教你学 Nebula 分享。

这不是一个标准的压力测试，而是通过一个小规模的测试帮助我熟悉 Nebula 的部署，数据导入工具，查询语言，Java API，数据迁移，以及集群性能的一个简单了解。

准备

所有的准备都需要找个有网的环境

1. docker RPM 包 https://docs.docker.com/engine/install/centos/#install-from-a-package
2. docker-compose tar 包 https://github.com/docker/compose/releases
3. 提前下载镜像 [https://hub.docker.com/search?q=vesoft&type=image]（ https://hub.docker.com/search?q=vesoft&type=image ），将 metad 、graphd 、storaged 、console 、studio 、http-gateway 、http-client 、nginx 、importer （用 docker save xxx 命令将拉好的镜像导出成 tar 包）
4. 配置文件 https://github.com/vesoft-inc/nebula-docker-compose/blob/docker-swarm/docker-stack.yaml
5. nebula-studio GitHub 上下载 zip 包 https://github.com/vesoft-inc/nebula-web-docker

安装

1. 安装 Docker：

$ rpm -ivh <rpm 包>
$ systemctl start docker --启动
$ systemctl status docker --查看状态

1. 安装 docker-compose

$ mv docker-compose /usr/local/bin/ --把 docker-compose 文件移动到 /usr/local/bin
$ chmod a+x /usr/local/bin/docker-compose --改权限
$ docker-compose -version

1. 导入镜像

$ docker load <镜像 tar 包>
$ docker image ls

1. 在机器 manager machine 上执行以下命令初始化 Docker Swarm 集群：

$ sudo docker swarm init --advertise-addr <manager machine ip>

1. 根据提示在另一台服务器上以 worker 的身份 join swarm

$ docker node ls

• 添加 worker node 如果出现以下报错：

Error response from daemon: rpc error: code = Unavailable desc = connection error: desc = "transport: Error while dialing dial tcp 172.16.9.129:2377: connect: no route to host"

一般是防火墙未关闭导致的（用以下方式关闭防火墙）。

$ systemctl status firewalld.service
$ systemctl disable firewalld.service

1. 在 manager 节点上改写 docker-stack.yml，并创建 nebula.env

-- nebula.env
TZ=UTC
USER=root

• Yaml file 里的 hostname 多台机器不可同名,启动时的错误多半是因为配置文件写得有问题，v1 升级 v2 也只需要把配置文件里的镜像换一下就可以了。

1. 在 manager 节点上动 nebula 集群

$ docker stack deploy <stack name> -c docker-stack.yml

这里附带一些我 Debug / 检查方法：

$ docker service ls --查看服务状态
$ docker service ps <NAME/ID> --查看某一个具体的状态
$ docker stack ps --no-trunc <stack name> --查看 stack 里所有的进程

1. 安装 Studio

代码文件夹里是 v1，有一个 v2 的文件夹里是 v2

$ cd nebula-web-docker

或

$ cd nebula-web-docker/v2
$ docker-compose up -d -- 构建并启动 Studio 服务; 

其中，-d 表示在后台运行服务容器

启动成功后，在浏览器地址栏输入：http://ip address:7001

测试

我用的 LDBC 。

准备

1. 获取源码 https://github.com/ldbc/ldbc_snb_datagen/tree/stable，scale factor 1-1000 用 stable branch 。
2. 下载 hadoop-3.2.1.tar.gz: http://archive.apache.org/dist/hadoop/core/hadoop-3.2.1/
3. LDBC 数据预处理

LDBC 数据预处理

这里需要说明一下，要注意你用的 nebula 版本是否支持 “｜” 作为分隔符。

ldbc 的所有 vertex 和 edge 的 ID / index 都有问题，需要处理一下使得所有 vertex 的 ID 变为 unique key 。

我的做法是每个 vertex 我都给一个前缀，比如 person，原始 ID 为 933，变为 p933 。（为了试用一下我自己搭的 CDH 我用 Spark 做的数据预处理，处理过的数据放在 HDFS 以便后面用 nebula-exchange 导入）

硬件资源

备注：Nebula 不推荐使用 HDD，但我也没有 SSD, 最后测试结果证明 HDD 真的很弱。

服务分布

3 节点，服务分布如下

• 192.168.1.10 meta，storage
• 192.168.1.12 graph，meta，storage
• 192.168.1.60 graph，meta，storage

2 图空间：

1. csv：10 个 partition
   1. 原始数据约 42 M
   2. 7 千多个点，40 万条边
2. test：100 个 partition
   1. 原始数据约 73 G
   2. 1.1 亿多个点，28.2 亿多条边（ Edge: 1,101,535,334 ； Vertex: 282,612,309 ）

导入 Nebula 之后，占用储存空间共约 76 G，其中 wal 文件占 2.2 G 左右。

没有做导入的测试，一部分用了 Nebula-Importer 导入，一部分用了 Exchange 导入：

开始测试

测试方法：

1. 选取 1000 个 vertex，进行 1000 次查询的平均值

• 三度超时是将 timeout 参数调高至 120 秒后的结果，后来在终端执行了一次三度发现要三百多秒。

最后，希望这份文档对和我一样的小白们有帮助，也感谢一直以来社区和官方的答疑解惑。

Nebula 真的让用户感到真的非常 supportive，在学习使用 Nebula 的过程中我也收获了很多~

进一步交流

交流图数据库技术？加入 Nebula 交流群请先填写下你的 Nebulae 名片，Nebula 小助手会拉你进群~~

要不要看看 [美团的图数据库系统] 、 [微众银行的数据治理方案] 以及其他大厂的风控、知识图谱实践？Follow Nebula 公众号：NebulaGraphCommunity 回复「 PPT 」即可习得大厂实践技能 ^^

推荐阅读

• 浅谈图数据库
• 聊聊图数据库和图数据库的小知识
• Nebula Graph 技术总监陈恒：图数据库怎么和深度学习框架进行结合？
• 图数据库爱好者的聚会在谈论什么？