ITPub博客

本文主要分享 OPPO 知识图谱建设过程中算法相关的技术挑战和对应的解决方案，主要包括实体分类、实体对齐、信息抽取、实体链接和图谱问答 query 解析等相关算法内容。

在 Nebula 生态中，有 3 个 Spark 成员：Nebula Spark Connector、Nebula Exchange、Nebula Algorithm，如何方便地使用三者呢？甚至在自己的场景下组合应用？来一文了解它们吧。

最近注意到很多同学对于 ORM 框架的需求比较迫切，而且有热心的同学已经捐赠了自己开发的项目，Nebula 社区也在 working on it。下面主要介绍一下我们在使用 MyBatis 操作 Nebula Graph 方面的一些经验。

数据量大用 Nebula Exchange，数据量小用 Nebula Importer。而企查查是如何使用数据导入工具 Nebula Importer 来实现他们的数据同步的呢？本文详细带你了解。

如何让用户在搜索某个 JD 或者招聘者快速浏览到更匹配要求的候选人，是智联招聘需要解决的一大问题。在本文你将了解智联技术团队是如何用图数据库和各类索引实现召回、排序等功能。

本文讲述了 Nebula Graph 是如何护航微澜的实时资讯业务之余，用了大篇幅来讲述底层数据库的调优方法。

普通人眼中的可视化，和前端眼中的可视化有何区别？面对不同的业务产品，可视化技术选型又有何种侧重？本文 Nebula Graph 两款可视化产品的研发工程师谈及了可视化、性能调优、产品设计等方面内容。

本文主要介绍了 Nebula Graph 数据库在实际业务场景下批量导入性能并验证的过程。通过 Spark On Yarn 分布式任务执行导入工作，CSV 文件放在 HDFS 上，分享下个人 Nebula Spark Connector 最佳实践。

graph-ocean 是一款基于 nebula-java 客户端的 ORM，将 Java ORM 取名为 graph-ocean 是源自 Ocean 与 Nebula Graph 的 Nebula（星辰）相呼应，意为星辰大海。

如何实现模式匹配，抽取特定子图？本文中 Nebula Graph 社区用户繁凡分享了他的实践思路。

为了支持城市复杂场景下各类需求，中科大脑知识图谱团队设计开发了一套包含本体可视化设计、数据映射、数据抽取、数据写入、图数据探索的一体化平台，而本文则详细介绍了他们的业务背景、技术选型、平台建设等内容。

如何通过可视化工具有效监测集群状态，从而快速解决线上集群的异常故障，本文给你带来一个新思路。

为方便数据治理、元数据管理及数据质量监控，将调度系统生成的数仓血缘保存起来。而本文主要由 Nebula Graph 社区用户 shixingr 带来他的实践分享。

在 v3.1.0 版本中，查询和数据导入性能基本上和 v3.0.0 持平。MATCH 语句针对属性读取做了优化，本次测试新增了相应的用例，性能对比 v3.0.0 有大幅提升。

每一款产品，无论成熟程度怎样，都需要一份信息详尽的文档，好的文档可以帮助用户在使用产品时如鱼得水，本文就 Nebula Graph 的多版本文档中心的构建进行了分享。

对于用户的每一次查询，都能根据其意图做到相应的场景和产品的匹配”，是携程酒店技术团队的目标，但实现这个目标他们遇到了三大问题…本文着重讲述他们是如何构建场景与信息关系，用 Nebula 处理关联关系，从而快速返回场景化定制推荐信息给酒店用户的实践过程。

图空间如何做物理隔离？Nebula 底层如何存储数据？数据校验怎么做？除了存储架构讲解同数据格式变更之外，本文还解答 10 多个关于 Nebula 存储的问题。

云原生是什么？DBaaS 是什么？Nebula Graph Cloud 又是什么，它都应用在哪些方面，又能够帮助用户解决什么养的问题，阅读本文来一探究竟吧～

如何构建一个具有股权分析的图谱与线上系统呢？本文里，Nebula 布道师 Wey 将利用图数据库从零到一带你构建一个简易版的股权穿透图谱系统。

缺少标准、数据缺少联系、缺少业务元数据、缺少细颗粒度的权限管控，为此，BIGO 内部搭建了元数据管理平台来解决上述问题。