前言
在上一节中，我们讲解了关系挖掘。当被关系挖掘之后，我们就要考虑如何存储这些关系了。在前面我们也看看到了，由于关系本身是一种很像图的数据结构——由“节点”和有方向的“边”组成，那么这种关系如果要想储存用图数据库就更合适一些。虽然用关系型数据库不是说一定不能存储，而是在关系型数据库在底层的实现和上层使用的服务原语之间还差一层东西来帮我们进行图层面的描述。图层面的存储和计算需要在人和关系型数据库之间架设一个“翻译”的桥梁，那么就需要这样一种中间件（或称引擎）来实现，这就是图数据库（Graph Database）。
图数据库
说道比较好的图数据库引Neo4J（https://neo4j.com/），不过这个玩意儿似乎并不仅不免费而且很贵。作为一个有理想有道德有文化的大数据兼AI工程师来说，我们还是应该追求开源软件在企业的应用——不然你说老板雇你干啥……嗯，我来介绍另一个产品DeepDive。
DeepDive是斯坦福大学（http://deepdive.stanford.edu/）开源的一个图数据库项目。
网站做得比较土，不过瑕不掩瑜啊，这可是目前业界最流行的图数据库软件之一。这就是铺在用户与介质数据库之间的一个中间件产品，给我们预备了很多的API。使用这些API，我们就可以对图信息进行存储、读取、关系计算等。
它的底层可以把存储的数据放在很多的介质上，比如MySQL数据库、Postgres-XL数据库、GreenPlum数据库，甚至是亚马逊的云存储EC2上！
人机接口方面，可以使用DeepDive Shell对数据进行操作，也支持Python等多种语言接口。
小结
多亏了图数据库的出现，我们得以非常方便地保存我们的关系数据，并且利用了图结构的特点，在搜索查询方面性能得到了极大的提高。这么说来，“图数据库”简直就是为知识图谱量身打造的呀。
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/69954080/viewspace-3127317/ ，如需转载，请注明出处，否则将追究法律责任。
