Nebula Graph -- 7. 图论中的路径简介

Posted

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了Nebula Graph -- 7. 图论中的路径简介相关的知识，希望对你有一定的参考价值。

参考技术A 图论中一个非常重要的概念是路径，路径是指一个有限或无限的边序列，这些边连接着一系列点。

路径的类型分为三种： walk 、 trail 、 path 。以下图为例对路径的类型进行说明。

walk 类型的路径由有限或无限的边序列构成。 遍历时点和边可以重复 。

查看示例图，由于 C、D、E 构成了一个环，因此该图包含无限个路径，例如 A->B->C->D->E 、 A->B->C->D->E->C 、 A->B->C->D->E->C->D 。

GO语句采用的是walk类型路径。

trail 类型的路径由有限的边序列构成。 遍历时只有点可以重复，边不可以重复 。
柯尼斯堡七桥问题的路径类型就是 trail 。

查看示例图，由于边不可以重复，所以该图包含有限个路径，最长路径由 5 条边组成： A->B->C->D->E->C 。

MATCH、FIND PATH和GET SUBGRAPH语句采用的是trail类型路径。

path 类型的路径由有限的边序列构成。 遍历时点和边都不可以重复 。

查看示例图，由于点和边都不可以重复，所以该图包含有限个路径，最长路径由 4 条边组成： A->B->C->D->E 。

Nebula graph 源码 学习笔记

一、概述

Nebula Graph 是一个开源的分布式图数据库，采用了存算分离的设计，存储采用rocksdb。

数据库内核:
1）graph : 用于计算
2）storage：用于存储
3）meta：用于存储元数据

此外，nebula还提供了周边工具，如数据导入（exchange）、监控、可视化、图计算等。

1.1、总体架构


meta：负责数据管理，例如 Schema 操作、集群管理和用户权限管理等。

Graph ：服务负责处理计算请求

Storage： 服务负责存储数据

graph 和 storage 通过心跳定期向 meta汇报自身信息， 心跳通过 fbthrift实现，graph 和storage 进程中的成员变量 metaClient_

1.2、查询计算引擎架构

查询引擎采用无状态设计，可轻松实现横向扩展，分为语法分析、语义分析、优化器、执行引擎等几个主要部分。

1.3、存储引擎设计

Storage 包含两个部分：
1、meta 相关的存储， 称之为 Meta Service
2、data 相关的存储， 称之为 Storage Service。

Storage Service 共有三层：
1）最底层是 Store Engine；
2）之上便是 Consensus 层，实现了 Multi Group Raft；
3）最上层，是 Storage interfaces，这一层定义了一系列和图相关的 API。

二、源码概览

Nebula的源码地址在：https://github.com/vesoft-inc
vesoft（欧若数网科技有限公司) 是2018年成立于杭州的公司，nebula graph是他们开发的。

2.1、源码模块分类

1、计算查询引擎
https://github.com/vesoft-inc/nebula-graph

2、存储引擎
https://github.com/vesoft-inc/nebula-storage

3、内核工具包
https://github.com/vesoft-inc/nebula-common

4、客户端SDK
1）Java：https://github.com/vesoft-inc/nebula-java
2）C++：https://github.com/vesoft-inc/nebula-cpp
3）Golang：https://github.com/vesoft-inc/nebula-go
4）Python：https://github.com/vesoft-inc/nebula-python

5、工具
1）importer（基于 Go 客户端实现的 csv–>nebula 导入工具）：https://github.com/vesoft-inc/nebula-importer
2）基于spark的导入工具，包括Nebula Exchange、Nebula Spark Connector 和 Nebula Algorithm：https://github.com/vesoft-inc/nebula-spark-utils
3）备份恢复工具：https://github.com/vesoft-inc/nebula-br
4）部署工具：https://github.com/vesoft-inc/nebula-ansible，https://github.com/vesoft-inc/nebula-operator（用于容器）

6、测试工具
1）压力与性能测试：https://github.com/vesoft-inc/nebula-bench
2）混沌测试：https://github.com/vesoft-inc/nebula-chaos

7、编译工具
1）Nebula Graph 图数据库内核依赖的第三方包：https://github.com/vesoft-inc/nebula-third-party
2）Nebula Graph 图数据库内核工具链：https://github.com/vesoft-inc/nebula-gears

8、可视化工具
https://github.com/vesoft-inc/nebula-studio

2.2、重点模块结构

2.2.1、计算查询引擎Nebula Graph

├── cmake
├── conf
├── LICENSES
├── package
├── resources
├── scripts
├── src
│ ├── context
│ ├── daemons
│ ├── executor
│ ├── optimizer
│ ├── parser
│ ├── planner
│ ├── scheduler
│ ├── service
│ ├── session
│ ├── stats
│ ├── util
│ ├── validator
│ └── visitor
└── tests
├── admin
├── bench
├── common
├── data
├── job
├── maintain
├── mutate
├── query
└── tck

conf/：查询引擎配置文件目录
package/：graph 打包脚本
resources/：资源文件
scripts/：启动脚本
src/：查询引擎源码目录

src/context/：查询的上下文信息，包括 AST（抽象语法树），Execution Plan（执行计划），执行结果以及其他计算相关的资源。
src/daemons/：查询引擎主进程
src/executor/：执行器，各个算子的实现
src/optimizer/：RBO（基于规则的优化）实现，以及优化规则
src/parser/：词法解析，语法解析，：AST结构定义
src/planner/：算子，以及执行计划生成
src/scheduler/：执行计划的调度器
src/service/：查询引擎服务层，提供鉴权，执行 Query 的接口
src/session/：Session 管理
src/stats/：执行统计，比如 P99、慢查询统计等
src/util/：工具函数
src/validator/：语义分析实现，用于检查语义错误，并进行一些简单的改写优化
src/visitor/：表达式访问器，用于提取表达式信息，或者优化
tests/：基于 BDD 的集成测试框架，测试所有 Nebula Graph 提供的功能

2.2.2、存储引擎Nebula Storage

├── cmake
├── conf
├── docker
├── docs
├── LICENSES
├── package
├── scripts
└── src
├── codec
├── daemons
├── kvstore
├── meta
├── mock
├── storage
├── tools
├── utils
└── version

conf/：存储引擎配置文件目录
package/：storage 打包脚本
scripts/：启动脚本
src/：存储引擎源码目录

src/codec/：序列化反序列化工具
src/daemons/：存储引擎和元数据引擎主进程
src/kvstore/：基于 raft 的分布式 KV 存储实现
src/meta/：基于 KVStore 的元数据管理服务实现，用于管理元数据信息，集群管理，长耗时任务管理等
src/storage/：基于 KVStore 的图数据存储引擎实现
src/tools/：一些小工具实现
src/utils/：代码工具函数

2.2.3、内核工具包Nebula Common

├── cmake
│ └── nebula
├── LICENSES
├── src
│ └── common
│ ├── algorithm
│ ├── base
│ ├── charset
│ ├── clients
│ ├── concurrent
│ ├── conf
│ ├── context
│ ├── cpp
│ ├── datatypes
│ ├── encryption
│ ├── expression
│ ├── fs
│ ├── function
│ ├── graph
│ ├── hdfs
│ ├── http
│ ├── interface
│ ├── meta
│ ├── network
│ ├── plugin
│ ├── process
│ ├── session
│ ├── stats
│ ├── test
│ ├── thread
│ ├── thrift
│ ├── time
│ ├── version
│ └── webservice
└── third-party

Nebula Common 仓库代码是 Nebula 内核代码的工具包，提供一些常用工具的高效实现。这里只对其中和图数据库密切相关的目录进行说明。

src/common/clients/：meta，storage 客户端的 CPP 实现
src/common/datatypes/：Nebula Graph 中数据类型及计算的定义，比如 string，int，bool，float，Vertex，Edge 等。
rc/common/expression/：nGQL 中表达式的定义
src/common/function/：nGQL 中的函数的定义
src/common/interface/：graph、meta、storage 服务的接口定义

二、Storage源码

2.1、Storage概览回顾

2.1.1、Storage进程

storage 进程分为三层

1、storage interface

这一层定义了一系列和图相关的 API。 这些 API 请求会在这一层被翻译成一组针对相应 Partition 的 kv 操作。比如：getBeightors, Add/delete vertes/edge等等

2、Consensus

实现了 Multi Group Raft，每一个 Partition 都对应了一组 Raft Group，这里的 Partition 就是数据分片。目前 Nebula 的分片策略采用了 静态hash的方式；

用户在创建 SPACE 时需指定 Partition 数，Partition 数量一旦设置便不可更改，一般来讲，Partition 数目要能满足业务将来的扩容需求。

3、Store Engine

单机版 local store engine，提供了对本地数据的 get / put / scan / delete 操作，相关的接口放在 KVStore / KVEngine.h 文件里面，目前 Nebula 提供了基于 RocksDB 实现的 Store Engine。

2.1.2、代码结构

├── cmake
├── conf
├── docker
├── docs
├── LICENSES
├── package
├── scripts
└── src
├── codec
├── daemons
├── kvstore
├── meta
├── mock
├── storage
├── tools
├── utils
└── version

conf/：存储引擎配置文件目录
package/：storage 打包脚本
scripts/：启动脚本
src/：存储引擎源码目录

src/codec/：序列化反序列化工具
src/daemons/：存储引擎和元数据引擎主进程
src/kvstore/：基于 raft 的分布式 KV 存储实现
src/meta/：基于 KVStore 的元数据管理服务实现，用于管理元数据信息，集群管理，长耗时任务管理等
src/storage/：基于 KVStore 的图数据存储引擎实现
src/tools/：一些小工具实现
src/utils/：代码工具函数

2.2、源码阅读

2.2.1、StorageServer类（storage目录下）

2.2.1.1、成员变量

1、std::shared_ptrfolly::IOThreadPoolExecutor ioThreadPool_;
线程池用来处理网络IO任务，从连接中读取请求数据并反序列化

2、std::shared_ptrapache::thrift::concurrency::ThreadManager workers_;
负责处理用户的业务逻辑

3、std::unique_ptrnebula::WebService webSvc_;
监听port: HTTP[19779], HTTP2[19780]
接收外部http命令，比如显示一些flags

4、std::unique_ptrapache::thrift::ThriftServer storageServer_;
监听port:9779
与graph的通信，raft一致性协议使用thrift进行通信，addvertex/edge等
client端提供给grapth进程

5、std::unique_ptrapache::thrift::ThriftServer adminServer_;
监听port：9778
执行任务进程，比如balance，addpart等
client端提供给meta进程

6、std::unique_ptrapache::thrift::ThriftServer internalStorageServer_;
监听port:9777
toss一致性
client端提供给peer storage进程

7、std::unique_ptrmeta::MetaClient metaClient_;
与meta的通信，得到schema信息，心跳等

8、std::unique_ptr interClient_;
InternalStorageService 的客户端，toss一致性

2.2.1.2、StorageServer启动过程

进程启动的入口在：storage/StorageServer.cpp bool StorageServer::start() 函数

主要流程：

1、创建IO线程池，用于处理网络IO

ioThreadPool_ = std::make_shared<folly::IOThreadPoolExecutor>(FLAGS_num_io_threads);

2、创建works_，用于用户的业务请求

workers_ = apache::thrift::concurrency::PriorityThreadManager::newPriorityThreadManager(
      numWorkerThreads);

3、创建meta客户端

metaClient_用来与meta进行通信，metaClient_→waitForMetadReady() 会在里面注册发送心跳的请求
storage进行的indexmanger 和 schemamanager去得到相关的index和schma 内部都是用的metaClient的接口

metaClient_ = std::make_unique<meta::MetaClient>(ioThreadPool_, metaAddrs_, options);

4、初始化schemaManager

schemaMan_ = meta::ServerBasedSchemaManager::create(metaClient_.get());

5、初始化indexManager

indexMan_ = meta::ServerBasedIndexManager::create(metaClient_.get());

6、初始化kvstore
kvstore用于实现raft协议. 端口用的9780，包括多个storage 副本之间的数据同步，心跳，将数据写入到rocksdb中.

kvstore_ = getStoreInstance();

7、初始化interClient_

interClient_ = std::make_unique<InternalStorageClient>(ioThreadPool_, metaClient_.get());

8、创建txnMan_

txnMan_ = std::make_unique<TransactionManager>(env_.get());

9、创建taskMgr_

taskMgr_ = AdminTaskManager::instance(env_.get());

10、初始化storageServer_

storageServer_ = getStorageServer();

11、初始化adminServer_

adminServer_ = getAdminServer();

12、internalStorageServer_

internalStorageServer_ = getInternalServer();

关于ioThreadPool_和workers_线程的区分：
1）创建的三个thrift的server对象 StorageServer， Adminserver。interServe 都是以workers_ 为业务线程，ioThreadPool_为IO线程
2）创建kvstore的raftserver也是以workers_ 为业务线程，ioThreadPool_为IO线程

2.2.2、NebulaStore类（kvstore目录下）

2.2.2.1、成员变量

1、SpacePartInfo

SpacePartInfo结构体，用于存储：
1）partitionId–> Part的映射
Part类继承自RaftPart类，其属性包括：

   * @param spaceId
   * @param partId
   * @param localAddr Local address of the Part
   * @param walPath Listener's wal path
   * @param engine Pointer of kv engine
   * @param pool IOThreadPool for listener
   * @param workers Background thread for listener
   * @param handlers Worker thread for listener
   * @param snapshotMan Snapshot manager
   * @param clientMan Client manager
   * @param diskMan Disk manager
   * @param vIdLen Vertex id length of space

注意: 这里的engine，也就是下面engines_里面的engine

2）vector<std::unique_ptr> engines_;
存储有序集合: engines_
每新创建一个space，都会对应rocksdb的一个instance，这个engines_里就保存了每个space的rocksdb instance。

struct SpacePartInfo 
  ~SpacePartInfo() 
    parts_.clear();
    engines_.clear();
  

  std::unordered_map<PartitionID, std::shared_ptr<Part>> parts_;
  std::vector<std::unique_ptr<KVEngine>> engines_;
;
2、SpaceListenerInfo结构体

SpaceListenerInfo用于存储partitionId–> ListenerMap的映射

struct SpaceListenerInfo 
  std::unordered_map<PartitionID, ListenerMap> listeners_;
;

这是ListenerMap的定义：

using ListenerMap = std::unordered_map<meta::cpp2::ListenerType, std::shared_ptr<Listener>>;
3、其他成员变量
   * @param options
   * @param ioPool IOThreadPool
   * @param serviceAddr Address of NebulaStore, used in raft
   * @param workers Worker thread

2.2.2.2、NebulaStore初始化过程

NebulaStore初始化入口在 bool NebulaStore::init() 函数，其主要过程为：

1、启动处理线程

bgWorkers_ = std::make_shared<thread::GenericThreadPool>();
bgWorkers_->start(FLAGS_num_workers, "nebula-bgworkers");
storeWorker_ = std::make_shared<thread::GenericWorker>();

2、启动raftService

raftService_ = raftex::RaftexService::createService(ioPool_, workers_, raftAddr_.port);

3、初始化导入

  if (!isListener()) 
    // 如果当前storage不是一个Listener
    // TODO(spw): need to refactor, we could load data from local regardless of partManager,
    // then adjust the data in loadPartFromPartManager.
    loadPartFromDataPath();
    loadPartFromPartManager();
    loadRemoteListenerFromPartManager();
   else 
    // 如果当前storage是一个Listener
    loadLocalListenerFromPartManager();

下面重点看loadPartFromDataPath()和loadPartFromPartManager()的过程：

loadPartFromDataPath()的过程

Step1：扫描本地路径，并初始化spaces_

1）把rootPath赋值为：配置文件中的data_path + "/nebula"目录，如/data1/mmdb/storage/nebula
2）对rootPath目录下的所有目录做遍历，/data1/mmdb/storage/nebula的下级目录是每个space的spaceId
3）对spaceId为0的目录跳过
4）为每个spaceId都newEngine，即创建一个rocksdb instance：

auto engine = newEngine(spaceId, path, options_.walPath_);

Step2：为保存到本地的part信息做负载均衡
过程待补充

Step3：load保存到本地engine的part ids
过程待补充

Step4：创建part并加入到space
过程待补充

loadPartFromPartManager()过程

1）根据storeSvcAddr_从cache中获取partsMap
2）遍历partsMap，拿到spaceId后， addSpace(spaceId);
3）把每个peerPart存入 vector partIds，并排序
4）对partIds遍历，并执行 addPart(spaceId, partId, false, partPeers[partId].hosts_);

addSpace的过程

newEngine有两个地方被触发：
1） loadPartFromDataPath()的过程
2）loadPartFromPartManager() 中addSpace当engine不存在时

newEngine的过程：会创建一个rocksdb的instance并返回

return std::make_unique<RocksEngine>(
        spaceId, vIdLen, dataPath, walPath, options_.mergeOp_, cfFactory);

addSpace的过程：
Step1：加写锁

Step2：如果当前storage不是Listener角色：则遍历所有engine以确保每一个dataPath都有一个engine
1、如果spaceId在std::unordered_map<GraphSpaceID, std::shared_ptr> spaces_中：
1）拼装出dataPath：配置中的dataPath + “/nebula/” + spaceId
2）从RocksDBEngine.h缓存dataPath_中查询auto dPath = (*iter)->getDataRoot();
3）比较二者是否一致，从而判断engine是否存在
4）如果engine不存在，则newEngine，并新创建的Engine即rocksdb instance存放到SpacePartInfo结构体中的std::vector<std::unique_ptr> engines_;中。
2、如果spaceId不在std::unordered_map<GraphSpaceID, std::shared_ptr> spaces_中：
则newEngine，并新创建的Engine即rocksdb instance存放到SpacePartInfo结构体中的std::vector<std::unique_ptr> engines_;中。

Step3：如果当前storage是Listener角色
1、如果spaceId在std::unordered_map<GraphSpaceID, std::shared_ptr> spaces_中：
打印spaceId已存在，然后返回
2、如果spaceId不在std::unordered_map<GraphSpaceID, std::shared_ptr> spaces_中：
创建SpaceListenerInfo实例

2.2.2.3、NebulaStore的ingest过程

NebulaStore的ingest过程在NebulaStore.cpp的nebula::cpp2::ErrorCode NebulaStore::ingest(GraphSpaceID spaceId)函数。

ingest指根据spaceId找到Engine并读取.sst文件写入nebula的过程：

Step1：根据spaceid去std::unordered_map<GraphSpaceID, std::shared_ptr> spaces_; 这个map中找到SpacePartInfo结构体

Step2：从SpacePartInfo结构体中找到他的成员vector<std::unique_ptr> engines_;

Step3：对vector<std::unique_ptr> engines_遍历，找出每个RocksEngine

Step4：对每个Engine，列出其所有的partition

Step5：对其列出的每个partition遍历
1）从std::unordered_map<GraphSpaceID, std::shared_ptr> spaces_; 中根据spaceid找到shared_ptr，
从SpacePartInfo中找到std::unordered_map<PartitionID, std::shared_ptr> parts_;
从parts_中找到KVEngine，即为RocksEngine
2）先拼装出其下载的目录：如/data1/mmdb/storage/download/spaceid
3）遍历目录下的所有文件，做rocksdb的IngestExternalFile(files, options)

以上是关于Nebula Graph -- 7. 图论中的路径简介的主要内容，如果未能解决你的问题，请参考以下文章

图论中四个最短路径算法

为啥图论中的最大流算法对于最大二分匹配是正确的

图论中的sb错误集锦

图论中的一些名词的定义。

2020/02/15 理解图论中的拉普拉斯算子与拉普拉斯矩阵

算法笔记：图论中的单源最短路径算法——Bellman-Ford 算法