> 本文整理自 五矿集团-五矿期货有限公司副总经理-张剑锋 在 NebulaGraph 2022 年度用户大会上的分享。现场视频如下——

大家好，我是五矿期货的张剑锋。今天十分感谢 NebulaGraph 能够提供这个跟各位专家，还有行业技术大拿们当面学习和交流的机会。

首先介绍一下期货行业。在中国的六大金融行业里面，银行，保险，还有信托，是银保监会体系下的，俗称大金融行业。期货行业属于证监会管辖下，有证券期货和基金，属于小金融行业。

我们这个行业有三大主要的功能：发现价格，管理风险，还有配置资源。发现价格重点给大家介绍一下，因为期货市场的参与者众多，除了有生产者、贸易商，还有我们消费者，以及市场上大量的投机者。因为有这样不同类型的大量的交易者在期货市场上通过多空博弈产生出来一个价格，是相对客观和真实的，所以可以用于指导这些产业客户和实体经济相关参与者安排自己的生产和经营活动。

期货行业最主要的作用是服务实体经济和产业客户，所以我们这个行业的特点也是和实体经济挂钩会比较紧密。这几年才兴起的像保险+期货、乡村振兴、场外期权等等都是直接服务产业客户的业务模式。

下面介绍下五矿期货的一些情况。 五矿期货是中国五矿集团旗下的金融企业，**五矿集团是 16 年五矿集团和中冶集团两家世界 500 强企业战略性重组，最新的世界 500 强排名是 58位**。五矿集团是国家的金属资源领域的冶金建设国家队，我们的控股股东是五矿资本有限公司，是 A 股的上市公司，也是隶属五矿集团的，然后我们也是一个 **A 股市场稀缺的全牌照的金融控股公司**。

# 为什么要搭建知识图谱平台？

## 知识图谱的价值

关于知识图谱的价值，我来谈一下我们的理解。

![知识图谱的价值](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/wukuang-graph-database-practice/7.jpeg)

因为期货行业是一个信息高度密集的行业，我们日常的经营过程中会产生大量的结构化数据，数据类型也很多。除了像各种的客户的交易数据，还有一些像客户行为埋点数据、用户事件数据等等。同时还有很多非结构化的数据， 像各类研究报告，新闻资讯。

另外，由于监管对我们业务有特殊要求，比如客户开通特定品种要求的双录等会产生大量的音频视频数据，所以（拥有）大量多维的、多类型的数据是期货投资行业的一个特点。**我们认为利用知识图谱能够实现数据的汇集和治理、知识挖掘和应用，以及辅助业务分析和决策**。


另外，期货行业也是知识密集型行业，因为期货行业的业务规则很复杂还会经常变化，所以如何把知识沉淀到公司，作为公司知识的传承，还有在知识基础上做相应的智能化的应用都是非常重要的，所以我们认为知识图谱在我们这个行业会有很大的作用和意义。

## 知识图谱的优点

![知识图谱的优点](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/wukuang-graph-database-practice/8.jpeg)

从技术方面，知识图谱的优点大概有四个方面——

**第一，灵活的多维数据叠加**

孤岛的数据其实是没有太多意义，也不利于数据的挖掘和分析。而图结构比较灵活，通过图的点面关系，可以把有价值的多维数据叠加和连接在一起，会有更大的意义。

**第二，依托经验分析可解释**

因为在图谱上模型设计和决策，它的计算路径和过程是很清晰的，可以使用图很方便地回溯推导过程，并可以和人的经验相互应证。

**第三，数据的高效直观表达**

图数据相对来说是比较容易可视化的，通过将知识图谱可视化展示给用户，可以使用户快速学习或者是发现新的知识。

**第四，增强现有模型准确率**

因为使用知识图谱技术把整个数据拉通之后，有助于数据的数据质量的提升，同时可以提高整个模型的准确率。

# 使用过程中面临的困境

![使用知识图谱面临的困境](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/wukuang-graph-database-practice/9.jpeg)


在我们实践和探索过程中，我们也遇到了一些困难。总结起来主要有三点，第一个就是因为知识图谱技术相对来说比较新，在我们这个行业里应用几乎没有，所以我们只能去摸着石头过河去一步一步来，这个过程其实蛮艰辛的。


第二个就是人才，我们对传统的数据库还是有一些人才储备的，但是现有新的领域，招聘人员、储备人员、培养人员都需要很长的时间，这是第二个痛点。

第三个就是业务部门认知不到位，这也导致参与度不高，所以推进就没那么快，所以刚建的时候走走停停，推的过程就比较困难。

## 如何走出困境

![五矿期货是如何成功走出困境的](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/wukuang-graph-database-practice/10.jpeg)

面临这种困境，我们很庆幸就是说找到两家很好的合作伙伴，一个是今天的东道主悦数科技，我们认为他们是一家很好、很可靠的公司，**NebulaGraph 图数据库除了稳定可靠、性能高效，另外还是国产的，而且是支持信创的。因为我们公司是证监会指定的信创试点单位，所以综合考虑我们认为 NebulaGraph 图数据库是最佳的选择方案**。

另外要感谢的就是普适智能，因为我们是缺乏技术储备的，我们就比较依赖厂商的支持。**普适智能是很专业地专注于知识图谱的应用，而且他们愿意深耕金融行业，对金融行业的业务模式有比较深的沉淀，所以他们可以给我们提供一站式的知识图谱平台的解决方案**。

我们很多的业务场景都是 NebulaGraph 和普适在驻场和我们业务部门、技术部门一起配合很长时间梳理清楚，把业务搬到知识平台上，帮我们一步一步搭建起到现在这样一个平台，所以在此十分感谢这两个公司。

# 知识图谱在期货行业的应用场景

## 场景一：辅助投研

![五矿期货知识图谱应用场景一：辅助投研](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/wukuang-graph-database-practice/15.jpeg)

这是我们投研平台知识图谱应用的一个逻辑图。首先我们公司会有很多的内部数据，包括一些非公开的数据、行业的数据，还有一些外部数据，包括我们购买的很多商业数据源、数据研报等等。内外部数据打通之后，我们**依托知识图谱平台实现了知识的沉淀复用，为后续产业链的研究，研报的生成，以及风险预测等等这些业务场景去赋能**。

![五矿期货知识图谱应用场景一：辅助投研](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/wukuang-graph-database-practice/16.jpeg)


这是我们整个投研过程的描绘：研究员从发现线索出发，然后整理相关资料，经过分析研究框架的判断，最终形成投资决策和应用。


传统来说以前就是数据纯粹的罗列，检索也比较简单，然后我们用知识图谱平台可以**实现自定义的投研主页，让用户每天高效获取他所需要的信息，而不需要去浪费过多时间去找线索**。另外就是我们优化了检索算法和信息展示的交互界面，形成了更加贴合用户习惯的页面，提升了信息获取的效率和用户的使用感受。


之前数据比较割裂，因为搜集数据的渠道来源很多，也很不方便，通过这个平台把多维的数据整合，加上自有数据的上传，还有指标编辑等功能，实现了数据收集效率的大幅提升。


然后我们底层使用的是批流一体的图谱技术，让数据更加及时，拓展性也更强了。以前的分析判断过程是研究人员分析判断完全依赖个人经验，分析工具也比较少，导致效率比较低。我们**通过机器学习来辅助数据的分析和挖掘，能够主动定位可能的分析方向，提高探索效率**。


在决策和应用阶段，以前研究人员仅是能够生成这个报告，但是写的报告一个是精度可能比较低，另外它的准确度有可能会比较模糊，所以**我们联通了用户的分析过程和报告产生的过程，然后能够快速获取研究分析所依赖的数据以及分析的流程，帮助他们去提升整个分析的逻辑，让数据和研究员的个人经验去做一个印证**。有可能他的知识或者他的框架可能有错误和偏差，通过这样的数据分析也可以优化。

![五矿期货知识图谱应用场景一：辅助投研](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/wukuang-graph-database-practice/17.jpeg)

具体来说，辅助投研场景是这样的——因为期货行业里面有很多品种是存在比较强的相关关系的。比如说原油，它的衍生品有燃料油、化纤、化工类产品、沥青等等。

一个品种的价格变动，对相关的品种都是有影响的，所以我们投研平台第一步就要先要找到对应关系，把它在这个平台上用图谱形式去展示出来，然后通过一些模型的训练，除了找到影响的关系之外，还要找到影响的程度，就是它的权重。

当然了，这要经过大量的模型训练或者验证，**通过找到一个品种价格变化传导到其他相关品种价格的关系，来辅助研究人员做相应的研判**。

![五矿期货知识图谱应用场景一：辅助投研](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/wukuang-graph-database-practice/18.jpeg)


除了品种之间有较强的相关性之外，期货行业有些相关品种的产业链是比较强的，因为上游可能有很多层级，下游消费方可能也有很多的节点，所以我们**以研究员的视角，在平台上绘制出整个产业链的结构图，目的是找到整个产业链的价格传导机制**。


图上展示的就是能源板块的一个产业链。比如煤炭，除了国家的政策会影响到煤炭的生产之外，衍生品的情况也有影响。煤炭的衍生品也就是产业链下游，就是焦煤、焦炭，还有动力煤。动力煤是用来发电的，焦煤焦炭是用来炼钢的，第一步先练成粗钢，然后粗钢再炼成螺纹钢和热轧卷板，同时钢这个黑色品种又和铁矿石有关系，铁矿石除了炼钢之外，它还有像锰铁锰硅之类的一些副产，研究人员在这个平台上可以把这个品种的整个上下游产业链和它的关联关系去描绘出来。

**对研究人员本身来说，他借助这个平台可以提升自己的知识，同时这个平台在使用过程中也会逐渐的增强自身的能力和价值**。



## 场景二：金融事件分析

![五矿期货知识图谱应用场景二：金融事件分析](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/wukuang-graph-database-practice/20.jpeg)

第二个场景是金融事件分析。因为期货行业的价格影响，除了既有的产业链模型之外，还有很多突发性事件，类似于黑天鹅事件， 所以舆情或者资讯对商品的价格可能也会有很大的影响。

所以我们也做了这样一个模型，而且这个模型会持续地去打上时间的标签，因为时间对行情的影响是有很大的影响的，越老的资讯可能影响度就更低一些。

![五矿期货知识图谱应用场景二：金融事件分析](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/wukuang-graph-database-practice/21.jpeg)

举个例子，年初的俄乌战争对期货市场上的行情影响比较大，主要影响是两个，一个是镍这个品种大家可能都知道或者都看到过。因为俄罗斯是镍主要的供应国，发生战争之后，俄罗斯的镍不能够给中国出口，所以导致镍出现了极端的行情。同时，下游产品像不锈钢主要是用镍去生产的，所以间接也影响到不锈钢这个品种的价格走势。

所以我们希望能够以关联这个数据为基础，从期货行业固有的逻辑和实时事件双管齐下，通过平台实时洞察不同事件组合对特定商品价格影响的强度，同时也随时观察期货相关联的历史事件。

## 场景三：合规风控

![五矿期货知识图谱应用场景三：合规风控](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/wukuang-graph-database-practice/22.jpeg)

场景三是合规风控，因为期货行业是一个高风险行业，所以无论是监管机构，还是期货公司自身的风控要求都十分严格，合规风控能力也是我们一个核心竞争力。

一般来说，我们有两类风控模型，一个是不同的客户在同一个 MAC 地址下，买卖期货合约品种以及它的交易行为时间点高度一致，它可能会存在“拖拉机账户”，也就说是一个客户操控了多个账户，这在期货行业里是不允许的。**通过图上的交叉关系或者汇聚的密集程度，合规风控人员很容易地去判断出这类行为**。

另外一类就是同一个账户，同时存在多个交易的 IP 和 MAC 地址，这类行为可能是有配资嫌疑的，结合其他数据和模型，我们可以更加精准地判断它是否存在配资的嫌疑。这对合规风控来说，极大提高了它的判断能力，我们可以对这类交易进行提前的干预，有效避免合规风险。

## 场景四：客户洞察

![五矿期货知识图谱应用场景四：客户洞察](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/wukuang-graph-database-practice/23.jpeg)


第四类场景是客户洞察，我们基于客户交易行为进行汇总，把他们进行一些社群划分，比如感兴趣交易哪些品种、感兴趣哪类研报，我们把这些作为划分依据，用于进行相对精准的一些推送。

因为期货行业服务的同质化比较严重，所以我们也希望能够通过数据来做数字化的运营，**给客户提供差异化的服务和精准营销，实现更好的客户体验**。

## 场景五：智能运维 AIOps

![五矿期货知识图谱应用场景五：智能运维AIOps](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/wukuang-graph-database-practice/24.jpeg)

AIOps 是我们最近才梳理的一个场景。像我们公司有十几个机房部署在全国各地，可能有上千台服务器，整个交易系统会产生大量的数据和日志等，而且不同的机房不同的系统之间网络也都是通的，一些应用组件都是互相调用的关系，它其实本身就是一个巨大的网络。


所以我们把这些运维的数据，服务调用的数据，还有批量作业数据设备部署的数据以及系统运行的日志数据，整合到这个平台里，然后把他们的关系提取出来，实体也提取出来，构建这样一个智能运维的模型。


我们可以更加细化到具体的运维设计场景，比如说故障影响分析，当某个节点或设备出现故障时，和它有关联的系统或应用也可能会存在问题。接下来根据业务调用关系，它（故障）有可能会传达到别的系统，还有可能会影响到不同类型的客户，所以我们要把关系描绘出来，以进行一些系统切换或故障通知等等。


另外就是变更，因为业务系统 80% 的风险，或者说它的故障运维事件，都是因为这个系统升级变更造成的。升级某一个组件可能会影响到哪些系统、哪些客户需要哪些部门的人去做一些干预或协调、怎么更好地去应急等，我觉得在图谱上都可以实现，以便更好地指导我们的日常运营工作。

还有像系统架构的分析，像系统架构合不合理、有没有存在单点的故障，这些我觉得都可以在图谱这个平台上去实现。

## 场景六：网络安全

![五矿期货知识图谱应用场景六：网络安全](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/wukuang-graph-database-practice/26.jpeg)

另外一个就是网络安全，这块我们觉得也是可以应用到的。因为我们现在有这样一个安全监控平台，它的规则是基于系统产生的日志，如果日志发生了或者是平台感受到它和现有的规则不匹配，系统会产生告警信息。但是告警信息是一种孤岛， 哪里出现问题哪里告警，但是**我们希望能够把整个安全模型构建出来，然后找出故障的传导机制，进而分析出它可能会对哪些系统或者说网络安全环境造成影响**。

另外一个就是攻击行为或者说病毒，通过知识图谱可以更加方便、有效地回溯它的路径或者预测攻击行为，这样能够更加智能化地去辅助我们的安全管理人员去做好安全管理工作。

所以安全知识图谱，我们认为是作为安全领域的一个专用知识图谱，**它可以结合安全知识经验和数据发挥知识整合的优势，将离散分布的多元异构的安全数据组织起来，加速安全领域的智能化和自动化**。

# 总结&期望

作为第一家和 NebulaGraph 合作的期货公司，我们很荣幸，也希望更多的技术专家能够关注到期货这个行业，能够输送人才去指导期货行业金融科技的发展。所以最后感谢悦数科技，谢谢大家。


---

- **相关推荐**：

[《美团：图数据库平台建设及业务实践》](https://www.nebula-graph.com.cn/posts/meituan-graph-database-platform-practice)

[《中国移动：NebulaGraph 图数据库在金融风控领域的落地应用》](https://www.nebula-graph.com.cn/posts/cmcc-financial-riskcontrol-practice)

[《快手：百亿级图数据在快手安全情报的应用与挑战》](https://www.nebula-graph.com.cn/posts/kuaishou-security-intelligence-platform-with-nebula-graph)

[《微众银行：NebulaGraph 在微众银行数据治理业务的实践》](https://www.nebula-graph.com.cn/posts/practicing-nebula-graph-webank)

[《泰康在线：图数据库在理赔反欺诈及数据治理中的实践》](https://www.nebula-graph.com.cn/posts/tk.cn-knowledge-graph-practice)


高性能的原生分布式图数据库 NebulaGraph 目前已被 1000+ 企业采纳并应用于金融风控、实时推荐、知识图谱等多个场景， 欢迎点击 [下载《图技术应用案例集》 PDF 版](https://www.nebula-graph.com.cn/download-white-book) 查看更多真实用户分享～








五矿期货是世界 500 强企业中国五矿集团旗下的金融企业，作为首家使用 NebulaGraph 图数据库的期货公司分享了知识图谱平台在期货投资领域的应用和未来实践方向的探索及心得。

五矿期货：NebulaGraph 图数据库在金融期货行业的应用与实践探索

> 本文整理自 中国移动算法工程师 汪海涛 在 NebulaGraph 2022 年度用户大会上的分享，现场视频如下——

<video width="100%" height="500" controls>
  <source src="https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/videos/nuc-2022/speaker-wanghaitao-chinamobile.mp4" type="video/mp4">
</video>

各位朋友上午好，我是来自中国移动的算法工程师汪海涛。接下来我主要聊一聊图数据库在中国移动，特别是金融风控场景的落地应用。

# 为什么中国移动要建设图平台？

## 「全国 9 亿用户，每天产生大量数据」

中国移动有非常多的数据，全国的用户每天都会产生海量的数据。**如何从这么大数据量里面挖掘出有用的信息，然后用到金融风控场景？这就是我们需要做的事情**。

之前，我们是以手机号为维度去提取特征，然后去做一些模型或规则判断一个手机号是否是有违约风险。但仅仅基于手机号很难综合去考虑风险情况，因此我们就想采用图计算技术去综合看一个手机号以及周围的其他手机号的信息，然后共同评判它的风险。

最开始是基于消费金融的场景，从比如说像蚂蚁金服、微信以及京东白条这样一些产品切入，通过用户通话数据、短信数据、设备等多维度的一些信息，去判断用户风险。但中国移动数据量这么大，**不管我们要做什么，最大的诉求就是需要有一个非常高性能的平台去支撑数据分析**。

# 为什么选择 NebulaGraph 图数据库？

## 「JanusGraph vs TigerGraph vs NebulaGraph」

我们最早是采用了 JanusGraph 加上 Spark 去建设我们平台，但是通过一些测试，我们发现 JanusGraph 的查询性能以及导入性能都比较一般，然后 GraphX 的话，它的计算性能其实也比较一般，特别是它需要的内存量特别大，因此我们后来又开始去调研了市场上很多的图产品，并且对一些图产品做了测试，包括国外的产品，像 TigerGraph 之类的等等，但是因为一些特殊原因，中国移动是在美国商务部的实体清单上，所以很多外国的产品我们是没法去采购和使用的。

因此最后，我们是选择国内的几家厂商进行了一些测试和比较，**最后选择了以 NebulaGraph 作为图数据库，然后以 Plato 作为图计算引擎这样一个整体的架构**。


# 中国移动是如何搭建图平台的？

## 图平台建设概况

![中国移动_以NebulaGraph为底座的图数据库平台概览图](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/cmcc-financial-riskcontrol-practice/4.jpeg)

我们整体的架构大概是这样的——

**最底层是我们的数据源**，中国移动建设有一个全国大数据中心，主要包括通话数据、位置数据、消费数据、设备数据、用户数据和 APP 数据等等，我们每月把这些数据抽取到 HDFS 里面，然后把其中有用的数据抽取到 NebulaGraph 数据库里面，那么这里用的就是 Nebula 的一个导入工具，这是我们图数据存储这一层。

**再上一层是计算分析层**，这也是我们建模和业务分析人员主要使用的一些框架。首先第一个是 Plato，它是腾讯之前开源的一个图计算引擎，但是据我所知腾讯现在已经不维护这一套引擎了，因此我们也是专门找一些工程师，然后去维护这里面的一套框架，以及修复一些小 bug 之类的。

那么它包含的算法其实很多的，这里我主要是列举了两个社区发现算法、Louvain 算法和 HANP 算法。它里面还包含一个 LPA 算法，因为LPA 算法的话是 HANP 算法一个简化版，所以这里我没有列出来。

然后里面还有一个我们有可能后面会用到的关于随机游走类的算法，主要是基于随机游走得到一个节点序列，会为我们后面用于图神经网络训练做一个前期数据预处理的工作。

第三个是 GNN，就是图神经网络。图神经网络是最近几年兴起的一个领域，我们现在主要是基于这些模型做一些简单的产品，看看能不能取得比以往的方法更好的一些效果。最后就是基于 NebulaGraph 查询语言，主要就是 go 语句和 fetch 语句做一些简单查询。

**再上一层的话就是应用层**。首先是关联风险分，关联风险分主要是基于配套的社区发现算法来做的。第二个号码风险分和最后一个催收分析主要是基于 Nebula 的查询语句来做的，主要就是查询用户跟一度、二度联系人以及一些违约用户，或是催收专用号码进行一些主动或被动的呼叫。第三个信用评分卡是基于图神经网络来做的，主要是用逻辑回归或者决策树之类的模型，希望通过图神经网络做一些提高。

## 图数据结构介绍

![中国移动_导入图数据库的点边数据结构](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/cmcc-financial-riskcontrol-practice/7.jpeg)

- **点数据**

点数据主要是有四类，第一个是手机号，手机号也是我们最重要的点数据，主要是包括比如这手机号它是属于哪个市的，是否发生过停机等等，还有一些消费信息。第二个是地理位置，主要基于基站。第三个身份证，作为唯一身份证识别，可能也会有年龄或学历之类的标志。最后是设备信息，一般手机会有一个设备值，有对应的型号、设备系统等。

- **边数据**

目前边数据的话，一个是用户跟用户的通话数据，第二个是手机号和身份之间的对应关系，第三个是手机号和设备之间对应关系，第四个是手机号跟地理位置之间对应关系，那么这些是我们在图数据库里面保存的一些数据。


# 图技术在中国移动有哪些应用？

## 应用1：号码风险分

![中国移动_怎样建立号码风险分模型](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/cmcc-financial-riskcontrol-practice/8.jpeg)

首先是号码风险分模型，**主要用在羊毛党识别这个场景**。我们会根据用户的通话流量位置以及手机行为信息去判断一个号码有没有可能是个羊毛党，主要通过四个模块——

第一个是接码模块，我们会跟一些外面数据公司合作，判断一个号码有没有可能是一个接码号码，如果是，我们会认为这个号码是薅羊毛的可能性就很大。

第二个行为异常号码，比如说这个手机号是否当月一次通话都没有，然后是不是每月都基本只有固定的月租这样的消费。这种号码我们认为它可能是一个小号，或者是专门用来去薅羊毛的号码。

第三个是位置异常，比如说这个手机是否一个月下来就是在一个位置从来没有动过，可能只是放在家里偶尔用一下，不会带出去这种。对于这种号码的话，我们认为它的风险也是相对比较大的。

![染灰模块是什么、怎样实现](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/cmcc-financial-riskcontrol-practice/9.jpeg)

**第四个是染灰模块，图技术主要就是用于这个模型**。基于前三个模块的结果，我们首先获得了一批已经确定的羊毛党用户，那么我们可不可以发现他的一些共同特征？比如说可能有几个羊毛党（号码）是属于同一个用户的，那么我们是不是可以看看这个用户下面其他手机号是不是也可能是羊毛党？

另外，如果发现有一堆手机号是之前在同一个设备上使用过，我们可能也会认为这个设备上对应的其他手机号也可能会是一些羊毛党。专业的羊毛党会采用卡池这种设备专门去薅羊毛，用图技术就可以快速发现并识别。


## 应用2 ：关联风险分

![关联风险分是什么以及应用场景](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/cmcc-financial-riskcontrol-practice/10.jpeg)

然后是关联风险分，通俗来说就是「近朱者赤近墨者黑」。

在平时交际圈，如果你的违约可能性比较低，那么周围人可能违约性也会比较低。基于这样一种想法，我们主要做法就是首先基于移动所有用户构建一个关系网络，然后采用一些社区发现类的算法去挖掘这个社区中个人的评分以及个人之间的关系，通过对这个社区打分，去识别出这个社区是否是欺诈或低信用社区。

**关联风险分的主要应用场景就是欺诈领域，比如信贷欺诈、交易欺诈、营销欺诈、支付欺诈以及账户欺诈等等多个方面**。

## 应用3：图神经网络（GNN）

![图神经网络在中国移动的应用](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/cmcc-financial-riskcontrol-practice/12.jpeg)

最后是关于图神经网络的一些应用，**主要是用于金融风控信用评分卡的场景**。过去我们用做信用评分卡大部分都是先提取用户特征，再然后训练一个逻辑回归模型或者是角色数字类的模型。

那么现在，我们想通过图神经网络做一些模型，通过用户之间通话数据，比如近三个月主动通话、被动通话以总通话次数是否达到要求，去判断要不要保留这样一条边。

我们大概提取 100 多个主要的特征去录模，这里的模型相对来说比较简单，目前是尝试了一个双塔的模型，左边的是关于图神经网络聚合的这样一个模型，右边用户特征本身的一个全连接网络做了这样 MLP 的模型。左边的神经网络聚合，是比较简单也是最常用的——GCN、GrapSAGE 和 GAT 这三个模型。

另外我们现在采用的是一个同构图的网络建模，后面可能会考虑异构图，比如说考虑用 HAN 这样的一些异构图的模型去建模，把用户的身份证和设备以及位置信息这些点都归纳进来，然后一起进行建模。

# 图数据应用的未来展望

![中国移动_图数据库平台的未来展望](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/cmcc-financial-riskcontrol-practice/14.jpeg)

## 1.数据血缘

中国移动大数据中心会提供给大概 30 多家客户的 50 多个项目进行共同的建模，建模工作里包含的数据维表会特别多，因为我们会给每个用户都匹配数据，然后帮他们生成特征，最后会把结果表也保存在数据库里面，大概现在有 1000 多张数据表，平时基本靠人工管理，后面看看能不能通过数据血缘的方式去做一个归纳。

## 2.图神经网络

中国移动除了大数据中心，还有人工智能中心，那里有很多的 GPU 资源进行人工神经网络的训练，但是目前模型训练效率比较低下，所以后面看看怎么用图数据技术去解决这个问题。


- **相关推荐**：

[《美团：图数据库平台建设及业务实践》](https://www.nebula-graph.com.cn/posts/meituan-graph-database-platform-practice)

[《五矿期货：图数据库在金融期货行业的应用与实践探索》](https://www.nebula-graph.com.cn/posts/wukuang-graph-database-practice)

[《快手：百亿级图数据在快手安全情报的应用与挑战》](https://www.nebula-graph.com.cn/posts/kuaishou-security-intelligence-platform-with-nebula-graph)

[《微众银行：NebulaGraph 在微众银行数据治理业务的实践》](https://www.nebula-graph.com.cn/posts/practicing-nebula-graph-webank)

[《泰康在线：图数据库在理赔反欺诈及数据治理中的实践》](https://www.nebula-graph.com.cn/posts/tk.cn-knowledge-graph-practice)

---
想要感受  NebulaGraph 企业版的最新特性？
点击 [链接](https://www.nebula-graph.com.cn/contact)，立刻开启您的图数据库之旅！


拥有9亿多用户的中国移动基于NebulaGraph 图数据库搭建的图平台在金融风控领域有哪些落地应用？一起来看中国移动的算法工程师汪海涛在NUC2022上的精彩分享。

中国移动：NebulaGraph 图数据库在金融风控领域的落地应用

本文整理自 Sensoro升哲-产品副总裁-付刘伟 在 NebulaGraph 2022 年度用户大会上的分享。	

Sensoro升哲：图分析在城市治理服务的应用与落地

来自亚马逊云科技上海人工智能研究院的资深应用科学家王敏捷分享开源图深度学习框架的挑战 以及 NebulaGraph 图数据库是怎样帮助解决这些问题的。

开源图深度学习框架 DGL 的机遇与挑战｜NUC2022

同盾科技是一家专注决策智能的人工智能企业，其基于 NebulaGraph 图数据库技术打造的知识图谱平台在金融保险、政府公安、互联网等行业有广泛应用，一起来了解下这套全栈式解决方案的优势以及NebulaGraph 在其中发挥的重要作用吧。

同盾科技：聊聊知识图谱在金融风控场景中的应用｜NUC2022

来自复旦大学计算机科学技术学院的肖仰华教授在NebulaGraph 2022 年度用户大会上分享了知识图谱最新的研究进展，一起来了解图计算技术是如何帮助知识图谱应对知识表示、获取、评估等方面挑战的。

肖仰华教授：知识图谱与图计算研究分享｜NUC 2022

从18世纪图论的出现到现在，经过多年的沉淀 Graph DBMS 发生了哪些变迁？图数据库未来在技术、产品、产业上又会有哪些发展？

图行业的一些观察：以图数据库为例｜NUC 2022

> 本文整理自 NebulaGraph 创始人兼 CEO 叶小萌在 NUC 2022 上的分享，欢迎关注 NebulaGraph 官网博客专栏查看更多 [资讯](https://www.nebula-graph.com.cn/tags/%E6%96%B0%E9%97%BB%E8%B5%84%E8%AE%AF) · [干货](https://www.nebula-graph.com.cn/tags/%E7%89%B9%E6%80%A7%E8%AE%B2%E8%A7%A3) · [案例](https://www.nebula-graph.com.cn/tags/%E7%94%A8%E6%88%B7%E6%A1%88%E4%BE%8B) 分享。

![NUC2022-图数据库未来发展分享](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/future-of-graph-database/NUC-17.jpg)

欢迎，今天到场的各位嘉宾。

去年的 NUC 大会我大概介绍了一下图数据库的发展历程以及 NebulaGraph 的产品情况，今年大会的主题是 The future of the big data——大数据的未来，所以想花十几分钟时间分享下我这段时间在图数据库未来方向上的一些想法。

# 图数据库现状：增长势头不减，新老行业各有突破

今天报名的观众大多数都是 NebulaGraph 的用户，大家应该差不多都是在这两三年，最多三四年里开始接触和使用图数据库的，其实整个国内基本也是这样一个趋势。国内的投资机构、图数据库新兴企业，基本上也是在过去三四年的时间里，像雨后春笋一样兴起的。

这几年， NebulaGraph 的实名用户增长速度也非常快。这里可以分享个数据——从 2021 年的第一季度到目前，NebulaGraph 整个的实名用户的差不多是 6 倍多的增长。**这不光说明了大家对我们产品的认可，也反映了图数据库市场正在走向成熟**。

![高速增长的图数据库需求](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/future-of-graph-database/01.jpeg)

与此同时，越来越多商业化用户需求在不断冒出来。右边就是我们观察到的，目前图数据库需求比较旺盛的领域。

**从最早的互联网企业的社交图谱应用，发展到推荐、风控等领域。然后就是金融行业，包括银行、证券、期货、保险等企业，我们把电信运营商也包含了在这里面**。这些企业对图数据库的需求也是差不多在过去的 3-4 年逐渐起来的，而且逐渐变得成熟，我们看到图数据库的需求进入正逐渐进入这些企业的业务主链路，应用在比如反欺诈、反洗钱、反骗保、投研分析等等领域。

第三个领域其实非常有意思，是高端制造。从去年开始我们接触很多这个领域的用户，在这里有汽车制造，有高端电子产品制造等等，我们把电力能源部门也归在了这一类里面。这一类企业对图数据库的需求来自于，例如供应链的管理，生产流程管理，产品维修管理，用户管理等等一整套的流程管理，所以说增长速度还是非常快的。

那么大家可能会问，供应链管理这个话题已经比较老了，我记得最早是在上个世纪 90年代出现的，也就差不多 20 多年前出现了，为什么现在又有？其实之前的供应链管理可能比较简单，就是管理供应商——他们提供了哪些批次、哪些原材料，那么这种管理的数据量其实很小。现在随着技术的不断前进，供应链管理的重心开始发生变化，或者说从供应端开始转向了消费端。

举个例子，比如汽车制造，原来只是关心谁提供了轮胎，谁提供了引擎等等这样一些部件，这个数据量其实不多；但如果需要追踪每一辆汽车上、每一个零部件是由哪个厂家提供的呢？大家知道一辆汽车可能有几万甚至十几万零部件，那么大一点的汽车制造厂，一个月就可以生产十几万辆汽车对吧？如果说我们把每一辆汽车上的零部件，乘以一年生产的汽车总数量，如果追踪到这样细的粒度的话，这个数据量就非常惊人了。**所以说我们看到业务的发展，正从原来的供应端开始向消费端在迁移，过程当中数据量暴增，这个时候就产生了对图数据库的一个必然的需求**。

第四个领域是知识图谱。几十年前大家可能已经知道有知识图谱，但原来只支持一跳两跳的关系查询，现在会走得更深。比如做一些复杂的逻辑推理的时候，可能是需要往下走十几步。原来知识图谱的数据可能是存储在传统的关数据库里，但是随着数据量变大以及对关系查询复杂度变高，传统的关系型数据库就搞不定了——在这种情况下，大家对图数据库的依赖就越来越强。

**除此之外，我们还看到了图数据库在新药研发、芯片设计、甚至 Web3 、数字货币、元宇宙等一些新兴领域的应用开始出现**。所以说，为什么我们说未来已来？因为这些技术其实都代表着未来，可能在未来三五年甚至十年出现的技术中，图技术都有它的应用场景。

# 聊聊 NebulaGraph 未来发展的两个重点 

上面大家已经看到，图数据库行业整个的发展非常快，那么在未来的 3-5 年时间里面，哪几样东西对图数据库的影响会比较大呢？我也分享下我的看法。

![关系型数据库查询语言SQL的发展历史](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/future-of-graph-database/02.jpeg)

## 1. 推动图数据库行业标准化

**历史总是重复上演，所以我们不妨先回顾一下关系型数据库的标准查询语言 SQL 的历史**—— 

1970年，Dr. E. F. Codd 博士发表了《A Relational Model of Data for Large Shared Data Banks》这篇论文，原来他们还不叫 Database，因为没有 Database，当时他们称为 “Data Banks”，其实就是现在的数据库。论文里介绍了他们在大型数据库里的一个关系模型，这就奠定了后来关系代数的基础。

基于这篇论文， IBM 开发了一个查询语言 —— 全称叫 Structured English Query Language ，取首字母就是 SEQUEL。到了几年后，大概 在 79 年之前，他们觉得SEQUEL 这个名字太长了，逐渐就把这个名字改成了 SQL，但发音还是一样的。

**这就是我们大家非常熟悉的，而且是目前整个数据业界唯一一个标准查询语言 SQL 的来历**。79 年时，一家叫 Relational Software 的公司推出了第一款基于 SQL 的商业化数据库；但大家知道这个时候 SQL 其实还没有成为行业标准，只是 IBM 推出的一个查询语言而已。而这家名叫 Relational Software 的公司，相信很多人都没有听过，就已经推出了基于 SQL 的数据库。但后来这家公司改了个名——Oracle，这个名字相信在座的各位就都听说过了，对吧，就是后来的甲骨文公司。

关系型数据库 在 80 年代的发展其实还是很慢的，到了 87 年，SQL 被 ANSI（美国国家标准局）接受为一个标准，有的人把它称为 SQL-86，但这只是美国的一个标准，因为 ANSI 是美国的标准化组织；所以后来他们又通过国际标准化组织，就是 ISO，在 87 年时接纳了基于 ANSI 86 的标准，推出了 87 年的 SQL 标准，业界把它称为SQL-87。当然后续它还推出了很多版本，包括 89 年、92 年，到现在最新的，大家比较熟悉的 99 年版本。

**那么，推出查询语言标准的好处是什么**？

第一个，各大院校开始开设数据库这门课程了，因为他们可以用统一的标准来教授 SQL；第二从企业界来看，因为这有这样一个标准，所以很多数据库如雨后春笋一样冒出来，大家都来支持 SQL。

那么刚刚说到的 Relational Software，就是后来的 Oracle，它是其中最大的受益者。因为这个标准的推出使得业界对数据库的接受程度非常快。我们查了几个数据， Oracle是 86 年上市的公司，他们在 90 年的时候，全球总收入是 10 亿美金不到，到了 95 年就已经达到了 30 亿美金，2000 年的时候就已经达到了 100 亿美金，10 年间有差不多10倍的增长，作为一个数据库企业可以说是非常快了，**当然这背后有很多原因，但其中一个很大的原因，我们认为是来自于这个标准**。

![图数据库查询语言的现状](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/future-of-graph-database/03.jpeg)

**再回过头来看一下图数据库的现状**。

现在的图数据库领域是一个比较分散的状态，光 query language 就有很多种，当然其中比较有名的或者说用户量比较大的是 Cypher，这个大家知道是 neo4j 的查询语言。然后还有 PGQL、[以及 NebulaGraph 推出的 nGQL](https://www.nebula-graph.com.cn/posts/sql-vs-ngql-comparison)，我们也列在这里了。其他的还有 gSQL、GraphQL、Gremlin 等等。甚至还有一些图数据库，号称支持某些语言，但其实他们提供只是一个查询的API，用户要自己去调用 API 来取数据去实现一些算法。

**那么所有这些带给用户的是什么？一个是选择成本，另外一个就是迁移成本，从研发的角度来看，各式各样的语言学习成本也非常高，所以造成了图数据库的普及非常难**。

![Graph-Query-Language的现状](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/future-of-graph-database/04.jpeg)

比较幸运的是，几年前，业界或者说国际标准化组织也看到了这样一个问题，所以大概在差不多 3-4 年前，就在我刚刚说的图数据库高速发展这几年，包括 Oracle、Neo4j 在内的一些公司，就组成了这样一个 workgroup，这个组织是在标准化组织ISO-IECJTC1-SC32-WG3 下面的，目的就是希望推出一个图数据库查询语言（Graph-Query-Language，简称 GQL）的标准。

当然整个标准的制定和推进是一个相当漫长的过程，那么到现在的话，基本上这个标准已经接近最终的版本了。具体内容这里就不展开说了，大概就是一个比较完善的查询语言，包括数据定义、数据查询、数据操作等等，**而最关键的是，它跟 SQL 是一个姊妹篇，就是说跟我们刚才介绍的 SQL 有非常好的结合**。这个工作组把 GQL 里面的很重要的一部分 patttern matching，我们说的图的路径的模式匹配这样一部分抽出来，把这部分作为 SQL的一个 extension，就是把它作为SQL的一个扩展包，并制定了一个新的标准，就是对 SQL 的拓展。我们很高兴地看到，这个标准基本上已经被 SQL 的工作组接受了，那么这个东西其实也是 GQL 的核心，从一开始 GQL 和 SQL 之间就是一个紧密结合的关系。

**统一图查询语言 GQL 为什么这么重要**？

可以看到 GQL 是整个数据领域的第二个查询语言标准。数据库大家都知道，经过几十年的发展，数据库的种类已经是非常多了，对吧？数据库的种类少说十、二十种肯定是有的，大家比较熟悉的可能有比如像时序数据库、文档数据库等等，但这些数据库都没有自己的语言，要么就用 SQL，要么有一些自己的、各式各样的一些查询语言，但都没有这样另外制定一个标准——**只有图数据库，现在国际标准化组织认识到了它的重要性，所以要制定这样一个图查询语言的标准**。这个标准可能是在明年年底或者后年年初会正式对外发布，一旦发布之后，它对投资客户就像前面 SQL 在 80 年代后期推出标准一样，会对整个行业带来一个巨大的推动作用。

![NebulaGraph 在制定标准中的参与和推动作用](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/future-of-graph-database/05.jpeg)

 **再讲一下 NebulaGraph 在制定标准中的参与和推动作用**。

我们作为图数据库公司，主要通过这样的两个不同的途径——一是是通过国际化组织，大家都知道的 ISO，它的成员基本都是国家，并不是公司本身，我们在国内主要就是通过 ISO 在国内的代表电子四所，通过他们积极参与到 GQL 的制定当中，是目前的一条路径。

第二条路径的话是通过另外一个组织叫 LDBC，这个大家可能会比较熟悉。LDBC 是12 年左右由 Facebook 的一个实习生做出来的。当时 Facebook 做关系图谱，社交图谱怎么查询、怎么来判断图数据库或图查询效率？这位实习生就想来做一个 Benchmark，后来就变成了 LDBC。现在 LDBC 也是一个很重要的组织，它跟 GQL的工作组有非常紧密的结合联系，而 [NebulaGraph 现在也是 LDBC 的成员之一](https://www.nebula-graph.com.cn/posts/join-in-ldbc)，也会通过我们在 LDBC 里面的影响力去影响这个标准。

## 2. 把握图数据库的主要应用场景

![NebulaGraph在图数据库语言标准中所做的贡献](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/future-of-graph-database/06.jpeg)

除了标准之外，我们再聊一聊图数据库未来的应用场景。

**我认为图数据库更多的应用是在时效性。为什么这么说**？大家可以看到目前图数据库主要的应用场景，从技术角度来区分，可以分成四类。第一类是实时关系探索，第二类是实时的异步计算，就是从实施的业务实时的 query 里面分出来的异步计算的这样一个分支，它不会影响业务的实时性，但是有它在整个数据计算的时效性会比较高。第三个的话就是全图分析，这个就是我们所理解的 AP，就是事后分析。第四个是图算法，这也是图和其他大数据不一样一个地方，因为图上面有很多算法，比如说社群发现、最短路径等等这样一些算法，那么这个算法也是基于全图计算的。

在这四类应用里我们可以看到，前两类比较偏 TP，也就是说我们说的 online service 或者说在线服务；后两类偏 AP 一些，也就是事后分析。

![图数据库的分析计算OLAP能力解决了痒点](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/future-of-graph-database/07.jpeg)

**我认为相对于 TP，事后分析的场景更多是解决用户的痒点，而不是痛点**。

为什么这么说呢？首先在事后计算时，图计算框架不是不可替代的。大家知道图的计算框架有很多，最早的从谷歌的 Pregel 到后来的比如 GraphX，还有很多这样一些离线的图计算框架，它可以做图分析的一些算法，但这个东西并不是不可替代的，我们用传统的大数据系统也可以做同样的事情。

比如说阿里，原来阿里比较有名的一个，基于 MapReduce  的一个大数据计算框架叫ODPS ，在 ODPS 上他们也做了一个图的计算框架对吧？但是它是基于 ODPS 这个 MapReduce 算法来做的，所以说可以看到包括 Graphx，本身其实也不是一个纯粹的图计算的框架，它也是基于下面的基于流式计算 Spark 来做的对吧？

所以可以看到，图计算框架本身所做的所有事情，用传统大数据计算框架也都能做，唯一不同的地方是什么？可能不同的地方在于用传统大数据框架来做的话，效率会慢一点。如在右边那张图显示的，用图的计算框架做的话只要 3 个小时，用传统大数据框架来做，可能要 5、6个小时，那么对用户来说，3 小时和 6 个小时的差别有吗？肯定是有，但其实没有那么大。

![图数据库的OLTP实时更新和探索能力解决了痛点](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/future-of-graph-database/08.jpeg)

**那么回到刚刚说的 AP ，我们认为，图数据库的实时计算能力可以解决在线业务的痛点问题**。大家知道如果是在线的业务中，查询速度如果比较慢的话，它对业务就会产生影响。

举个例子，比如说金融行业的风控，银行转账的风控场景，之前我们的风控都是做事后分析，现在绝大多数的银行或者金融行业用的基于图的分析，是不是有欺诈或洗钱行为基本都是离线分析，所谓离线就是 T+1 去分析今天好像有两笔交易是有欺诈行为的或者有洗钱风险的，**这样做的问题是，当你分析出来有风险的时候，其实这个钱已经出去了，转账已经发生了，对吧？资损已经发生了**。

所以说从业务角度来说，他更希望什么？他更希望看到的是在事中，也就是说当这笔交易发生的时候，就能够进行判断，如果这笔交易有风险，我就要进行拦截，因为这样对业务的好处就是我能直接减少损失。那么要把它做到能实时的、直接拦截的话，对整个的风控数据查询的性能要求就非常高。

因为大家知道，比如说整个的交易链路，如果我们希望用户转一笔钱的时候，他的体验比较好的话，就需要在比较短的时间，比如说半秒钟或者更短的时间内完成这笔交易。当然，整个链路当中要做很多事情，其中可能有一部分是做风控，给了风控比如 100 毫秒，风控系统必须在 100 毫秒内给我一个结果，说有风险还是没风险。当风控评估超时的时候，系统基本上都是认为这个东西是没有风险，就直接过了。这时问题就来了，如果说你超时或者 100 毫秒内做不了判断的话，对整个的业务带来的风险就越高。那么这样也就是说在图数据库里，如果你要去做一些一跳两跳三跳这种查询的时候，你的延时就必须只能在规定时间内完成，完不成就直接影响到风控动作的完成。

所以，能不能很快地完成查询，其实就是解决了业务的一个痛点问题。**当我们效率足够高的时候，就可以赋能业务去做更多的这样一些事情。而当我们能力不强的时候，业务只能依赖于事后分析**。

基于以上这两个的判断，我们也可以聊聊  NebulaGraph 未来两年大致的发展。一方面我们会全面支持 ISO GQL，便于快速实现标准化的对接。另一方面 NebulaGraph 也会持续提升查询性能和并发度。作为一个分布式系统，我们还需要有更强的弹性能力，以便能够支持更大的数据量。当然，我们也不会放弃 AP，因为离线分析跟在线分析一起组成了图这块的闭环，所以我们也会去集成更强的计算框架以及图学习框架，打造一站式的图解决方案，**敬请各位期待**。 

那么，以上就是我今天要跟大家分享的内容，谢谢大家。

 
 NUC 2022 往期精彩内容回顾：

- [NebulaGraph 图数据库用户大会圆满结束，精彩不落幕…](https://www.nebula-graph.com.cn/posts/nebula-graph-user-conference)

- NUC 2022｜干货内容分享：官网 [博客](https://www.nebula-graph.com.cn/tags/NUC2022)

-  NUC 2022｜嘉宾现场视频：B站 [专栏](https://space.bilibili.com/472621355/channel/seriesdetail?sid=2721519)


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

![关注公众号](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/640.png)



随着图数据库在新老行业的应用不断兴起以及国际标准化组织 ISO 发起的图查询语言GQL标准化发布在即，国产分布式图数据库 NebulaGraph 未来之路将怎么走。

聊一聊图数据库应用的现状和 NebulaGraph 未来发展｜NUC 2022

![NUC2022-图数据库用户大会](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/image9.png)

上周，由开源分布式图数据库 NebulaGraph 主办的 2022 年度用户大会（NebulaGraph User Conference，以下简称 “NUC”） 在杭州顺利举办。本次大会以 “Graph · The Future of Big Data” 为主题，来自纽约大学、复旦大学、浙江大学的专家学者以及中国移动、五矿期货、阿里云、同盾科技、Sensoro、Graph XR 等知名企业的用户与生态伙伴逐一亮相，**从学术发展和企业实践等多个角度发表了精彩的分享，共绘图技术未来蓝图**。

# 图技术发展及未来趋势

作为近十年发展最为迅猛的数据库类型，图数据库一直是大数据行业内最受关注的技术类型之一，从 2021 年第一季度到刚刚结束的 2022 年第三季度，NebulaGraph 的实名用户数实现了 6 倍多的增长，说明了图数据库市场正逐渐走向成熟。

**NebulaGraph 创始人兼 CEO 叶小萌表示，未来 3-5 年间，图语言标准的制定将是推动行业发展的重要事件**。 NebulaGraph 通过加入 LDBC（关联数据基准委员会），参与其 Benchmark、GQL community 等一系列工作努力推动这一重要的历史进程，并将在未来全面支持 ISO GQL 标准。**产品能力方面，NebulaGraph 将持续提升查询性能和并发度，进一步增强系统的弹性能力，同时将努力支持更大规模的数据量级，通过集成图计算框架和图学习框架，打造一站式图解决方案**。

![NebulaGraph 创始人兼CEO叶小萌的分享](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/image10.png)

**来自复旦大学计算机科学技术学院的肖仰华教授分享了知识图谱与图计算研究的最新成果**，介绍了图计算如何通过知识表示、知识获取、知识管理三个方面对知识图谱的发展发挥重要的支撑作用。目前，大规模图神经网络（GNN）对于巨图的分布式计算提出了新的挑战，而图数据库与知识图谱等技术的结合，将进一步释放关联数据的能量，提升数据产业发展的能级。

![复旦大学计算机学院_肖仰华教授_GNN对图Graph提出新的挑战](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/image12.png)

**来自亚马逊 AWS 开源图神经网络框架 DGL 团队的负责人， 资深 AI 应用科学家王敏捷博士在 NUC 现场解读了开源图深度学习框架的机遇与挑战**，分享了 DGL 作为全球领先的开源图神经网络系统的技术特点。图神经网络（GNN）系统仍然面临着诸如易用性、高性能和大规模图方面的挑战，而图数据库与深度学习框架的结合将是未来值得尝试的一个新方向。

![亚马逊AWS图神经网络框架DGL负责人_王敏捷博士_图机器学习框架](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/image14.png)

**NebulaGraph 的 PMC 吴敏博士在大会上介绍了图行业发展及标准**。图数据库的发展可以大致分为三个阶段：1960-1980s-数据模型与数据系统的定义阶段，2010s-图数据库与图计算系统相互促进阶段，2018 至今-图 + AI 的快速兴起阶段。根据 Gartner 的预测，未来 3-5 年图技术领域将进入成熟期，而来自中美两大市场的图数据库产品也将在不同的发展阶段呈现出新的发展趋势。

![NebulaGraph_吴敏博士_图行业发展标准](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/image3.png)

**NebulaGraph 开源技术社区的负责人田忠博士为观众带来了图数据库查询语言国际标准 GQL 的最新进展**。目前，包括中国在内的 10 个国家成员体专家参与了 GQL 的研发，预计在 2023 年 4 月 ISO/IEC JTC1 将启动 GQL 标准最终稿的投票，并将在 2024 年正式形成统一的国际标准。

# 最佳用户实践

**作为近期刚刚落地 NebulaGraph 知识图谱解决方案的企业代表，五矿期货有限公司副总经理张剑锋带来了 [期货行业在图数据库应用领域的实践探索](https://www.nebula-graph.com.cn/posts/graphdatabase-application-of-financial-investment) 分享。目前，五矿期货已经初步建立了知识图谱的本体模型，在与普适智能联合打造的知识图谱解决方案中将 NebulaGraph 作为图技术底座使用在辅助投研、金融事件分析、风控合规、客户洞察等场景中，并计划在未来继续探索图技术在智能运维（AIOps）、网络安全等更多的业务领域的应用。

![NebulaGraph用户_五矿集团_期货行业在图数据库的应用实践探索](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/image1.png)

**另一位最佳实践专场的知名企业用户，中国移动算法工程师汪海涛也在现场分享了 NebulaGraph 图数据库在中国移动金融风控领域的应用**。对于拥有海量数据的国内三大运营商之一，一套高性能的图数据库和图计算框架对中国移动的业务推动至关重要，而选择 NebulaGraph 正是出于产品性能以及国产化支持性的考虑。目前，中国移动已基于 NebulaGraph 建立了​​关联风险打分模型和风险号码“染灰”算法，对贷款申请人欺诈风险预测效果显著，并计划在未来将图数据库应用在数据血缘治理和图神经网络集群训练中。

![NebulaGraph用户_中国移动_反欺诈算法分享](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/image4.png)

# 生态伙伴展示

为了推动图数据技术在产业链上下游企业的快速落地，NebulaGraph 于 [今年发起了同路人计划](https://www.nebula-graph.com.cn/posts/new-anchievements-gotten-by-partner-program)，本次 NUC 大会也邀请了来自多个行业的生态伙伴前来分享。

**在[长沙银行图计算平台项](https://www.nebula-graph.com.cn/posts/nebulagraph-won-changsha-bank-bid)目中与 NebulaGraph 深入合作的生态伙伴，同盾科技的技术负责人何免在 NUC 现场介绍了最新方案的介绍以及与  NebulaGraph 深度集成的合作优势**。同盾基于图技术底座搭建的知识图谱平台，定位于全栈式整体解决方案，通过 AI +隐私计算双轮驱动，提供场景化决策智能服务，目前已在银行、零售信贷、信用卡风控、内控合规、车险理赔反欺诈等领域形成了专业的应用级解决方案，并在银行、保险、政府、公安、企业、互联网等多领域多场景有丰富落地经验。

![ NebulaGraph同路人_同盾科技_知识图谱平台应用](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/image13.png)

**作为与 NebulaGraph 展开深度合作的云服务伙伴，国内头部云厂商代表——阿里云计算巢的技术负责人巴梨现场带来了 NebulaGraph 图数据库在阿里云计算巢上的部署实践介绍，从用户视角演示了如何通过阿里云的基础设施高效构建 NebulaGraph 云上图数据库服务**。基于阿里云计算巢的 NebulaGraph Cloud 具有企业级安全、弹性灵活、高可用和操作简易等特征，可以助力企业在云端轻松部署和使用图数据库集群。

![NebulaGraph同路人_阿里云_如何Cloud部署图数据库产品](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/image2.png)

**依托于自主研发的芯片、模组、传感器、通信基站，致力于打造城市级解决方案的物联网服务提供商 Sensoro 的产品副总裁付刘伟分享了图分析在城市治理场景中的应用与落地**，通过场景演示深入浅出地讲述了物联网是如何与图技术结合实现城市综合风险评估，以前所未有的速度、体验、效率、成本迅速协助城市解决多项极端挑战和城市治理问题的。

![NebulaGraph同路人_Sensoro_抗灾预警_物联网芯片服务商](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/image5.png)

![NebulaGraph同路人_Sensoro_城市芯片传感器与数据网络](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/image15.png)

**最后，图数据可视化产品 Graph XR 的资深可视化方案工程师李选贤为我们带来了基于 NebulaGraph 与 Graph XR 的 IT 系统可视化监管与运维方案**，现场展示了生动吸睛的 3D 化建模实战和可视化图分析操作，丰富的界面展示也为观众打开了图应用全新的想象空间。

![基于NebulaGraph与GraphXR的IT系统可视化监管与运维方案](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/image7.png)

# 硬核技术分享

作为一款自主研发、安全高效的分布式图数据库产品， NebulaGraph 一向注重产品能力打造和底层技术的提升，本次 NUC 的技术实践专场也是干货满满。

**NebulaGraph 的产品总监方扬介绍了最新的产品大图和发展现状，现场分享了图数据领域实时化、平台化、多样性、全民化发展的趋势以及相应的产品规划**。作为拥有国内最大的图技术生态和开源图技术社区的公司，NebulaGraph 将持续发挥社区、伙伴、产品三边形成的飞轮效应，致力于打造世界领先的图技术公司，为更多用户提供稳定高效的互联网基础技术服务。

![NebulaGraph图数据库产品发展规划](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/image8.jpg)

来自 NebulaGraph 图数据核心研发团队的工程师和产品专家也陆续分享了在**内存优化、稳定性、分布式事务方面的最佳实践以及技术思考，并现场回答了用户关注的多个问题**，帮助社区开发者、关注者、企业用户等对相关技术和功能建立深度了解。

![NebulaGraph底层存储优化](https://www-cdn.nebula-graph.com.cn/nebula-website-5.0/images/blogs/NUC2022/overview/image11.png)

本次“Graph · The Future of Big Data” 是 NebulaGraph 举办的第二届年度用户大会。在过去的几年中，图数据库的用户正从大家已有广泛认知的互联网、金融等逐渐向运营商、高端制造等行业发展，甚至新药研发、芯片制造、Web3、元宇宙等热门新兴领域也可以看到图数据技术的身影，越来越多的用户和企业伙伴正在加入 NebulaGraph 同行者的队伍，共同走向数字化时代大数据产业链的未来。

**本次的 NebulaGraph 年度用户大会虽然已经告一段落，但精彩的分享不会止步于此**。后续，我们将通过官方账号陆续分享本次 NUC 嘉宾分享的内容集锦，欢迎关注 NebulaGraph 的[官网](https://www.nebula-graph.com.cn/posts)、公众号和 [B 站](https://space.bilibili.com/472621355)，第一时间掌握来自 NebulaGraph 图技术世界的新鲜资讯和实践案例～


**现场分享内容将在以下渠道持续更新，点赞👍收藏➕不迷路**——

* NUC 2022｜干货内容分享：官网 [博客](https://www.nebula-graph.com.cn/tags/NUC2022)

* NUC 2022｜嘉宾现场视频：B站 [专栏](https://space.bilibili.com/472621355/channel/seriesdetail?sid=2721519)





开源分布式图数据库 NebulaGraph 主办的 2022 年度用户大会顺利落下帷幕，来自纽约大学、复旦大学、浙江大学的专家学者以及中国移动、五矿期货、阿里云、同盾科技、Sensoro、Graph XR 等知名企业的用户与生态伙伴逐一亮相，共同探讨图数据技术的未来。