我们看到企业中图形数据库的使用更加复杂，例如欺诈检测

图形数据库与标准关系数据库的不同之处在于，它不是将数据存储在表中，而是通过外键链接数据，数据存储在各个节点中，这些节点通过指定的关系进行连接。一个节点可能拥有一个产品名称，而另一个节点可能拥有一个供应商名称，它们之间的关系指定了供应商提供该产品。

广为人知的是图形计算，即使不是图形数据库

它们都通过在不同的人之间建立联系而生成许多潜在有用的信息，传统的关系数据库在生成有关实体之间关系的信息方面相当不利。每个关系查询都至少需要一个联接函数，这会迅速降低性能，因此请考虑需要进行的涉及理解不同实体之间关系的任何计算，那就是图数据库的权限，以检测欺诈性使用信用卡为例。欺诈检测依赖于一种称为链接分析的技术，该技术检查谁在信用卡上收取商品，以及这些交易在何处进行，并将其与信用卡持有人的历史记录进行比较，理想情况下，欺诈检测应该实时进行，因此作弊者不会从中获得太多金钱。

除了日常的IT专业知识外，不需要任何其他东西

并且可以轻松地与现有IT基础架构集成并确保易于迁移，可以进行批处理，但更侧重于流式处理。尽管他承认合并两个项目可能很有意义，但他没有看到这种情况的发生，主要是因为它们的根源不同，它已经硬化了一些，一种流架构，但不是有状态的，并且缺乏处理语义和效率的能力，建立在批处理架构上，不能处理低延迟的用例。用户还必须编写用于状态管理的额外代码。

我们拥有其他项目无法提供的分区方案

例如构建可以进行冗余处理的并行管道，然后如果发生故障，它们可以独立重置，而无需重置类型，用户还可以在运行时进行更改，而无需关闭应用程序，易用性是我们从一开始就关注的问题，不仅在构建应用程序方面，而且在投入生产时都花了很多心思，使开发人员能够编写或重复使用通用Java代码来表达任何业务逻辑，从而简化了部署，从而程度地减少了编写大数据应用程序所需的专业知识。

基于Java是一件好事，因为那里有大量的人才库

当它运行时，它只是在处理数据，没有调度，没有中断，只是执行计算，只有改变的时候，如果发生故障，就会恢复，我们将获得替换资源并恢复状态。用户还可以编写代码，以使用指标在运行时更改分区，例如，当延迟变得太高或您想要添加资源或减少资源时，社区计划增加对（反）亲和功能的支持，在这里您可以说，这些东西不能在同一台机器上运行，或者它们必须在同一台机器上运行，计划添加迭代处理，您可以在其中将计算结果作为输入返回，并在处理图中进行循环。

由于需求不足，我们还没有做到这一点，但是人们已经开始要求它了。