DSE Graphとリレーショナル・データベースの比較

格納

リレーショナル・データベースとDSE Graphの両方とも、データをテーブルに格納します。リレーショナル データベースでは、データを取得するためにキーが定義され、リレーションシップを共有するテーブルをリンクするために外部キーが必要です。データは正規化されます。つまり、データは重複が生じないように格納されます。複雑なクエリーを作成するには、複数のテーブルにアクセスして、データを結合および取得する必要があります。

DSE GraphではデータをDSEデータベース・テーブルに格納し、データ間のリレーションシップがモデルに埋め込まれます。グラフ・データベース内のデータ格納は、組み込みのデータ・リレーションシップを持つ事前に結合されたリレーショナル・データベースと比較できるため、外部キーは不要です。データはグラフを探索して取得されるため、時間がかかりエラーが発生しやすいJOIN操作は不要です。

ストリーミング

グラフ・データベースの追加の利点は、データベースの分散をスケーリングする機能があることです。グラフ・データベース・クエリーでは、特定の頂点から開始し、クエリー要件に基づいてグラフをフィルタリングします。一般に、取得にはグラフ全体のサブセットのフィルタリングが伴うため、グラフを分割することができます。クエリーは、DataStax Enterprise（DSE）クラスター内の単一または少数のノードで動作する、探索のいくつかのステップでは並行して実行できます。相互接続されたテーブルのため、クエリーを成功させるには、リレーショナル・データベース内の多数のテーブルにアクセスする必要があります。データの結合にはコストがかかるため、リレーショナル・データベースのスケール・アウトと分散が困難になります。

インデックス作成

グラフ・データベースとリレーショナル・データベースとの間のインデックス作成手法は大きく異なるため、パフォーマンスに著しく影響する可能性があります。XBox Oneを購入したすべての購入者を検索するクエリーを考えてみましょう。リレーショナル・データベースでは、そのクエリーに答えるために、3つのテーブルにアクセスします。

• 購入者テーブルの各購入者
• アイテム・テーブルでクエリーされているアイテム
• JOIN操作で作成された、購入者-アイテム・テーブルの購入者とアイテム

対照的に、グラフ・データベースでは、必要となるアイテムのインデックス検索は1つだけで、次にグラフを各購入者の頂点に移動してクエリーを完了します。

グラフ・データベース・クエリーは、ほぼ一定時間で実行されます。リレーショナル・データベース・クエリーは、バランスしたツリー（B-tree）インデックスが想定されている場合、O（log N）時間で実行されます。ここでNは、参照する必要のある各外部キーに対するテーブル内のレコード数です。1層クエリーであっても、これはパフォーマンスに大きな違いをもたらします。クエリーがより深くネストされると、パフォーマンスのギャップはさらに大きくなります。

DSE Graphでの複雑なクエリーの記述は、SQLを使用するリレーショナル・データベースよりもはるかに簡単です。製品に関する推奨エンジンに必要なクエリーを考えてみましょう。左側のSQLクエリーは、右側のGremlinクエリーよりもはるかに複雑です。

SQLに精通している開発者は多いのですが、この例は、複雑なクエリーを記述することが、専門家にとっても困難であることを示しています。対照的に、Gremlinのクエリーは左から右に直観的に読み込むことができ、各ステップは前のステップから引き継がれます。