NebulaGraph简介NebulaGraph是一款开源的分布式图数据库，专为处理大规模图数据而设计。它可以支持数十亿个顶点（节点）和数万亿条边（关系）的存储与查询，适用于需要处理复杂关系数据的应用场景，如社交网络分析、推荐系统、知识图谱、金融风控等。图数据相关分享请看 大数据之图数

一.环境原IP目标IP迁移的服务备注192.168.11.20192.168.11.23nebula-metadnebula-graphdnebula-storaged服务部署目录/opt/nebulagraph数据存储目录/data/nebula192.168.11.21192.168.11.24192.168.11.22192.168.11.25二.迁移前的准备操作系统

 目录一、简介(一)什么是图数据库二、安装(一)原生安装(二)Docker&Dockercompose1.Docker安装LinuxWindow2.部署NebulaGraph(三)toMAC三、NebulaGraphStudio(一)版本兼容性(二)原生安装(三)Dockercompose(四)连接NebulaGraph相关文档官

在去年的年度人物回顾中，我们看到了形形色色的人们，他们当中有帮NebulaGraph捉bug的小能手，也有通过用回复来解答他人疑惑的启蒙者…在今年（2023年），我们这个整点不一样的，将镜头推进，看清他们的姓氏和脸庞，聚焦在每位NebulaGrpah技术社区作出贡献的小伙伴。每年的人物盘点，像是翻

在之前的产品篇，我们了解到了NebulaGraph内核及周边工具在2023年经历了什么样的变化。伴随着这些特性的变更和上线，在【文章】博客分类中，一篇篇的博文记录下了这些功能背后的设计思考和研发实践。当中，既有对内存管理MemoryTracker的原理讲解，也有对NebulaGraph的安装选择指

一年又过去了，感谢你和NebulaGraph一起又走过一个春夏秋冬。在这365天里，我们一起见证了214个commit带来的NebulaGraph3个中版本的上线，它们分别是v3.4.0、v3.5.0和v3.6.0；除了内核经历了3个中版本的迭代之外，NebulaGraph在2023年也迎来一大波新周边工具，以及已有

近来NebulaGraph社区在LLM+Graph和GraphRAG领域进行了深入的探索和分享。在LlamaIndex和LangChain中，NebulaGraph引入了一系列知识图谱和图存储工具，支持编排、图谱与大模型间的交互。之前，NebulaGraph布道师古思为作为这项工作的主要贡献者已向大家详细介绍了如何构

近来NebulaGraph社区在LLM+Graph和GraphRAG领域进行了深入的探索和分享。在LlamaIndex和LangChain中，NebulaGraph引入了一系列知识图谱和图存储工具，支持编排、图谱与大模型间的交互。之前，NebulaGraph布道师古思为作为这项工作的主要贡献者已向大家详细介绍了如何构

本文整理自NebulaGraph核心开发Yee在直播《聊聊执行计划这件事》中的主题分享。分享视频参见B站：https://www.bilibili.com/video/BV1Cu4y1h7gn/一条Query的一生在开始正式地解读执行计划之前，我们先来了解在NebulaGraph中，一条查询语句（Query）是如何被校验、生成语法树，到

自LLM系列文章《知识图谱驱动的大语言模型LlamaIndex》、《Text2Cypher：大语言模型驱动的图查询生成》、《GraphRAG:知识图谱结合LLM的检索增强》陆续和大家见面，以及《夜谈LLM》主题直播同大家交流一番LLM和知识图谱、图数据库之后，在上周NebulaGraph的研发人员做客开

  在官方例子中给出了通过chain=NebulaGraphQAChain.from_llm(ChatOpenAI(temperature=0),graph=graph,verbose=True)来检索NebulaGraph图数据库。本文介绍了通过GPT2替换ChatOpenAI的思路和实现，暂时不考虑效果。之所以没用ChatGLM2是因为加载模型太慢，调试不方便，不过将GPT2

话接上文《图技术在LLM下的应用：知识图谱驱动的大语言模型LlamaIndex》同大家简单介绍过LLM和图、知识图谱相关的结合，现在我来和大家分享下最新的成果。毕竟，从GPT-3开始展现出超出预期的“理解能力“开始，我一直在做Graph+LLM技术组合、互补的研究、探索和分享，截止到现

话接上文《图技术在LLM下的应用：知识图谱驱动的大语言模型LlamaIndex》同大家简单介绍过LLM和图、知识图谱相关的结合，现在我来和大家分享下最新的成果。毕竟，从GPT-3开始展现出超出预期的“理解能力“开始，我一直在做Graph+LLM技术组合、互补的研究、探索和分享，截止到

大家好，我是来自BOSS直聘的赵俊南，主要负责安全方面的图存储相关工作。作为一个从v1.x用到v3.x版本的忠实用户，在见证NebulaGraph发展的同时，也和它一起成长。BOSS直聘和NebulaGraph关于NebulaGraph在BOSS直聘的应用场景，大家可以看看之前文洲老师的文章（图数据库NebulaGr

“本文由社区用户@阿七从第一视角讲述其团队重构图数据库的过程，首发于阿七公众号「浅谈架构」”原文出处：https://mp.weixin.qq.com/s/WIJNq-nuuAGtMjYo5rPLyg一、写在前面读过我公众号文章的同学都知道，我做过很多次重构，可以说是“重构钉子户”，但是这次，重构图数据库OrientDB

本文整理自NebulaGraphPD方扬在「NebulaGraphxKubeBlocks」meetup上的演讲，主要包括以下内容：NebulaGraph3.x发展历程NebulaGraph最佳实践建模篇导入篇查询篇NebulaGraph3.x的发展历程NebulaGraph自2019年5月开源发布第一个alpha版本以来，陆陆续续发

本文整理自NebulaGraph布道师wey在「夜谈LLM」主题分享上的演讲，主要包括以下内容：背景LLMRAGGraph知识抽取Text2CypherGraphRAG未来规划技术背景LLM是什么这里简单、快速地介绍下大语言模型：从GPT-2开始，到后来流行的GPT-3，人们逐渐意识到语言模型达到一定

在之前的《手把手教你用NebulaGraphAI全家桶跑图算法》中，除了介绍了ngai这个小工具之外，还提到了一件事有了JupyterNotebook插件:https://github.com/wey-gu/ipython-ngql，可以更便捷地操作NebulaGraph。本文就手把手教你咋在JupyterNotebook中，愉快地玩图数据库。只

在之前的《手把手教你用NebulaGraphAI全家桶跑图算法》中，除了介绍了ngai这个小工具之外，还提到了一件事有了JupyterNotebook插件:https://github.com/wey-gu/ipython-ngql，可以更便捷地操作NebulaGraph。本文就手把手教你咋在JupyterNotebook中，愉快地玩图数据库。只

本文由社区用户Albert贡献，首发于NebulaGraph论坛，旨在提供多一种的部署方式使用NebulaGraph。在本文，我将会详细地记录下我用K8s部署分布式图数据库NebulaGraph的过程。下面是本次实践的内容规划：一到十章节为K8s集群搭建过程；十一到十五章节为参考NebulaGraph官

像是NebulaGraph这类基础设施上云，通用的方法一般是将线下物理机替换成云端的虚拟资源，依托各大云服务厂商实现“服务上云”。但还有一种选择，就是依托云数据基础设施，将数据库产品变成为云生态的一环，不只是提供自身的数据云服务，还能同其他的数据库一起分析挖掘业务数据价值。在本

前段时间NebulaGraph3.5.0发布，@whitewum吴老师建议我把前段时间NebulaGraph社区里开启的新项目ng_ai公开给大家。所以，就有了这个系列文章，本文是该系列的开篇之作。ng_ai是什么ng_ai的全名是：NebulagraphAISuite，顾名思义，它是在NebulaGraph之上跑算法的Python套

人之初，性本鸽。大家好，我叫储惠龙（实名上网），你可以叫我小龙人，00后一枚。目前从事后端开发工作。今天给大家带来一个简单的为NebulaGraph提供GraphQL查询支持的DEMO，为什么是简单的，因为本来想完成更多工作再给大家介绍的，但是上个月太忙加上下个月更忙，但是我又很想白嫖一下Neb

数据库的内存管理是数据库内核设计中的重要模块，内存的可度量、可管控是数据库稳定性的重要保障。同样的，内存管理对图数据库NebulaGraph也至关重要。图数据库的多度关联查询特性，往往使图数据库执行层对内存的需求量巨大。本文主要介绍NebulaGraphv3.4版本中引入的新特性Mem

1前言图数据结构，能够很自然地表征现实世界。比如用户、门店、骑手这些实体可以用图中的点来表示，用户到门店的消费行为、骑手给用户的送餐行为可以用图中的边来表示。使用图的方式对场景建模，便于描述复杂关系。在美团，也有比较多的图数据存储及多跳查询需求，概括起来主要包括以下4