若說2018年9月在杭州召開的云棲大會期間，活躍著多少匹“黑馬”，連同參展的、演講的、參觀的……各色人等一時很難統計出來，但是，不起眼的TigerGraph，一定會是其中最有亮點、最有故事的黑馬之一。

這家成立2012年，在大數據圖分析領域默默耕耘了6年的公司，一直低調從事市場調研和產品研發迭代。

直到2017年11月8日，TigerGraph的下一代圖數據庫在美國正式發布，在市場上引起了軒然大波后才為眾人所知。這家總部位于硅谷的公司憑借成熟的技術，贏得了啟明創投、百度、螞蟻金融、華創資本、AME云創投、莫拉多風險投資公司、佐德?納齊姆、丹華資本和DCVC風投基金公司3100萬美元A輪資金投資。

從大數據中掘金

有統計報告顯示，1分鐘之內，美國數億封郵件被發送，谷歌平臺上發起400萬次搜索，Facebook上有246萬條信息被分享……在中國，類似的數據量更大。例如，在中國約有7000多萬家注冊企業，由于數據量比較大，要想理清這些公司之間的關系，如企業的持股人、投資關系、訴訟關系至辦公地址等類似的關系，是一件很困難的事情；通過檢索可以查出一度內有關系的人，也就是控股人控股關系，再深入到兩層、三層的關系就不太現實了。

萬物互聯的時代，社交網絡實時在線，物聯網7*24小時運行，每天大量的數據還在持續不斷的生成。在這樣的情況下，該如何挖掘數據的價值，數據關聯背后隱藏著什么關系？

TigerGraph公司的創始人許昱博士從事數據庫和并行系統研發已經二十年，創辦TigerGraph之前在Teradata負責大數據面向業界和未來五年的方向研究，領導Teradata和Big Data、Hadoop系統的集成，并且與一些大企業合作解決報表的查詢與合并技術。稍早在Twitter工作，作為一個社交網絡，圖的分析對于Twitter意義重大，Twitter自行開發了一套單機版的純內存的系統。再早則是在加州大學圣地亞哥分校、在中科院計算所從事數據庫方面的研發工作。

可以說，許昱博士是個“不折不扣”的數據庫專家，在他的周圍聚集的也是來自硅谷等地高科技公司的數據庫專家。

為什么會從事圖數據庫研究？

發掘大數據關聯和關聯后面隱藏的商業價值，是一個技術難題，但是它的解決無疑具有極大的商業價值。如何解決？

始于Hadoop技術的大數據時代迄今已經過去了十年，一些簡單的技術問題如存儲、離線處理等問題都得到了解決。十五年前，業界也開始了一些圖數據庫的嘗試。許昱博士指出，圖是以數學上點和邊的關系把所有的數據自然存在一起，成為自然的存儲數據關聯模型。TigerGraph之所以采用知識圖譜(歐拉圖)，是因為圖是解決大數據互聯最好的方法。

從計算角度，歐拉圖更合適大數據的機器學習、人工智能。但由于每前進一步，接觸數據量指數性增長，又能帶來更多關聯信息，所以計算能力至關重要，而技術上的限制，比如缺乏大數據、并行技術、多核計算機等的能力，所以在TigerGraph之前一些圖計算的工具計算能力很差。

雖然歐拉圖理論已經問世有兩百多年，也是最合適的存儲和計算互聯數據的模型，但現在仍然沒有企業中得到最廣泛的使用。一方面，圖數據庫是較為高級的研究方向，從高深的理論到真正商業化，大規模應用還是很有難度分不開；另一方面，關系數據庫一直以來都是最大的市場，這也是制約圖數據庫發展的另外一個原因。同樣的道理，雖然關系型數據庫時下正大行其道，但在剛開始的前十年，甲骨文的產品和市場都是經過了漫長的迭代。

許昱博士總結了圖數據庫和傳統關系型數據庫的三大區別。

一是存儲模型不一樣，關系型數據庫數學模型是表格，一個最簡單例子，一個人有一個身份證號、一個住址表、一個工資表、一個上學記錄表等存在幾個不同的表里，但是物理上、邏輯上都分開了，想知道這個人住在哪個地方，讀過哪所學校，要把表合起來，根據值一個個去拼才能找出來。而圖里，身份證號碼是唯一節點，學校也是唯一節點，馬上與全校學生聯系起來了。另外，圖數據庫的壓縮率是關系型數據庫的2倍至10倍，雖然儲存的變化不算太重要，但是計算、內存和對緩存的利用度就不一樣，存儲模型不一樣。