dgraph
原生 GraphQL 图数据库，水平扩展+ACID 事务，毫秒级多跳查询
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
原生 GraphQL 图数据库，水平扩展+ACID 事务，毫秒级多跳查询
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
图1：Dgraph 项目 Logo
想象一下：一个拥有 5 亿用户的社交平台，数据分析师想要查询「住在上海、年龄在 25-30 岁之间、同时关注了至少 3 个科技博主的用户」，传统关系型数据库此时需要连续 JOIN 多张表，查询时间随数据量指数级增长；而在知识图谱场景中，这种「多层关系遍历」几乎是家常便饭。Dgraph 正是为这类场景而生的。
作为一个横跨十年的开源图数据库项目，Dgraph 由前 Google 工程师 Manish Rai Jain 于 2015 年创立，其核心理念是「让图查询像 GraphQL 一样简单，让性能像 Google 一样强大」。截至目前，该项目已获得超过 21,000 个 GitHub Stars，被众多 Fortune 500 强企业在生产环境中采用，包括一些需要实时处理海量关联数据的核心业务系统。
可以把传统关系型数据库想象成一张密密麻麻的地图，每次查询就像在乡间小路上步行——你需要依次经过多个「路口」（JOIN 操作）才能到达目的地，路程（查询时间）随着路口数量增长而急剧增加。
Dgraph 则相当于在这张地图上修建了一条专用高速公路，数据在磁盘上就按图结构排列，查询「三层关系以内的所有节点」无需绕路，直接高速直达。对于知识图谱、推荐引擎、反欺诈检测这类需要频繁遍历关系的场景，这个差异意味着查询速度可能相差数十甚至数百倍。
Dgraph 最具标志性的特性是其原生 GraphQL 支持——它不仅仅是「支持 GraphQL 语法」，而是从底层存储开始就是为 GraphQL 设计的图数据库。用户可以直接用 GraphQL 语法进行增删改查，Dgraph 会自动生成优化的执行计划，开发者无需关心底层 JOIN 细节。
在架构层面，Dgraph 采用 Badger 作为 LSM-Tree 存储引擎（v2.x 版本），底层基于 Raft 共识协议实现强一致性复制。集群中分为两种角色：Dgraph Zero 负责元数据管理和集群协调，Dgraph Alpha 负责实际的数据存储和查询处理。数据通过 Paxos 风格的共识算法自动分片（sharding），新增节点时无需手动迁移数据，系统会自动 rebalance。
支持的查询协议包括：
v25 版本（最新 release：v25.3.4，发布于 2026 年 5 月）带来了大量性能优化和稳定性改进，官方明确标注为生产就绪（production-ready）。
对于大多数用户而言，Docker 是最推荐的部署方式。Dgraph 官方维护 Docker Hub 镜像，支持一条命令拉起 standalone 单节点实例：
docker run -it -p 8080:8080 -p 9080:9080 -v ~/dgraph:/dgraph dgraph/standalone:latest
生产环境需要部署 Zero + Alpha 集群模式，官方提供了 compose 目录下的集群配置，通过 Docker Compose 可一键启动完整集群。Web UI 方面，Dgraph 提供独立的 Ratel 项目作为图形化管理界面，支持数据可视化、集群状态监控和查询调试。Ratel 同样提供 Docker 镜像，部署十分便捷。
如果需要从源码编译，需要安装 Go 1.24+ 环境，执行 make setup 和 make install 即可完成编译安装。Dgraph 主要由 Go 语言开发（约 700 万行代码），项目结构清晰，核心代码位于 dgraph/ 子目录，存储逻辑在 badger/ 中，Raft 共识实现在 worker/ 和 pki/ 相关模块。
尽管 Dgraph 功能强大，但它并非万能药。其最显著的局限在于完全放弃了对 macOS 和 Windows 的官方支持（2021 年起生效），仅支持 Linux/amd64 和 Linux/arm64 架构。这对于习惯在 Mac 上做开发的工程师来说是一个不小的心智负担，必须通过 Docker 或虚拟机来运行。
其次，Dgraph 的图查询语言仍在演进中。与 Neo4j 成熟的 Cypher 生态相比，Dgraph 的 DQL 虽然更加统一和简洁，但在某些复杂查询场景下的表达能力仍有差距，生态工具链（可视化IDE、OR Mapper 等）的丰富程度也不及 Neo4j。
另外值得注意的是，Dgraph 背后的公司（istaridigital）曾在 2020 年经历融资困难和裁员风波，一度引发社区对项目存续的担忧。尽管项目目前仍在活跃维护（最新 commit 就在前几天），但企业用户在评估时需要将供应商稳定性纳入考量。
在知识图谱和 AI 应用爆发的背景下，图数据库正从边缘走向主流。随着大模型（LLM）需要越来越多的结构化知识支撑（如 RAG 知识库、实体链接等），图数据库作为存储和查询复杂关系的首选基础设施，重要性持续上升。Dgraph 的原生 GraphQL 特性在这一波 AI 应用开发浪潮中具有独特的优势——GraphQL 本身已是前后端通信的事实标准，Dgraph 可以直接作为 AI 应用的「知识存储层」，减少额外的 API 转换层。
从 Star 增长曲线来看，Dgraph 长期稳定在 21,000+ 量级，增长趋于平缓但没有明显衰退，属于「成熟稳定型」开源项目。对于需要图数据库能力的企业级应用，Dgraph 仍是一个值得认真考虑的选择，其水平扩展能力和一致性保证在同类型开源图数据库中具有明显优势。
项目速览