我没有想法，希望能得到一些有用的意见。我正在使用这个问题来压缩我的经验并分享它们，希望能激励一些分销商将图形数据库建模作为一流的问题/方式进行下一步。
几个星期以来，我一直在验证 node.js 可以使用的一些图形数据库解决方案。我的用例是保存不同社交用户网络帐户的交互。需要以最有效的方式使用 CPU 和内存。
我最重要的要求是：
- in_memory （至少用于索引）
- 开源（免费使用）
- 与一等公民相同的JavaScript/Node.js性能
- 舒适的查询和建模语言
Neo4J
我真的很喜欢cypher，所以我最好的选择是 Neo4j。但是关于 Neo4j 的主要问题是 JavaScript 访问是非本地的。它使用比直接 Java 访问慢十倍 (10x)的 REST-API。所以我看了一下node-neo4j-embedded，但它已经两年多没有活动了。看起来它的作者根本不活跃（坏迹象）。
ArangoDB
ArangoDB 的真正优秀的核心开发人员回答了我关于内部的问题。最后，这意味着JavaScript是一等公民，因为原生查询可以从 JS 中推出。看看开源基准，我认为这是公平的。但恐怕他们没有使用node-neo4j-embedded作为他们的基准。基准比较了 REST-API（因@weinberger 评论而编辑）。我希望他们比较原生 API（也许有人足够窥探并试一试！-让我们知道！）。更新：正如我现在注意到的，OrientDB 已经用一个新的 node.js 驱动程序回答了基准测试（使用命令缓存通过启动服务器-Dcommand.cache.enabled=true -Dcommand.cache.minExecutionTime=3，这是不公平的，因为它不是查询缓存基准！)
因为我喜欢使用 ArangoDB 作为图形数据库，所以我有 3 个选择（来源：FAQ）：
一般来说，它不像 cypher那样舒服。而且我不确定如何比较以及建模数据的正确方法是什么（就像Neo4J 解释得很好）。我很想为 ArangoDB Graphs 提供类似的东西。感觉 ArangoDB 专注于图形操作，如果关系多于行，Neo4J 更适合使用图形的需求（使用图形而不是使用连接的关系的原因）。
MongoDB
基于文档的 MongoDB 并未针对图形操作进行优化，但最近获得了一个实验性的 in_memory 存储引擎。还有一些与 in_memory 或图形相关的项目，但没有什么是真正引人注目的。在这个讨论中，MongoDB 似乎不是我喜欢使用的。
东方数据库
因为有一个关于OrientDB 和 MongoDB的比较（来自 OrientDB），所以我打算使用这个。“ OrientDB 有一个混合的 Document-Graph 引擎”使用 SQL。我是前 PHP/MySQL 专家。但是建模部分在哪里？他们使用图表的章节不像密码。这就像使用 SQL for Graphs。这并没有错，但是在我错过建模感觉之前使用密码。如果有人用 OrientDB 和 Graphs 做了一个建模过程，也许你可以写一个像Neo4J 那样的教程。
更新：关于第一个公民的 JavaScript 访问有消息：“在下一个版本中，此驱动程序的速度将与本机 Java 相媲美” 分叉的 node.js 驱动程序已在前几天修复了 bin。
更新：在选择 OrientDB 之前，您可能想阅读有关从那里链接的一些问题和讨论的文章。这篇文章涉及一个敏感问题，应该以批判的态度来对待。此更新作者的注意事项：我是编辑 SO 的新手，没有足够的声誉来发表评论。我相信这个信息是一个有效的讨论点，不知道如何根据 SO 规则把它放在这里。
LokiJS
在我研究 Neo4J、ArangoDB 和 MongoDB 之前，我曾使用过名为LokiJS的基于 JavaScript 的 in_memory 数据库，遵循策略的接缝忽略了降低性能和效率的所有因素。LokiJS 正在尝试完成 Mongo-Style (RoadMap)。主要问题是规模化能力差。当然，它不是图形数据库，但在我的项目开始时它是一个有趣的解决方案。此外，找到所有分布式文档也不是一种完美的感觉（也许他们应该用 GitBook 重新启动）。最后 LokiJS 是一个非常有趣的项目，我希望他们能继续前进！
级别数据库
以前，当我写学位论文时，我正在查看 levelDB。写这篇文章时记住了这一点，我搜索了LevelDB in_memory并得到了一个很有希望的结果，称为MemDown（另请参见参考资料）。我还没有测试过这个发现，但也许有人有为此解决方案工作和建模的经验。如果所有其他方法都不适合，也许这将是最有效的方法，因为我会简单地编写一个轻量级的密码克隆，目标是尽可能保持轻量级。
编辑：由于评论，这里是LevelGraph的链接。作为为 LevelGraph/LevelDB 实现 CYPHER 解析器的想法，您的出发点是比较
密码：
CREATE (SUBJECT:"a") - [b:PREDICATE] -> (OBJECT:"c")
RETURN, subject, predicate, object
水平图：
var RETURN = { SUBJECT: "a", PREDICATE: "b", OBJECT: "c" };
db.put(RETURN, function(err) {
// ..
});
结论
正如您可能注意到的那样，我不是关于图表的超级英雄。但这是我最初对此的深入研究，我试图获得一个概述。我想有很多人想问和我一样的问题，但没有时间。我希望这篇文章能对很多人有所帮助，并且会通过评论和答案来改变，从而成为一个很好的概述如何为图形数据建模。
@editors：不客气。
@commenters：这是我个人研究的结果——如果你也像我一样经历过一段旅程，请像我对我评估的每个数据库所做的那样做一个简短的总结来回答（不要忘记瞄准我的 4 个目标） .