Ubuntu本地部署Nebula图数据库

Ubuntu本地部署Nebula图数据库

操作系统：Ubuntu 20.04

硬件架构：x86_64

软件版本：nebula-graph-3.0.2、nebula-graph-studio-3.2.3

官网：https://nebula-graph.com.cn/

安装Nebula Graph核心服务

1. 访问官方手册，按教程使用以下指令下载并安装nebula-graph安装包：

   wget https://oss-cdn.nebula-graph.com.cn/package/3.0.2/nebula-graph-3.0.2.ubuntu2004.amd64.deb
   sudo dpkg -i nebula-graph-3.0.2.ubuntu2004.amd64.deb
   

2. 使用以下命令启动nebula-graph服务：

   sudo /usr/local/nebula/scripts/nebula.service start all
   

   若要停止nebula-graph服务，把start改成stop即可：

   sudo /usr/local/nebula/scripts/nebula.service stop all
   

3. 使用以下命令查看nebula-graph服务状态：

   sudo /usr/local/nebula/scripts/nebula.service status all
   

   正常输出：

   [INFO] nebula-metad(02b2091): Running as 26601, Listening on 9559
   [INFO] nebula-graphd(02b2091): Running as 26644, Listening on 9669
   [INFO] nebula-storaged(02b2091): Running as 26709, Listening on 9779
   

安装Nebula客户端

Nebula有两种免费客户端：Nebula Console和Nebula Graph Studio。其中Nebula Console是命令行工具，使用nGQL命令操作，无法可视化，因此这里不作展开，可参阅手册与github页。

下面介绍如何安装Nebula Graph Studio。

1. 首先使用sudo /usr/local/nebula/scripts/nebula.service start all命令确保已经启动nebula-graph服务；
2. 访问官网，下载最新版本的Nebula Graph Studio，并使用sudo dpkg -i 安装包路径命令安装；
3. 打开浏览器，访问http://127.0.0.1:7001，如果看到登录界面，代表安装成功。
   

使用Nebula Graph Studio客户端

1. 首先需要准备数据，这里使用官方的示例数据，访问basketballplayer，下载并解压csv格式的原始数据表；

2. 在浏览器中登录Nebula Graph Studio，输入Host：127.0.0.1:9669，用户名：root，密码随便输入，登录；

3. 点击“Schema”标签，点击加号，创建一个图空间，名称为basketballplayer，vid type选择FIXED_STRING，长度为64，描述随意添加，最后点击下方的创建；
   

4. 创建完毕后返回“Schema”标签的图空间列表，在basketballplayer最右侧的“操作”栏，单击扳手图标进入设置，在左侧分别为标签、边类型和索引，先创建标签；

5. 在“标签 / 列表”中点击“创建”，名称输入player，添加两个属性，分别为string类型的name和``int类型的age`，点击最下方的“创建”；
   

6. 切换到“边类型 / 列表”，这里需要创建两种边，第一个名称为follow，属性为``int类型的degree；第二个名称为serve，属性为两个int类型的start_year和end_year`；
   

7. 切换到“导入”标签，选择刚创建的basketballplayer图空间，下一步，在右侧点击“上传文件”，选择刚刚解压的文件，全部上传；

8. 下一步为关联点，先在右上角绑定数据源：vertex_player.csv，确认后出现“数据源1”，点下方的”+Tag“，其中vertexId选择”column0“，TAG选择player，属性name和age分别对应选择”column2“和”column1“；完成后继续右上角绑定数据源：vertex_team.csv，按刚刚的步骤完成选择；
   

9. 下一步为关联边，先在右上角绑定数据源：edge_server.csv，确认后出现“Edge1”，类型选server，然后srcId、dstId、start_year、end_year分别选”column0“、”column1“、”column2“、”column3“，rank不用选，忽略即可；完成后继续右上角绑定数据源：edge_follow.csv，按刚刚的步骤完成选择；

10. 最后一步为导入，点击”导入“后，可以在log标签看到导入过程，我的导入日志如下：

    # basketballplayer导入LOG
    2022/04/19 11:16:36 [INFO] clientmgr.go:28: Create 10 Nebula Graph clients
    2022/04/19 11:16:36 [INFO] reader.go:64: Start to read file(0): /usr/local/nebula-graph-studio/data/upload/vertex_player.csv, schema: < :VID(string),player.age:int,player.name:string >
    2022/04/19 11:16:36 [INFO] reader.go:64: Start to read file(1): /usr/local/nebula-graph-studio/data/upload/vertex_team.csv, schema: < :VID(string),team.name:string >
    2022/04/19 11:16:36 [INFO] reader.go:180: Total lines of file(/usr/local/nebula-graph-studio/data/upload/vertex_player.csv) is: 51, error lines: 0
    2022/04/19 11:16:36 [INFO] reader.go:180: Total lines of file(/usr/local/nebula-graph-studio/data/upload/vertex_team.csv) is: 30, error lines: 0
    2022/04/19 11:16:36 [INFO] reader.go:64: Start to read file(3): /usr/local/nebula-graph-studio/data/upload/edge_serve.csv, schema: < :SRC_VID(string),:DST_VID(string),serve.start_year:int,serve.end_year:int >
    2022/04/19 11:16:36 [INFO] reader.go:64: Start to read file(2): /usr/local/nebula-graph-studio/data/upload/edge_follow.csv, schema: < :SRC_VID(string),:DST_VID(string),follow.degree:int >
    2022/04/19 11:16:36 [INFO] reader.go:180: Total lines of file(/usr/local/nebula-graph-studio/data/upload/edge_follow.csv) is: 81, error lines: 0
    2022/04/19 11:16:36 [INFO] reader.go:180: Total lines of file(/usr/local/nebula-graph-studio/data/upload/edge_serve.csv) is: 152, error lines: 0
    2022/04/19 11:16:36 [INFO] statsmgr.go:62: Done(/usr/local/nebula-graph-studio/data/upload/vertex_player.csv): Time(0.01s), Finished(51), Failed(0), Read Failed(0), Latency AVG(1183us), Batches Req AVG(1335us), Rows AVG(3721.61/s)
    2022/04/19 11:16:36 [INFO] statsmgr.go:62: Done(/usr/local/nebula-graph-studio/data/upload/vertex_team.csv): Time(0.01s), Finished(81), Failed(0), Read Failed(0), Latency AVG(844us), Batches Req AVG(989us), Rows AVG(5633.51/s)
    2022/04/19 11:16:36 [INFO] statsmgr.go:62: Done(/usr/local/nebula-graph-studio/data/upload/edge_follow.csv): Time(0.02s), Finished(299), Failed(0), Read Failed(0), Latency AVG(1058us), Batches Req AVG(1201us), Rows AVG(17351.25/s)
    2022/04/19 11:16:36 [INFO] statsmgr.go:62: Done(/usr/local/nebula-graph-studio/data/upload/edge_serve.csv): Time(0.02s), Finished(314), Failed(0), Read Failed(0), Latency AVG(1068us), Batches Req AVG(1211us), Rows AVG(18177.00/s)
    

11. 导入完成后，切换到”图探索“标签，点击”开始探索“->“样本导入“，会随机出现几个节点，选择任意节点，在右侧的”拓展条件“面板，将”方向“设为”双向“，步数设为2，点击”拓展“，即可看到图的效果。
    

    如果步数设置过大，可能会导致计算溢出进而系统崩溃。此时需要在终端运行sudo /usr/local/nebula/scripts/nebula.service start all重启系统。

---

后面我会再写一篇在Nebula中导入和测试twitter2010社交关注数据集的文章，敬请关注！