快手安全情报通过收集需求和前期调查，最终选择NebulaGraph作为图数据库，用于生产环境。选型时，对图数据库的主要需求在于数据写入和数据查询两个方面：数据写入方式：离线+联机，需要支持天级导入大量离线数据，每天新增上百亿级的写入数据，需要每日生成关联关系数据，需要支持小时级写入数据，Flink使用Kafka数据，在完成逻辑处理后，直接对图数据库进行实时写入，需要支持QPS到10W级，数据查询方式：毫秒级在线实时查询，需要支持QPS到5W量级。

属性筛选和点、边查询，多层次关联查询，局部基图数据分析能力，图最短路径算法等。总而言之，本文所选择的适合大数据体系结构的图数据库主要需要提供3个基本功能：实时和离线数据写入、在线图数据基本查询、基于图数据库的简单OLAP分析，其相应的定位是：在线、高并发、低延迟OLTP类图查询服务以及基于图数据库的简单OLAP类图查询服务。

根据上述确定的要求，在进行图库选择时，我们主要考虑以下几点：图库所能支持的数据量必须足够大，因为企业范围内的图数据往往会达到上百亿甚至上千亿，集群可线性扩展，因为需要能够在生产环境中连续运行的联机扩展机器。由于需要满足联机服务的性能要求，查询性能不会因图数据量的增加而受到影响，因此可以比较方便地与HDFS、Spark等大型数据平台打通，在此基础上可以在后期建立图计算平台。

高效：提供毫秒级读写，可扩展：可水平扩展，支持超大规模图存储，支持引擎架构：独立于存储计算，图数据模型：点(vertex)，边(edge)，以及点或边的属性(properties)建模，查询语言：nGQL，查询语言类SQL，易于学习，满足复杂的业务需求，提供了一个比较丰富和完善的数据导入导出工具，NebulaGraph作为开源图数据库产品，在开放源代码社区中表现得非常活跃。与JanusGraph和HugeGraph相比，NebulaGraph查询性能有了很大的提高，这是基于NebulaGraph的以上特性以及对我们的使用场景和需求的恰到好处的满足，所以最终选择NebulaGraph作为我们的产品环境的数据库。