Scalability and performance in distributed graph databases

Oluwafemi Oloruntoba

doi:10.1007/s10586-026-06406-0

Scalability and performance in distributed graph databases

2026-09-07

0

PRE

AI

O

Oluwafemi Oloruntoba *

Deborah Olamide Oyeyemi

A

Adeyemi Adeesan Bamidele

S

Samuel O. Fakunle

O

Onyinyechi Gift Henry-Machame

DOI：10.1007/s10586-026-06406-0

原文链接

原文求助

摘要

En 中文

图划分是分布式图数据库可扩展性的关键使能技术，影响负载均衡、通信开销和查询性能。本文对四种划分策略（随机顶点、基于Metis、随机边和HDRF）进行了比较分析，涵盖了边切分和顶点切分范式。每种方法均在合成和真实数据集上针对边切分、复制因子、负载均衡、延迟和吞吐量等指标进行评估。我们的评估框架在原型图数据库集群上模拟分布式OLTP/OLAP查询工作负载。结果表明，虽然Metis在静态、平衡图上达到最优划分质量，但HDRF在动态、无标度网络上表现出更优的性能和可扩展性。实验揭示了不同图结构中划分复杂度与运行时性能之间的关键权衡。本研究贡献了一个可扩展的基准测试环境、一组代表性划分算法以及基于统计的见解，以指导实践者根据特定工作负载和图特征选择适当策略。

Keyword:

Graph partitioning

Distributed graph database

Vertex-cut

Edge-cut

Query performance

Scalability

Scalability and performance in distributed graph databases

摘要

期刊

机构