使用 GraphQL 语法查询 NebulaGraph 中的数据

人之初，性本鸽。

大家好，我叫储惠龙（实名上网），你可以叫我小龙人，00 后一枚。目前从事后端开发工作。

今天给大家带来一个简单的为 NebulaGraph 提供 GraphQL 查询支持的 DEMO，为什么是简单的，因为本来想完成更多工作再给大家介绍的，但是上个月太忙加上下个月更忙，但是我又很想白嫖一下 NebulaGraph 官方的奖品，所以就赶紧端上来了。

体验 NebulaGraphQL

先上项目地址：​​https://github.com/Dragonchu/NebulaGraphQL ​​

GraphQL 是什么

先简单介绍一下 GraphQL，​​https://graphql.cn/​​ 详细的信息官方介绍得都很清晰。说一下我的理解，GraphQL 并不是对标 Cypher 这种查询语言，而是对标 REST 的一种 API 设计风格。

所以，严格意义上，不是说使用 GraphQL 查询图数据库，而是使用一种 GraphQL 风格的 API 查询图数据库，或者说是将 Cypher 封装了一样。这个本质工作和大家做应用开发时，基于 NebulaGraph 写一些通过的 REST 接口是一样的。

API 查询示例

本文的测试数据集使用的 NebulaGraph 官方的 basketballplayer 数据集：​​https://docs.nebula-graph.io/2.0/basketballplayer-2.X.ngql​​

举个例子，如果我想“根据科比的名字得到科比的全部信息”，可能会使用下面这样的 nGQL 语句：

LOOKUP ON player WHERE player.name == "Kobe Bryant" YIELD id(vertex) as vertexId | FETCH PROP ON player $-.vertexId YIELD properties(vertex);

虽然说 nGQL 已经很方便阅读了，但是如果让一个完全 0 基础的萌新来看也是看不懂的并且这个语句的返回值是不明确的，至少没有办法从查询看到结果。而返回值的解析一直也是很多人的痛苦。

那么，来看看使用 GraphQL 查询同一场景会是什么情况。

查询语句会是：

{
    players(name:"Kobe Bryant"){
        name
        age
    }
}

返回结果是：

{
    players=[{name=Kobe Bryant, age=40}]
}

看看这优雅的查询和返回结果，想必我不多说，大家也都看得懂。这真的是

其实上面说了那么多，就是官方对 GraphQL 的总结：描述你的数据、请求你所要的数据、得到可预测的结果。

上述的查询在 NebulaGraphQL 中已经实现了，同时还支持通过 VertexID 查询数据（好吧，我也就实现了这两种）。

NebulaGraphQL 简单入门

NebulaGraphQL 是一个 Java 库，旨在应用层提供使用 GraphQL 语法查询 NebulaGraph 图数据库中数据的能力。

在项目中使用 NebulaGraphQL 非常简单，因为 NebulaGraphQL 本身只想做一个简单的工具库，未来如果想直接集成到 MVC 框架可能会再起一个 NebulaGraphQL-Spring 之类的项目（画大饼中……）。所以 NebulaGraphQL 的使用和 nebula-java 是几乎完全一致的。

使用示例：

//创建一个config
GraphqlSessionPoolConfig graphqlSessionPoolConfig = new GraphqlSessionPoolConfig(
                Lists.newArrayList(graphdAddress),
                Lists.newArrayList(metadAddress),
                spaceName, username, password);
//创建一个连接池
GraphqlSessionPool pool = new GraphqlSessionPool(graphqlSessionPoolConfig);
//执行语句
ExecutionResult executionResult = pool.execute("{players(age:32){name\nage}}");
//获取结果
System.out.println(executionResult.getData().toString());

其实 GraphSessionPool 内部就是使用的 nebula-java 的 SessionPool，所有配置都和 NebulaGraph 官方提供的连接池一致，唯一的区别是需要额外提供 metad 的连接地址。这是因为 NebulaGraphQL 是通过 metad 来自动构建 Schema 的，NebulaGraphQL 会在创建连接池时自动创建 Schema。

NebulaGraphQL 的实现

NebulaGraphQL 主要是基于 graphql-java 实现的。而使用 graphql-java，大家可以根据自己的项目定义自己的 GraphQL 的 Schema。不过，NebulaGraphQL 想尽可能地提供一些通用功能，并且一定是根据 NebulaGraph 的 Schema 自动构建的。

在创建 GraphqlSessionPool 时，NebulaGraphQL 通过连接 NebulaGraphQL 的 metad 将 NebulaGraph 中的元数据信息构造成 GraphQL 的 Schema 信息。这一部分是关键难题。目前，我仅仅做了如下的变换：

1. 对于 NebulaGraph 中所有的 Tag，都会构造一个对应的 GraphQL 的可查询对象。
2. 每一个 Tag 都会有一个同名的根据 ID 获取信息的查询。举例来说，对于 player 这个 tag，会生成一个查询 player，这个查询的参数是 vertexID，会根据 vertexID 获取到信息。
3. 每一个 Tag 都会有一个在名称后加 -s 的查询。举例来说，对于 player 这个 tag，会生成一个查询 players，这个查询的参数是任意的属性。如果 player 上有 age，name，country 这些属性，在查询参数中可以传入这三种属性的任意组合，NebulaGraphQL 查询时会将这些参数进行“与” AND 语义的构造，再获取相关顶点。对于用户没有指定的参数，默认为 null（这是一个已知的问题，如果目的就是查 null 会有问题）。

测试数据集上自动生成的 GraphQL 的 Schema 示例：

type Query {
 player(
 "Vertex ID"
 ID: ID
): player
players(age: Int = null, name: String = null): [player]!
team(
"Vertex ID"
ID: ID
): team
 teams(name: String = null): [team]!
}
type player {
age: Int
name: String
}
type team {
name: String
}

简单讲解一下，Query 是 GraphQL 的查询入口，其中的 player, players, team, teams 都是自动生成的查询，可以当作查询语句。

player 是根据 VertexID 查询并返回一个 player，player 后面没有 ! 标识符，说明可能查询结果为空。players 查询有两个参数，对应着 player 这个 tag 的两个属性 age 和 name，这两个参数的类型都从 NebulaGraph 中的数据类型映射到了 GraphQL 的数据类型，默认值都为 null，返回值是一个列表。列表后的 !，说明一定返回一个列表，但是其中的 player 后没有 ! 标识符，指的是可能返回一个空列表。

使用 players 查询，参数可以指定 age 或者 name，或者 age 和 name 一起指定。

下面的 player 和 team 两个 type 就表示了这两个对象有什么属性，可以在查询时指定返回的属性，NebulaGraphQL 在返回结果时就只会提供查询需要的属性。

每一个 GraphQL 的查询会有一个绑定的 DataFetcher 对象，该对象中实现的就是如何将 GraphQL 语法映射成 nGQL 语句，并执行插叙返回结果。而返回结果会映射到自定义对象上，这里使用了我另一个小工具NebulaResultBoot 将执行结果映射到自定的对象上后，我们就可以在未来实现应用层的缓存，当然这里也有一个潜在的问题：每一次查询都要求获取到每一个点边的所有属性，这部分未来需要考虑优化。

当然，NebulaGraphQL 的目标不只是简单将 nGQL 映射到 GraphQL 这么简单，因为 GraphQL 除了查询简单这个很明显的特点，还可以更轻松地支持权限管理，以及通过 DataLoader 机制在应用层实现一层缓存。不过，我这边目前也没有研究的很透彻，如果有大佬愿意加入一起实现那就最好不过了。

为了方便大家贡献（主要是我懒），NebulaGraphQL 的开发测试已经完成了一部分的容器化了，将代码库克隆到本地后，本地只需要有 Docker，然后在仓库根目录下运行

docker-compose -f docker-compose.dev.yml up --build

小结

NebulaGraphQL 提供了更简单的查询语句，这个查询语句的构造应该是让前端直接提供的，GraphQL 的优势之一就是可以让前端选择自己需要的数据从而避免“接口地狱”，可能会有人认为这相当于让前端直接访问数据库了。是的，我觉得这个理解也确实没问题，这也是有人反对 GraphQL 的理由，不过这里就不继续讨论了。

但是使用 GraphQL 有一个潜在优势，也就是可以更轻松地将图数据库和关系型数据库整合在一起。当然如果只是使用图数据库的话，那使用 NebulaGraphQL 至少也能方便做一些简单的数据查询与测试。

对于 NebulaGraphQL 在实际生产中的价值目前我也没有体验过，因为纯属兴趣写着玩儿，如果大家有想法，欢迎在评论区交流。

文章转载自公众号： NebulaGraph