原生图存储和原生图处理有什么区别？
What is the difference between native graph storage and native graph processing?
我认为本机图形存储是指将数据（在磁盘上，而不是在内存中）存储在相邻 lists/matrices 等（无论您的问题如何），而不是像 rdbms 这样的方式。对我来说，图形处理的一部分是磁盘保存的数据在运行时如何在内存中表示，以及如何使用它来查找查询的答案。只要你在内存中有一个类似的邻接列表结构，你就可以获得无索引邻接，你的路径遍历就会变得更快。
阅读了 Robinson、Webber 和 Eifrem 的 'Graph Databases - New Opportunities for Connected Data' 之后，我不再那么确定了。还有 this 图形显示哪些图形数据库提供哪些本机或非本机功能。 Why/When 在本地存储图形数据但在非本地处理它是否有意义？
那么，您如何解释本机图存储和本机图处理之间的区别以及无索引邻接在（这两个级别中的）哪个级别发挥作用？假设图形数据库始终将整个图形结构保存在内存中（我想我听说 neo4j 正在这样做），对于查询性能（查看无索引邻接）是否重要，无论是本地图形存储还是非本地图形存储是用过的？从我天真的观点来看，我可以想象图 into/from 内存的（反）序列化可以使用非本机关系存储方法完成，而不会损失太多性能。
对于 Neo4j 是：
原生图形处理：
Native graph processing is another key element of graph technology, referring to how a graph database processes database operations, including both storage and queries. Index-free adjacency is the key differentiator of native graph processing.
原生图形存储：
Graph storage is classified as non-native when the storage comes from an outside source, such as a relational, columnar or other NoSQL database. These databases use other algorithms to store data about nodes and relationships, which may end up being placed far apart. This non-native approach can lead to latent results as their storage layer is not optimized for graphs.
更多信息Neo4j:Graph Databases for Beginners: Native vs. Non-Native Graph Technology
我认为本机图形存储是指将数据（在磁盘上，而不是在内存中）存储在相邻 lists/matrices 等（无论您的问题如何），而不是像 rdbms 这样的方式。对我来说，图形处理的一部分是磁盘保存的数据在运行时如何在内存中表示，以及如何使用它来查找查询的答案。只要你在内存中有一个类似的邻接列表结构，你就可以获得无索引邻接，你的路径遍历就会变得更快。
阅读了 Robinson、Webber 和 Eifrem 的 'Graph Databases - New Opportunities for Connected Data' 之后，我不再那么确定了。还有 this 图形显示哪些图形数据库提供哪些本机或非本机功能。 Why/When 在本地存储图形数据但在非本地处理它是否有意义？
那么，您如何解释本机图存储和本机图处理之间的区别以及无索引邻接在（这两个级别中的）哪个级别发挥作用？假设图形数据库始终将整个图形结构保存在内存中（我想我听说 neo4j 正在这样做），对于查询性能（查看无索引邻接）是否重要，无论是本地图形存储还是非本地图形存储是用过的？从我天真的观点来看，我可以想象图 into/from 内存的（反）序列化可以使用非本机关系存储方法完成，而不会损失太多性能。
对于 Neo4j 是：
原生图形处理：
Native graph processing is another key element of graph technology, referring to how a graph database processes database operations, including both storage and queries. Index-free adjacency is the key differentiator of native graph processing.
原生图形存储：
Graph storage is classified as non-native when the storage comes from an outside source, such as a relational, columnar or other NoSQL database. These databases use other algorithms to store data about nodes and relationships, which may end up being placed far apart. This non-native approach can lead to latent results as their storage layer is not optimized for graphs.
更多信息Neo4j:Graph Databases for Beginners: Native vs. Non-Native Graph Technology