原生 Cypher查询语言
直接以原生模型定义、更新和查询相互连接的数据。
数据底座
事务数据底座
NeuG 先管理数据，再建立索引。图原生引擎统一负责模式、事务、持久化与恢复，让每一条检索路径都从同一份一致状态出发。
ACID事务
应用状态持续变化时，始终保持读写一致。
两种模式嵌入式 · 服务
既可在进程内运行，也可将同一数据引擎部署为服务。
可扩展扩展机制
通过扩展持续加入新能力，同时保持核心引擎专注轻量。
Apache 2.0开源协议
遵循 Apache 2.0 许可证，可使用、修改和分发 NeuG。
统一检索
三种索引，一个结果
同时查询结构、语义与精确关键词。NeuG 直接生成统一排序结果，无需在多个引擎间搬运数据。
查询PaymentService+"retry timeout"
排序结果 · #1RetryPolicy
排序结果 · #2TimeoutError
排序结果 · #3Runbook
图算法
在原图上，直接分析
检索找到相关实体；图算法则在更广的结构中揭示重要性、社区与模式。
与上方检索示例共享同一份图数据
发现关键节点
看见哪些实体在整个图中最为重要。
不止 PageRank 与 Leiden在同一份数据上运行更丰富的图算法。查看图算法 →
为什么选择 NeuG
选择合适的索引架构
按工作负载选择 NeuG 的运行模式，或看看它如何简化原本需要拼接的多引擎架构。
服务模式NeuG vs Neo4j
吞吐量 · QPS ↑嵌入模式NeuG vs LadybugDB
查询延迟 ↓服务模式 · 50.6× 吞吐量
在 14 个 LDBC SNB Interactive 复杂读取查询中，NeuG 为 617 QPS，Neo4j 为 12.2 QPS。
嵌入模式 · 9 项中 8 项更快
单线程 NeuG 在九个 LSQB 查询中的八个上，优于 LadybugDB 的最佳多线程结果。
一个引擎，两种部署模式
在进程内运行低开销分析，或将同一运行时作为服务提供给并发工作负载。
—
可复现的双模式基准测试
LDBC SNB SF1 · Apple Silicon · 读取负载。服务测试：4 个客户端运行 300 秒。 查看测试方法 →
快速开始
从安装到第一次查询
NeuG 与你的应用运行在一起。安装依赖、打开数据库，然后直接使用 Cypher 查询。
$ pip install neug
import neug
db = neug.Database("")
conn = db.connect()
result = conn.execute("""
MATCH (n) RETURN n LIMIT 10
""")兼容性
- 数据格式
- Apache Arrow · Parquet
- 对象存储
- S3 · OSS
- 操作系统
- Linux · macOS
Windows · 路线图 - 处理器架构
- x86_64 · ARM64