随着数据规模的膨胀与推荐算法复杂度的提升，传统数据库处理多度查询能力不足的问题越来越明显，图数据库的优势得到显现。在平均出度 300 的社交图谱上，一次三度查询会访问近 3000 万条边，即使聚合优化后，也需要发起近 10 万次基础查询。为应对海量的数据和查询，我们基于 PMem 构建了高性能的单机存储引擎，并基于自研网络框架 KRPC 构建了分布式网络服务，实现了单机 2000 万 QPS，单集群十亿次每秒查询处理能力的分布式图服务。

本次分享将介绍我们在构建高性能分布式图存储服务过程中，怎样通过极致的单机性能来降低成本支出的。

演讲提纲：

1. 数据模型和查询语言

2. KGraph 的架构和实现

3. PMem 存储引擎与高性能通讯框架 KRPC

4. 关键问题分析

你将获得：

• 从实践角度感受分布式图服务中的方案设计
• 学习大型分布式系统中一些通用的问题解决思路