gdb-engines

一个开源图数据库比较项目，涵盖80多个图数据库、查询引擎、扩展和其他图技术。每个条目包含供应商、许可证、查询语言支持等元数据，并根据学术研究标准对43个特征进行评分。

An open-source graph database comparison project covering over 80 graph databases, query engines, extensions, and other graph-related technologies. Each entry includes metadata such as vendor information, license type, query language support, and more, and scores 43 features in accordance with academic research standards.

原始信息汇总

数据集概述

数据集基本信息

• 数据集名称：gdb-engines.com
• 数据来源：一个开源项目，旨在比较图数据库的功能与特性。
• 数据内容：涵盖80多个图数据库、查询引擎、扩展及其他图技术的综合对比表。

数据内容与范围

• 覆盖范围：每个条目代表一个图数据库、查询引擎、扩展或图技术。
• 条目信息：包含供应商、许可证、查询语言支持、状态等元数据。
• 特性评分：许多条目还根据学术研究标准，在43个特性上进行了评分（0、0.5或1分）。

数据格式与结构

• 存储格式：每个数据库条目存储为src/content/databases/目录下的一个TOML文件。
• 必需字段：
  • name：数据库名称。
  • vendor：供应商。
  • slug：短标识符。
  • description：描述。
  • url：官方网站地址。
  • github_url：GitHub仓库地址。
  • license：许可证（SPDX标识符）。
  • type：数据库类型（"Property Graph"、"RDF"、"Multiple"或"Other"）。
  • query_languages：支持的查询语言数组。
  • category：类别（"Established"、"Enterprise"或"Emerging"）。
  • gdotv_support：是否支持G.V()。
• 可选字段：
  • kind：种类（"database"、"extension"、"query-engine"或"embedded"）。
  • status：状态（"active"、"inactive"或"deprecated"）。
  • status_note：非活跃状态说明。
  • previous_vendors：历史供应商数组。
  • icon：自定义图标文件名。
• 特性评分部分：已评分的数据库包含一个[features]部分，内有43个特性得分。

数据获取与使用

• 完整数据集：可通过API以JSON格式获取：https://gdb-engines.com/api.json
• 贡献方式：可通过GitHub仓库提交新的TOML文件或编辑现有文件来贡献数据。

相关引用

• 基于学术研究：Coimbra, M. E., Svitakova, L., Francisco, A. P., & Veiga, L. (2025). "Survey: Graph Databases." arXiv:2505.24758
• UI模式参考：models.dev

搜集汇总

数据集介绍

构建方式

在图形数据库领域，数据集的构建遵循严谨的学术规范。该数据集通过系统性的文献调研与社区协作方式整合而成，其核心数据以TOML文件格式存储，每个文件对应一个具体的图形数据库或相关技术。构建过程中，首先依据研究论文确立了一套包含43项特征的评估框架，随后通过开源社区贡献机制，允许研究者与开发者提交或更新数据库的元数据信息，如供应商、许可证、查询语言支持及状态等。这种结构化的文件组织与开放的贡献流程，确保了数据内容的可扩展性与时效性。

特点

该数据集以其全面性与结构化特征而著称。它涵盖了超过80种图形数据库、查询引擎及扩展技术，每项条目均包含丰富的元数据字段，并依据学术研究标准对众多数据库进行了特征评分。数据格式采用人类可读的TOML文件，便于直接查看与编辑，同时提供了完整的JSON API接口，支持机器可读的数据访问。数据集不仅区分了数据库的类型与类别，还记录了技术状态与历史供应商变更，为横向对比与纵向追踪提供了坚实的数据基础。

使用方法

对于希望利用该数据集的研究者与开发者，其使用方法清晰而灵活。用户可以直接通过公开的JSON API接口获取完整的结构化数据，以便集成到分析工具或应用程序中。若需贡献数据或进行本地探索，可遵循开源协作流程：克隆仓库后，在指定目录中添加或编辑TOML格式的数据库描述文件，并通过拉取请求提交。数据集支持本地开发，用户可运行构建命令生成静态站点，从而在本地环境中交互式地浏览与验证数据内容，满足不同场景下的研究与应用需求。

背景与挑战

背景概述

在数据科学和数据库管理领域，图数据库作为一种高效处理复杂关联数据的技术，近年来受到学术界与工业界的广泛关注。gdb-engines数据集由研究人员M. E. Coimbra、L. Svitakova、A. P. Francisco和L. Veiga于2025年创建，其核心研究问题在于系统性地比较与评估全球80余种图数据库、查询引擎及相关技术的功能特性。该数据集基于学术研究标准，对各类图数据库进行了43项特征评分，为数据库选型、技术调研及学术研究提供了结构化、可复现的参考依据，显著推动了图数据库领域的透明化与标准化进程。

当前挑战

图数据库领域面临的核心挑战在于技术生态的快速演进与异构性，导致数据库功能、查询语言及许可协议的比较变得异常复杂。gdb-engines数据集在构建过程中，需克服数据收集的全面性与准确性难题，包括动态跟踪数据库状态变更、统一不同厂商的技术指标描述，以及依据学术标准对43项特征进行客观评分。此外，维护数据集的时效性以反映技术迭代，并处理开源与专有许可的差异，亦是该数据集持续更新所必须应对的实际挑战。

常用场景

经典使用场景

在圖數據庫技術領域，研究人員與開發者經常面臨選擇合適系統的挑戰。gdb-engines 數據集通過系統化整理超過80種圖數據庫、查詢引擎及相關技術的詳細特徵，為學術界和工業界提供了一個權威的比較基準。其經典使用場景包括在學術研究中評估不同圖數據庫的架構差異，或在企業選型時快速對比各系統的查詢語言支持、許可證類型及活躍狀態，從而輔助決策過程，提升技術選型的效率與準確性。

衍生相关工作

圍繞 gdb-engines 數據集，已衍生出多項具有影響力的相關工作。其中，基於該數據集特徵評分的研究論文《Survey: Graph Databases》系統性綜述了圖數據庫的技術全景，為後續學術探索奠定了基礎。此外，開發者社區利用其提供的結構化數據，構建了交互式比較工具與可視化平台，如 models.dev 的界面模式，進一步擴展了數據集的應用維度，促進了圖數據庫生態的透明度與協作創新。

数据集最近研究

最新研究方向

在图形数据库技术快速演进的背景下，gdb-engines数据集作为开源比较平台，正推动该领域的前沿研究聚焦于多模态查询语言的标准化评估与性能基准测试。近期，结合学术论文《Survey: Graph Databases》中提出的43项特征评分体系，研究者们利用该数据集深入分析属性图与RDF等不同类型数据库在实时图分析、分布式架构支持及机器学习集成方面的能力差异。这一工作不仅关联到图计算在金融风控、社交网络推荐等热点应用中的优化需求，还促进了开源生态与商业解决方案的透明对比，为行业选型与技术创新提供了关键数据支撑，具有显著的实践指导意义。