SatelliteGraphs的工作原理

图数据库技术在许多大型项目中发挥着重要作用。然而，在许多情况下，需要分片的不是图形，而是存储为时间序列或JSON文档的数据。尽管如此，最佳性能对于快速操作或分析目的至关重要，有时还需要数据模型的组合。

ArangoDBSatelliteGraphs 将一个或多个图形复制到集群内的所有机器上，因此可以在本地执行查询。复制的图在每个DBserver上围绕分布式集合的分片运行。通过以这种方式结合分片和复制，DBservers上的每个查询引擎都可以在本地并行处理查询以获得最佳性能——避免查询执行期间的网络延迟。

SatelliteGraphs旨在支持数据模型和访问模式的组合，包括分布式设置中的图形，并允许用户在其项目中利用多模型的全部功能。

SatelliteGraphs用例

物联网中的身份和访问管理、网络管理或分析通常涉及大型分片文档或时间序列集合，但仅包含用于许可或分析目的的小图。借助ArangoDB 中的SatelliteGraphs，权限查询可以以亚秒级延迟执行，分析用例可以极大地受益于本地并行查询执行。在需要时利用集群的全部计算能力。

SatelliteGraphs的工作原理

协调器层知道某个查询所需的数据位于何处，并且可以将查询推送到这些服务器。查询优化器将查询执行下推到DBb服务器上的每个查询引擎，以执行本地查询。只有中间结果会被发送回协调器。这大大减少了查询执行期间的网络延迟，并允许优化使用可用计算资源。

更多大规模图形解决方案

各种用例都需要图表，并且以非常不同的形状出现。ArangoDB为您的图形数据集的所有形状和大小提供优化的解决方案，并允许高端性能。

SmartGraphs：管理数十亿个节点和边，并使用图形进行水平扩展

Disjoint SmartGraphs：跨客户管理大规模分层图和整体图分析