一首古诗带来的图数据库大冒险

因为图数据库的增长趋势一直位列前茅，每年都有媒体预测今年是“图年”。作为曾经的图数据库从业者，Nebula Hackthon 2021 的参赛队伍临江仙的队长王二铁（王建奎），一直在思考，为什么长期火爆的图数据库市场，一直没有真正引爆。在 2018 年图数据库输给了区块链，2019 年又遇到了 5G，随后疫情开始了。在王二铁看来图数据库目前主要还是面向 toB、toG 的市场，在 toC 领域，几乎没有图数据库相关的案例，这也是为什么图技术难以被大众所熟知的原因。

于是，一个新意的 idea 冒出了，这将是一个非常好，而且还算好玩的 C 端案例。它是什么呢？便是本次介绍的「一首古诗带来的图数据库大冒险」。

有次二铁陪同小朋友上画画班，空闲之余刷到了苏轼的《临江仙 风水洞作》：

因为读不懂这首诗词，体会不到其中的意境美。作为老二次元的王二铁借由动漫迷中的「圣地巡礼」，想到用诗词巡礼的方式–回到古诗词的创作地，亲身体验诗词的意境和美景。结合图数据库，把中国古诗词放到图谱里，通过【作者搜索】关联出他所有的诗词，并关联出所有的创作地点，这就形成了一条【诗词巡礼】的旅游路线；通过【地点搜索】关联出当地所有的古诗词创作地，这就形成了一个充满文化气息的诗词城市。

基于路线、地理位置也可以衍生出更多的玩法。例如一个作者的城市足迹图，也许就是他的升迁史；同一个地点，如果有多个作者留有诗篇，那可以互相印证和学习。结合图，还有更多的玩法可以继续挖掘。

而除了「圣地巡礼」这一主功能之外，二铁还加了另外一个功能–本命诗。idea 也是来源于一首诗词，王之涣的《凉州词》：

一首包含他家小朋友名字的古诗，突然让小朋友有了学习该诗的兴趣，于是他决定加入本命诗，古诗和人亲近、建立熟悉感之后，成为他记忆的一部分。

古诗大冒险项目实现思路主要是将中国古诗词放到图谱里，诗词的图谱需要包含作者（姓名、朝代、字、号）、诗词（诗词名、内容、创作地址、经度、维度）、城市，其他再包含古代城市和现代城市的映射、古人朋友圈等等，形成一张完整的图谱。 数据源，需要涉及到诗词库、百度汉语、旅游网站、坐标提取系统等等；经过数据加工、数据聚合以及图数据库的建模，将数据导入图数据库中，一个简单的诗词图谱就形成了。然后通过 Java Web提供接口服务，通过小程序提供用户服务。整体流程就通了。

整体实现主要分成 3 步：

1. 数据处理，数据处理是整个项目最难的点。这部分需要首先明确产品层面的需求，根据需求进行图数据库建模，再根据建模结果反推需要哪些数据支撑，然后寻找数据源，并进行数据采集和 ETL 处理。最终形成图数据库中需要的几个文件，例如：vertex-诗词.csv、vertex-作者.csv、vertex-城市.csv、edge-诗词-作者.csv、edge-诗词-城市.csv。
2. 系统开发，系统开发是把第一步建设的图谱，实际的在图数据库中创建并导入数据的过程。因 Nebula 完备的产品功能和周边工具，使得这一步的开发比较简单。项目中使用到了 Nebula Graph 图数据库进行数据存储，Nebula Graph Studio 进行图数据库建模和语法调试、Nebula Graph Importer 进行数据导入，Nebula Graph Java Client 进行 API 服务的开发。
3. 小程序开发，系统开发之后会形成几个 API，小程序侧调用 API 端口，然后进行前端的可视化展示。其中需要地图的 SDK，结合收集到的坐标，就可以在地图上展示出诗词的创作地点。

这个项目看似很简单，但暗藏玄机。整个项目实现起来会遇到 2 个难点。其中一个还是数据，因为系统本身并不复杂，代码量并不多，核心还是对数据的理解，以及一个好的产品 sence。当然也遇到一个天坑问题，就是一些好的古诗词找不到创作地点或者历史上存在争议，比如陈子昂的《登幽州台歌》。第二个难点算技术上的广度，就是从一个 idea，到产品化实现，要熟悉一整条技术路线。其实也并没有多深的技术，但是需要一种不甘于只做螺丝钉的独立开发思维。

一首古诗带来的图数据库大冒险的有意思的点除了它的 idea 之外，和技术实现之外。更多的产品细节也是让人眼前一亮，像是地理位置的处理方式。

拿临江仙·风水洞作为例，故事标志性坐标便是风水洞，如何定位这个风水洞呢？各地都有「风水洞」，根据苏轼的过往经历，最后匹配定位到了杭州锦绣风水洞。通过抽取风水洞的地理坐标，将这首古诗还原到了该诗圣地。而这块的实现也经历了一番小波折，大家都知道 Nebula Graph v2.6 开始支持的 GEO 功能，一开始二铁他们考虑要不要用 GEO，而不是存经纬度。但转念一想，项目本身并不需要用到强大的 Nebula Graph GEO 功能，加上项目赶时间（比赛设有代码截止提交时间），故没尝试新的 GEO 功能。

说到后续的项目规划，王二铁表示，“图数据库中更核心的最短路径、三角计数、社区发现等算法并没有用到，大家可以发挥想想来给我们提想法，当然更欢迎自己来实际体验和实现”。