金融風(fēng)控行業(yè)背景

在金融行業(yè)中,，風(fēng)控是業(yè)務(wù)中十分重要的一環(huán),。風(fēng)控包含了非常多的業(yè)務(wù)類型，囊括了反賭博,、反詐騙,、反洗錢、反作弊等等,，而根據(jù)不同的業(yè)務(wù)類型,，又可以細分為更多的業(yè)務(wù)場景，例如信貸反欺詐場景,，在貸款申請,、授信、支用等各個環(huán)節(jié)都會涉及到,，對風(fēng)控的具體要求也不一樣,。

由于整體行業(yè)的風(fēng)險趨勢，呈現(xiàn)黑產(chǎn)團體化,、交易鏈條復(fù)雜化,，圖數(shù)據(jù)庫成為越來越多企業(yè)進行風(fēng)險防控的不二選擇，如何選擇一款圖庫,，也成為了眾多客戶的痛點,。由于不同風(fēng)控的業(yè)務(wù)類型并不一樣，本文嘗試從金融行業(yè)技術(shù)特點的角度剖析,，如何選擇一款適合客戶的圖數(shù)據(jù)庫,。

為什么要使用圖數(shù)據(jù)庫進行金融風(fēng)控

首先是總體信貸風(fēng)控的目標，并非完全消除風(fēng)險,，而是提升風(fēng)控精準度和效率,，平衡收益和風(fēng)險。由于這個特性,，決定了風(fēng)控總體是個動態(tài)的過程,，不斷的會上一些新的策略，比如在一段時間內(nèi),，出現(xiàn)了一種新類型的風(fēng)險,，就需要將新的策略上到策略平臺，而過了這段窗口期,，策略通常也不會直接下線,，以防未來再出現(xiàn)風(fēng)險。

如果要用圖數(shù)據(jù)庫來開發(fā)新的風(fēng)控策略,，就需要圖數(shù)據(jù)庫有較為強大的圖查詢語言以及 UDF 能力,，能夠靈活的按照用戶的需求開發(fā)上線。例如在申請反欺詐場景,，尋找進件和黑點在 X 度之內(nèi)是否有關(guān)聯(lián)是一個典型的圖特征,，能夠?qū)β窂缴宵c類型、邊類型,，度數(shù),，以及點邊上的閾值靈活做調(diào)整，就顯得尤為重要,。

圖技術(shù)進行金融風(fēng)控的原理

圍繞提升風(fēng)控精準度和效率目標,，一般會將風(fēng)控的階段分為事前預(yù)警、事中決策,、事后分析,。

• 事前預(yù)警

一般是以預(yù)測、挖掘為主,，對時效性沒有太大要求,，可以是天級，有交互式分析需求,。常見的應(yīng)用場景是客戶的信貸評分,，一般需要結(jié)合一些圖算法和圖查詢的結(jié)果進行綜合評分。如何調(diào)度圖查詢,、圖算法以及利用圖可視化做挖掘,，將他們串聯(lián)成一個完整的流程反復(fù)執(zhí)行，并通過參數(shù)靈活的做調(diào)整,，是這個階段比較關(guān)注的圖數(shù)據(jù)庫特性,。

• 事中決策

一般會包含實時查詢、實時計算,，要求豪秒級響應(yīng),。例如在信貸支用階段的風(fēng)控，當(dāng)發(fā)現(xiàn)風(fēng)險時,，要及時切斷這筆支用,，每一筆支用進來，可能會調(diào)用多達上百個圖特征,，當(dāng)用戶的并發(fā)增多（例如100）,，對圖庫的QPS要求通常是上萬，乃至上10萬的,，而總計的時間窗口也只會要求在幾百毫秒以內(nèi),，否則會影響整體的用戶體感，引發(fā)業(yè)務(wù)問題,。如果是在業(yè)務(wù)擴張期,，碰上業(yè)務(wù)高峰,，如何擴容也會成為一個至關(guān)重要的問題。高并發(fā),、低時延,、高可用、在線擴容,，是這個階段比較關(guān)注的圖數(shù)據(jù)庫特性,。

• 事后分析

一般是以追溯為主，對時效性要求低,，小時級或者天級,，但是會有交互式分析需求。例如信貸場景中的欺詐團隊挖掘,，或者某筆疑似欺詐交易的挖掘探索,。當(dāng)選擇某個點，或者某一批名單,，能夠較為絲滑的在可視化界面上不斷的做拓展,，社區(qū)劃分，路徑查詢,，甚至最后能夠發(fā)現(xiàn)一個新的風(fēng)控策略并上線,，對于風(fēng)控人員來說十分重要。這個階段,，對于圖數(shù)據(jù)庫在探索分析方面的功能尤為關(guān)注,。

圖技術(shù)與傳統(tǒng)風(fēng)控手段的區(qū)別,？

• 單點 VS 全局視角

關(guān)聯(lián)圖譜具有可視化和連接萬物的天然優(yōu)勢,，可以突破「單點」判斷是否屬于欺詐行為的局限性，取而代之的是從「全局」角度更精準,、更全面地判斷欺詐行為,。

• 滯后 vs 實時風(fēng)控

傳統(tǒng)的欺詐檢測依賴于專家經(jīng)驗和人工審核，往往是資損發(fā)生后才能發(fā)現(xiàn)并總結(jié)出規(guī)律,。關(guān)聯(lián)圖譜天然適合超大規(guī)模關(guān)聯(lián)數(shù)據(jù)的深度查詢,，可以實時作出反應(yīng)，防患于未然,。

• 人工 vs 自動化識別

圖數(shù)據(jù)庫可以通過關(guān)聯(lián)分析,、圖規(guī)則、模式分析,、社團分析,，全面覆蓋實時、準實時及事后三個階段，系統(tǒng)全方位進行實時風(fēng)險排查,，及時暴露可疑點并自動進行管控,，從源頭上避免經(jīng)濟損失的發(fā)生。

同樣的場景,，可以使用關(guān)系型數(shù)據(jù)庫嗎,？

要發(fā)現(xiàn)大規(guī)模的欺詐團伙，往往需要遍歷復(fù)雜度很高的數(shù)據(jù)關(guān)系,。傳統(tǒng)的關(guān)系型數(shù)據(jù)庫由于存儲形態(tài)的限制,，在處理深度關(guān)聯(lián)查詢時效率并不高，有時甚至根本無法計算出結(jié)果,，難以快速發(fā)現(xiàn)隱蔽欺詐行為,。

而圖數(shù)據(jù)庫采用點-邊結(jié)構(gòu)存儲數(shù)據(jù)以及數(shù)據(jù)間的關(guān)系，一圖匯總身份,、賬戶,、設(shè)備和第三方平臺之間的信息，非常適合用來處理海量復(fù)雜數(shù)據(jù)間的關(guān)聯(lián)運算,。不僅效率更高,，而且能獲得更直觀的全局視圖，在數(shù)據(jù)存儲之外幫助業(yè)務(wù)人員快速發(fā)現(xiàn)欺詐團伙,，避免潛在經(jīng)濟損失,。

圖數(shù)據(jù)庫選型建議

除了業(yè)務(wù)在不同階段的訴求之外，整體產(chǎn)品的穩(wěn)定,、運維的便利性十分重要,，尤其是對要上線的業(yè)務(wù)，是重中之重,，畢竟一個告警就可能把運維同學(xué)折騰夠嗆,。

總結(jié)一下，風(fēng)控對圖數(shù)據(jù)庫提出了以下要求：

1. 算法能力：強大的圖查詢,、圖算法以及圖可視化能力
2. 易用性：統(tǒng)一的圖查詢語言和自定義能力（UDF）
3. 穩(wěn)定性：高并發(fā),、低時延、高可用
4. 可解釋性：探索分析能力

為什么選擇悅數(shù)圖數(shù)據(jù)庫,？

那么，如何選擇一款合適的圖數(shù)據(jù)庫產(chǎn)品,，來應(yīng)對上面提到的這些問題呢,？我們可以從以下這些方面做選型的思考——

數(shù)據(jù)量越來越大，圖數(shù)據(jù)庫如何應(yīng)對大并發(fā)的沖擊

由于業(yè)務(wù)特性需要,，金融企業(yè)需要對接監(jiān)管,、交易、管理,、內(nèi)控等多個系統(tǒng),，常常面臨著業(yè)務(wù)數(shù)據(jù)量暴發(fā)的挑戰(zhàn)。而悅數(shù)圖數(shù)據(jù)庫采用“真正的”原生分布式架構(gòu),，數(shù)據(jù)入圖自動分片,，可以滿足 10W 級并發(fā)下的毫秒級查詢時延。

以悅數(shù)的真實用戶案例——某個互聯(lián)網(wǎng)大廠為例,，當(dāng)時該產(chǎn)品月活用戶 10 億,，有 100 多億的用戶關(guān)系，最大出入度 6000,，龐大的數(shù)據(jù)量形成了一張用戶關(guān)聯(lián)大圖,，用戶希望基于圖技術(shù)實現(xiàn)全平臺的個性化好友推薦/廣告推薦，利用悅數(shù)圖數(shù)據(jù)庫實時分析的能力,，實時生成精準的個性化推薦內(nèi)容,，其數(shù)據(jù)更新要求大于 150 萬/秒，QPS 要求更是高達 80000,，有效提高用戶的瀏覽體驗,，最終實現(xiàn)了更高的流量轉(zhuǎn)化。

實時性要求越來越高,，如何應(yīng)對低時延的要求

隨著普惠金融會進一步擴展和渠道的多樣化發(fā)展，金融風(fēng)控正逐漸從原來的「事后」總結(jié)向「事先」預(yù)防轉(zhuǎn)型,。如何在不影響用戶體驗的情況下快速實現(xiàn)“無感”風(fēng)控,，同時能確保風(fēng)控結(jié)果的準確性就成了金融機構(gòu)亟待解決的問題，特別是金融互聯(lián)網(wǎng)業(yè)務(wù)的興起,，留給一筆交易進行風(fēng)控判斷的時間往往是毫秒級的,，這就導(dǎo)致了業(yè)務(wù)對數(shù)據(jù)管理和分析的實時性要求也越來越高。

下面我們來看一個「悅數(shù)圖數(shù)據(jù)庫」合作過的真實用戶——由于業(yè)務(wù)處于高速發(fā)展階段,，該全球性社交平臺的用戶數(shù)量正經(jīng)歷迅速增長,。用戶數(shù)超過 2000W，MAU（月活躍用戶）超過 1200 W,。用戶量持續(xù)攀升,，面臨幾個挑戰(zhàn)：

1. 如何面向新注冊用戶做推薦，提升留存率
2. 如何精準推薦節(jié)日營銷活動,，提升用戶參與度
3. 各類群組活動層出不窮,，如何幫助不同用戶快速融入各類圈子,，提升活躍度與客戶粘性

針對以上挑戰(zhàn)，悅數(shù)圖數(shù)據(jù)庫的專業(yè)工程師團隊結(jié)合該企業(yè)的實際業(yè)務(wù)情況打造了一套基于知識圖譜的實時推薦解決方案：

1. 構(gòu)建大規(guī)模圖譜：基于用戶,、群組,、活動實體、地理位置等實體,，邀請,、瀏覽、關(guān)注等關(guān)系構(gòu)建用戶關(guān)聯(lián)圖譜,，整個圖譜規(guī)模超過 50 億點,，100 億邊
2. 實時推薦：使用悅數(shù)圖數(shù)據(jù)庫提供的工具產(chǎn)品可以輕松實現(xiàn)實時導(dǎo)入數(shù)據(jù)，確保低延遲,、高并發(fā)下的讀寫性能,。從活動、地理位置,、內(nèi)容、用戶行為,、興趣等多個維度對用戶提供實時個性化推薦,，實時提供個性化推薦理由，提升推薦成功率
3. 實時搜索：基于用戶實時輸入字符實時多度關(guān)聯(lián)關(guān)系推薦,，真正實現(xiàn)了 「Search-as-you-type」

由于悅數(shù)圖數(shù)據(jù)庫采用了相較一般圖數(shù)據(jù)庫更先進的原生分布式架構(gòu),，因此可以高效支持海量數(shù)據(jù)下實時性要求更高的場景，同時具備強大的可擴展性,，能夠靈活支持業(yè)務(wù)數(shù)據(jù)彈性擴展需求,。

通過悅數(shù)圖數(shù)據(jù)庫與該企業(yè)用戶的共同努力，最終這個系統(tǒng)對大規(guī)模用戶并發(fā)下支持萬級 QPS,，100ms 級時延,，可保持業(yè)務(wù)在線彈性擴縮容，有效應(yīng)對業(yè)務(wù)峰值需求,，確保在重大營銷活動中,，有效加深用戶之間的關(guān)聯(lián)關(guān)系，提升用戶留存率（Retention）和月活躍用戶（MAU）,，各類營銷活動用戶參與度顯著提升,，為公司帶來了更高的用戶活躍度和盈利潛力。

業(yè)務(wù)規(guī)模越來越大,，如何保證業(yè)務(wù)在線的同時做到集群的擴展

悅數(shù)圖數(shù)據(jù)庫采用 Shared-Nothing + 計算存儲分離，支持在線彈性擴縮容,，輕松實現(xiàn)資源按需分配,。強大的可擴展性能夠靈活支持業(yè)務(wù)數(shù)據(jù)擴展需求，為未來業(yè)務(wù)的持續(xù)增長奠定了良好基礎(chǔ)。

在悅數(shù)合作的眾多企業(yè)/機構(gòu)用戶中,，不乏有需要業(yè)務(wù)擴展的對象,。以國內(nèi)某研究所為例，從2020年開始使用,，日新增數(shù)據(jù)超過100G,，2022 年底在持續(xù)對外提供業(yè)務(wù)的情況下將集群從 9 節(jié)點擴容到 15 節(jié)點，期間從未停止在線服務(wù),，整體業(yè)務(wù)平穩(wěn)過渡,。

另外，更多企業(yè)在意的擴縮容性能問題也并未出現(xiàn),。悅數(shù)圖數(shù)據(jù)庫充分使用各個節(jié)點資源,，能夠做到線性擴容，確保性能不受集群擴容影響,。以下圖為例,，悅數(shù)圖數(shù)據(jù)庫在集群擴容后，能夠自動進行數(shù)據(jù)均衡,，確保性能線性增長,。

實時在線任務(wù)和離線分析任務(wù)都有,，怎么進行資源隔離

悅數(shù)圖數(shù)據(jù)庫采用“兩套引擎,，一套存儲”的方式，同時支持實時業(yè)務(wù)和離線分析業(yè)務(wù),。

以上圖為例,，當(dāng)在線集群處理高并發(fā)寫入和高并發(fā)查詢業(yè)務(wù)時，離線集群處理異步圖計算等復(fù)雜計算業(yè)務(wù),，結(jié)果寫回在線集群,。離線集群支撐全圖計算和圖學(xué)習(xí)。整個過程中存儲和計算分離部署,，按需配置,，有效隔離 AP 和 TP 的相互影響。

國產(chǎn)信創(chuàng)環(huán)境下,，數(shù)據(jù)安全性有保障

金融行業(yè)肩負著國家的經(jīng)濟大動脈，數(shù)據(jù)安全是第一位的,。悅數(shù)圖數(shù)據(jù)庫作為一款國產(chǎn)自研,，擁有自主知識產(chǎn)權(quán)的高性能圖數(shù)據(jù)庫產(chǎn)品，擁有華為鯤鵬,、歐拉 OS 認證以及飛騰,、龍芯,、麒麟 OS 等多個芯片/服務(wù)器/操作系統(tǒng)的國產(chǎn)化支持，同時也通過了 ISO27001,、ISO9001,、CMMI3 認證，中國信通院 圖數(shù)據(jù)庫/圖計算基礎(chǔ)和高級能力專項評測,，擁有多項核心專利及認證,。

此外，悅數(shù)圖數(shù)據(jù)庫還支持 SSL CA簽名&自簽名證書模式,，提供多種加密策略,，平衡性能要求與數(shù)據(jù)安全要求，支持細粒度控制審計日志,， 可以對不同用戶,，不同的操作均可審計與追溯；支持身份驗證以及細粒度的角色權(quán)限管理,，能夠應(yīng)對復(fù)雜的業(yè)務(wù)場景,，讓數(shù)據(jù)安全更有保障。

綜上,，悅數(shù)圖數(shù)據(jù)庫能充分滿足金融風(fēng)控場景下對圖數(shù)據(jù)庫的多種應(yīng)用要求,，其特性包括——

• 強大的圖查詢語言以及 UDF 能力

nGQL 是悅數(shù)圖數(shù)據(jù)庫使用的的聲明式圖查詢語言，支持靈活高效的圖模式,，易于學(xué)習(xí)，兼容當(dāng)前主流的 opencypher 語法,。同時支持用戶自定義函數(shù),，可編寫復(fù)雜的風(fēng)控業(yè)務(wù)策略；同時,，悅數(shù)圖數(shù)據(jù)庫在未來也會兼容全球的 ISO-GQL 標準,。

• 高效調(diào)度圖查詢、圖算法以及利用圖可視化做挖掘 & 探索分析

悅數(shù)圖探索是一款可以通過 Web 訪問的可視化圖探索工具,，搭配悅數(shù)圖數(shù)據(jù)庫內(nèi)核使用,，用于與圖數(shù)據(jù)進行可視化交互。即使沒有圖數(shù)據(jù)操作經(jīng)驗,，用戶也可以快速成為圖專家,。

• 高并發(fā)、低時延,、高可用,、在線擴容

悅數(shù)圖數(shù)據(jù)庫可以滿足 10W 級并發(fā)下的毫秒級查詢時延；支持單機房高可用和兩地多中心災(zāi)備部署,，業(yè)務(wù)高峰期依然可以在線擴容

• 整體產(chǎn)品的穩(wěn)定,、運維的便利性

悅數(shù)運維監(jiān)控是一款用于監(jiān)控和管理 悅數(shù)圖數(shù)據(jù)庫 多集群中機器和服務(wù)狀態(tài)的可視化工具,，可服務(wù)于 DBA 和運維人員進行日常多集群機器和服務(wù)的運維 & 監(jiān)控管理工具，支持自動部署服務(wù),、啟停節(jié)點和服務(wù),、日常指標監(jiān)控、水位告警等,。?

圖技術(shù)在金融風(fēng)控中的應(yīng)用場景

場景1：反欺詐

傳統(tǒng)的反欺詐手段有個很重要的問題就是信息不對稱,，金融機構(gòu)很難快速去驗證信貸客戶信息哪些是真實的，哪些是經(jīng)過包裝的,，這就導(dǎo)致很多風(fēng)控措施都相當(dāng)滯后——往往采取措施時資金損失已經(jīng)發(fā)生,。

使用圖數(shù)據(jù)庫可以打通多系統(tǒng)、多維度,、多類型的數(shù)據(jù),，融合成全行業(yè)務(wù)的整體視圖。通過申請注冊 IP,、設(shè)備號,、手機號、地理經(jīng)緯度等多個維度實時分析欺詐行為,，結(jié)合圖算法及時發(fā)現(xiàn)隱蔽的團體作弊行為,，及時阻止欺詐交易并封禁賬號，提升申請/交易欺詐識別率,，避免可能出現(xiàn)的經(jīng)濟損失,。

場景2：反洗錢

傳統(tǒng)的反洗錢模型通常只能關(guān)注一度的交易行為，難以進行有效排序和過濾,。如果使用人工審核案件,，則難以進行深度、有效的探索分析,，特征也不具備可解釋性,，因此難以對團伙作案進行高效管控。

使用圖數(shù)據(jù)庫可以有效補充黑產(chǎn)賬戶的隱藏鏈接,、多賬號共同信息等圖特征,，通過機器學(xué)習(xí)輔助提升識別準確率，減少誤報,?；趫D可視化快速進行多層探索分析，特征可解釋性強,。另外,，圖數(shù)據(jù)庫上還支持 K-core、Louvain 等多種圖算法,，可以提升欺詐團伙識別效率,。

場景3：擔(dān)保圈識別

金融擔(dān)保業(yè)務(wù)中經(jīng)常存在交叉擔(dān)保的現(xiàn)象,，但由于擔(dān)保群體的復(fù)雜性和擅于鉆規(guī)則漏洞的隱蔽性，現(xiàn)有技術(shù)對于三個或三個以上的客戶形成的環(huán)狀擔(dān)?；緹o法解決,，尤其缺乏深層次和動態(tài)的分析監(jiān)測，擔(dān)保規(guī)模越大,、復(fù)雜性越高,，越難以進行深層次分析。

基于圖的深度查詢正適合高效識別擔(dān)保圈/擔(dān)保鏈,，同時基于多種圖可視化手段,，金融機構(gòu)可以快速進行多層的深度探索分析，及時發(fā)現(xiàn)并識別核心風(fēng)險擔(dān)保圈,，對即將發(fā)出的信貸申請進行預(yù)警,，減少人工審核失誤，提升風(fēng)控效率,。

場景4：企業(yè)圖譜

金融機構(gòu)在處理業(yè)務(wù)申請或交割事宜中經(jīng)常需要分析企業(yè)的生產(chǎn)經(jīng)營狀況,，而全局視圖的缺失非常容易導(dǎo)致信息掌握不全面。另外依靠人力很難及時發(fā)現(xiàn)不同企業(yè)間相互傳導(dǎo)的潛在風(fēng)險因素,，這些都會導(dǎo)致金融借貸,、放款審核時的錯判漏判。

使用圖數(shù)據(jù)庫可以通過持股關(guān)系及圖算法,，可以有效識別隱形集團或發(fā)現(xiàn)異常成團情況,。基于多層關(guān)系穿透查詢,，也能迅速發(fā)現(xiàn)實際控制人和控制路徑,，并通過實時計算某信用風(fēng)險引起的關(guān)聯(lián)客群風(fēng)險快速識別傳導(dǎo)路徑，讓企業(yè)實控人關(guān)系,、股權(quán)/轉(zhuǎn)讓關(guān)系、風(fēng)險傳導(dǎo)等關(guān)系等一目了然,。

場景5：交易圖譜

在涉賭涉詐,、貸后資金流向等場景中，金融機構(gòu)流出的資金往往涉及多層次的轉(zhuǎn)賬關(guān)系,。這個過程中可能會涉及多種平臺機構(gòu),、空殼企業(yè)以及歷史流水的轉(zhuǎn)入轉(zhuǎn)出操作，交易賬戶,、交易主體和行為都非常復(fù)雜,，使用傳統(tǒng)手段難以及時發(fā)現(xiàn)其中隱藏的作弊行為。

通過圖數(shù)據(jù)庫可以最大程度地還原真實的交易場景,，這是以往在核查單觀察,，或者在系統(tǒng)上一步一步點擊流水不容易觀察到的,。分析人員結(jié)合賬戶特征，就可以在圖譜上觀察有沒有分散的轉(zhuǎn)出和轉(zhuǎn)入,，或者交易對手成批地更換,。結(jié)合這些特征和行為，就可以分析賬戶在整張交易網(wǎng)絡(luò)中的作用,，快速精準地鎖定資金最后的流向,、受益人是誰。

總結(jié)

如今,，金融欺詐及作弊行為比以往任何時候都要更加普遍,、出人意料且速度更快，響應(yīng)行動應(yīng)分秒必爭,。選擇一款好的圖數(shù)據(jù)庫產(chǎn)品不僅可以賦予上層應(yīng)用更多的敏捷性,，而且能在底層提供更安全穩(wěn)定、易擴展的生產(chǎn)環(huán)境,，大幅度減輕后續(xù)運維的壓力,。目前廣受歡迎的「悅數(shù)圖數(shù)據(jù)庫」就采用了 Shared-Nothing 和存算分離的架構(gòu)，在波峰波谷可以分別做計算和存儲層橫向拓展,，其次悅數(shù)圖數(shù)據(jù)庫本身也是一款云原生分布式的圖數(shù)據(jù)庫產(chǎn)品,，因此能夠很好去應(yīng)對彈性方面的需求。

另一方面,，好的應(yīng)用表現(xiàn)離不開本土化團隊的支持,，尤其在關(guān)鍵生產(chǎn)業(yè)務(wù)當(dāng)中。作為國產(chǎn)自主研發(fā)的分布式圖數(shù)據(jù)庫代表,，悅數(shù)圖數(shù)據(jù)庫擁有經(jīng)驗豐富的研發(fā)和實施交付團隊,。除了提供企業(yè)級服務(wù)之外，悅數(shù)圖數(shù)據(jù)庫也提供了一系列可視化的探索和管理工具,，讓業(yè)務(wù)人員更好去做數(shù)據(jù)的分析探索,，數(shù)據(jù)更直觀且具有可解釋性。

目前,，悅數(shù)圖數(shù)據(jù)庫已經(jīng)在興業(yè)銀行,、長沙銀行、微眾銀行等多家銀行客戶上線,，同時擁有多個某省公安廳,、某科學(xué)院、國家某局客戶,，海量用戶驗證了悅數(shù)圖數(shù)據(jù)庫具備優(yōu)異的企業(yè)級性能,，能夠適應(yīng)各種場景對圖的要求。歡迎您搜索「悅數(shù)圖數(shù)據(jù)庫」了解 用戶案例 或者直接點擊 申請免費試用 直觀感受圖技術(shù)的應(yīng)用場景和悅數(shù)的產(chǎn)品能力,。