使用PostgreSQL可通过节点表和边表建模图结构，结合递归CTE实现高效图遍历查询。
PostgreSQL 虽然是关系型数据库，但通过扩展和设计技巧，可以有效建模复杂的关系图结构。当面对社交网络、知识图谱、依赖分析等场景时，传统表结构可能难以表达多层关联，这时候需要结合 PostgreSQL 的特性进行图模型实践。
使用原生表结构模拟图关系
图的基本元素是节点（顶点）和边（关系），可以在 PostgreSQL 中用两张表表示：
节点表（vertices）：存储实体，如用户、设备、文章等。边表（edges）：存储两个节点之间的关系，包含源节点、目标节点和关系类型。
示例建模：
CREATE TABLE vertices ( id BIGSERIAL PRIMARY KEY, label TEXT NOT NULL, -- 节点类型，如 'user', 'post' properties JSONB -- 动态属性 ); <p>CREATE TABLE edges ( id BIGSERIAL PRIMARY KEY, src BIGINT REFERENCES vertices(id) ON DELETE CASCADE, dst BIGINT REFERENCES vertices(id) ON DELETE CASCADE, type TEXT NOT NULL, -- 关系类型，如 'FOLLOWS', 'LIKES' properties JSONB, created_at TIMESTAMP DEFAULT NOW(), UNIQUE(src, dst, type) -- 避免重复边 );</p><p>-- 建立索引加速遍历 CREATE INDEX idx_edges_src ON edges(src); CREATE INDEX idx_edges_dst ON edges(dst);</p>
这种结构支持灵活的图查询，比如“查找 A 关注的人”：
SELECT v.* FROM vertices v JOIN edges e ON v.id = e.dst WHERE e.src = (SELECT id FROM vertices WHERE ...) AND e.type = 'FOLLOWS';
利用图遍历优化查询性能
对于深度关系（如“朋友的朋友”），递归查询是关键。PostgreSQL 支持 CTE（Common Table Expressions）递归查询，适合实现图的广度或深度优先搜索。
例如：查找某用户两层以内的关注者
WITH RECURSIVE traversal AS ( -- 初始层：起点用户 SELECT id, 0 AS depth FROM vertices WHERE label = 'user' AND ... UNION ALL -- 递归层：通过 FOLLOWS 关系扩展 SELECT v.id, t.depth + 1 FROM vertices v JOIN edges e ON e.src = traversal.id JOIN vertices v ON v.id = e.dst JOIN traversal t ON t.id = e.src WHERE t.depth < 2 AND e.type = 'FOLLOWS' ) SELECT DISTINCT id FROM traversal;
注意控制递归深度，避免无限循环。可结合 MAXRECURSION 思路（虽 PostgreSQL 无此语法，但可用 depth < N 控制）。
结合 JSONB 和 GIN 索引支持动态图属性
图数据常带有动态属性（如用户昵称、时间戳、权重）。使用 JSONB 字段能灵活应对变化，配合 GIN 索引实现高效过滤。
-- 为属性建立索引 CREATE INDEX idx_vertices_props ON vertices USING GIN (properties); CREATE INDEX idx_edges_props ON edges USING GIN (properties); <p>-- 查询点赞数大于 100 的文章 SELECT v.* FROM vertices v WHERE v.label = 'post' AND (v.properties->>'likes')::INT > 100;</p>
JSONB 让 schema 更灵活，适合快速迭代的图应用。
考虑使用 Apache AGE 扩展实现原生图查询
如果图操作频繁且复杂，推荐使用 Apache AGE —— PostgreSQL 的图数据库扩展。它在 PG 上实现了类似 Neo4j 的 Cypher 查询语言。
安装并启用 AGE 后，可直接写图模式匹配：
-- 加载 AGE
LOAD 'age';
SET search_path = ag_catalog, "$user", public;
<p>-- 创建图
SELECT create_graph('social');</p><p>-- 插入节点和边
SELECT * FROM cypher('social', $$
CREATE (:User {name: 'Alice'})-[:FOLLOWS]->(:User {name: 'Bob'})
$$) as (n agtype);</p><p>-- 查询路径
SELECT <em> FROM cypher('social', $$
MATCH (u1:User)-[:FOLLOWS</em>1..3]->(u2:User)
WHERE u1.name = 'Alice'
RETURN u2.name
$$) as (name agtype);</p>AGE 将图语义与 PostgreSQL 的事务、复制能力结合，是复杂图场景的理想选择。
基本上就这些。从基础表结构到递归查询，再到 JSONB 和 AGE 扩展，PostgreSQL 完全可以胜任图数据建模任务，关键是根据业务复杂度选择合适层级的方案。
