# 反欺诈查询要连环 JOIN 时，数据就是一张图

> AWS 也承认，图数据库只在高度关联的数据上见效，信号藏在客户的提问方式里。

原文: https://fdetimes.net/zh/guides/graph-databases-neo4j-neptune-graphrag/

你入职一家金融科技公司的第二周。风控团队交给你三张表：账户、支付卡和登录 IP 地址。他们的问题听上去很简单：“哪些账户与已确认的欺诈账户共用同一张卡、同一个邮箱或同一个 IP，包括隔两三层的间接关联？”

你打开 Postgres，写出第一个查询，接着写出长了一倍的第二个。到第三层时，查询已经堆满了 JOIN，跑得很慢，会议室里也没人敢确定它是对的。

前线部署工程师（FDE）需要尽早识别出这个时刻：客户的数据不是一组表，而是一张网络。识别得早，第一周就能选对工具，不必到第二个月再重写整条数据管道。

## 数据什么时候才真正是网络？

AWS 对图数据库的定义是：把数据存储为实体及其相互关系所构成网络的数据库。在同一份文档里，AWS 也明确指出，专用图数据库在高度关联的数据集上价值最大，而简单的表格数据更适合关系型数据库。

第二句话和第一句同样重要。订单列表、工资单、单笔交易日志，都留在 Postgres 里就好。真正的信号在客户的问题里：问题是否沿着“谁和谁相连、通过什么相连、隔了几跳”这条链条展开。

AWS 列出的用例都有这种形态：社交网络、商品推荐、通过共用邮箱、银行卡和 IP 做欺诈检测、路径优化、知识管理。客户描述问题时，留意他们是否在描述一条穿过多个实体的路径。

**要点:** 选择图数据库，是因为问题沿着关系展开，而不是因为数据量大。

## 同一个欺诈团伙，两种写法

设想一个关系型模式：一张 `accounts` 表，加上关联表 `account_cards(account_id, card_id)` 和 `account_ips(account_id, ip)`。仅针对一种属性类型，找出与被标记账户直接共用银行卡的账户，就已经需要这样写：

```sql
SELECT DISTINCT ac2.account_id
FROM accounts f
JOIN account_cards ac1 ON ac1.account_id = f.id
JOIN account_cards ac2 ON ac2.card_id = ac1.card_id
WHERE f.flagged = true AND ac2.account_id <> f.id;
```

要加上 IP，就得再 UNION 一段类似的代码。要再往外走一层（A 与 B 共用银行卡，B 与 C 共用 IP），JOIN 的数量会随属性类型的每种组合成倍增长。每加一层，就要重写一次。

换成图模型来问同一个问题：账户、银行卡、邮箱和 IP 都是节点，`USES` 关系把账户和它使用的东西连起来。Neo4j 上的 Cypher 查询如下：

```cypher
MATCH (f:Account {flagged: true})-[:USES*2..6]-(a:Account)
WHERE a <> f
RETURN DISTINCT a.id
```

每个“共用”步骤是两条边（账户到银行卡，银行卡再回到另一个账户），所以 `*2..6` 表示最多向外走三层。调整深度只需改一个数字。新增一种属性类型（比如手机号）也不用改查询，只要加入新节点和 `USES` 边。

这正是要让风控团队亲眼看到的优势。AWS 还宣传图数据增长时性能保持稳定；把这当作厂商的说法，在客户数据上实测之后再做任何承诺。

## Neo4j 还是 Neptune：先问语言和基础设施

图查询语言至今仍然分散：Neo4j 的 Cypher、Apache TinkerPop 的 Gremlin、W3C 面向 RDF 的 SPARQL，以及作为 ISO 标准的 GQL。建模方面主要有两派：带标签的属性图（节点和边都带属性，如上例）和 RDF。

| 维度 | Neo4j | Amazon Neptune |
|---|---|---|
| 数据模型 | 属性图 | 同时支持属性图和 RDF |
| 语言 | Cypher；从 2025.06 版起，新功能只进入 Cypher 25，Cypher 5 已冻结 | Gremlin、openCypher、SPARQL |
| GraphRAG | 定位为 AI 的“知识层”，主推 Agentic GraphRAG | 通过 Amazon Bedrock Knowledge Bases 提供托管 GraphRAG |

架构上，一个 Neptune 集群有一个主写入实例和最多 15 个只读副本，共享一个跨多个可用区（AZ）分布的集群卷。与之配套的还有 Neptune Analytics，这是一个独立的内存分析引擎，在需要分析大量图数据时作为 Neptune 数据库的补充。

到了客户现场，这张表可以归结为几个很实际的问题。如果客户的一切都已跑在 AWS 上，运维团队又不想再多维护一套系统，Neptune 的阻力更小。如果客户的数据本来就是 RDF 或行业本体，Neptune 配 SPARQL 是自然之选。

如果客户自己的团队要长期编写和维护查询，对熟悉 SQL 的人来说，Cypher 通常更易读。由于 Neptune 支持 openCypher，可以先用 Cypher 做原型，在确定平台之前逐项核对功能。在交接文档里写明 Cypher 版本，因为 Cypher 5 已不再获得新功能。

## GraphRAG 能回答哪些问题？

图还有第二个用途：作为 AI 问答系统的基础。微软的 GraphRAG 研究指出，传统 RAG 在面向整个文本语料库的全局问题上会失效。这正是采用图方法的动机。

假设客户有几千份事故报告。“12 号那起事故的原因是什么？”是局部问题：向量检索找到对的几段文字就够了。

“过去三年里，哪种原因反复出现得最多？”就不一样了。没有哪段文字现成地包含答案，检索最相似的 top-k 段落只能得到片面的视图。

图在这里有用，因为它把整个集合里的实体（设备、供应商、故障类型）及其关系汇聚起来，系统依据结构作答，而不是依据几段彼此割裂的文字。但如果客户 90% 的问题都是局部问题，GraphRAG 只会徒增成本和复杂度。

## 现场分步做法

从问题出发，而不是从工具出发。收集 15 到 20 个客户确实需要回答的问题，标出哪些需要跨越多跳关系，哪些覆盖整个文档集合。

接着，和客户的领域专家一起在白板上画出节点和边的模型。以上面的金融科技为例，四种节点加一种边就足以做演示。然后导入一部分真实数据，用 Cypher 或 Gremlin 重写最难的两三个问题，与 SQL 版本并排放在一起，让客户自己比较。

最后才选平台，依据是客户现有的基础设施、团队将要维护的语言，以及繁重的分析是否应交给 Neptune Analytics 这类内存引擎。

## 常见错误

最常见的错误是仅仅因为“GraphRAG 很火”，就把图数据库用在本质上是表格的数据上。第二种是把一切都建模成节点，包括本该只是属性的字段，结果图越来越臃肿，查询越来越慢。

第三种是让没有上限的变长查询（如 `[:USES*]`）在生产数据上运行；在稠密网络中，它们几乎会遍历整张图。第四种是轻信营销数字，比如 Neptune 宣传的每秒 10 万次以上查询，而不在客户的真实负载上做基准测试。

对于转向 FDE 岗位的开发者，这项技能很容易展示。一个小仓库，用 SQL 和 Cypher 分别写同一个问题，再附上选择这种模型的理由，比简历上写“熟悉 Neo4j”更有说服力。

看岗位描述时，如果问题属于图的典型用例，比如欺诈检测、推荐或知识管理，就把这个仓库放在申请材料的最前面。

下次 SQL 查询开始让一张表和自己做 JOIN 时，停下来问问客户：他们真正的问题要跨越几跳关系？

**本周动手试试:**

- 在本地 Neo4j 上搭一张小图，包含约 20 个账户、10 张银行卡和 10 个 IP，然后写一个查询，找出距离被标记账户最多 2 步的账户。
- 在 Postgres 上用 SQL 重写这个查询，记下 JOIN 的数量，以及写出来和读回来各花了多长时间。
- 拿客户常向内部聊天机器人提的 20 个真实问题，区分哪些是局部问题，哪些覆盖整个集合。

## 信源

- [What is a Graph database? (AWS)](https://aws.amazon.com/nosql/graph/)

- [Graph database - Wikipedia](https://en.wikipedia.org/wiki/Graph_database)

- [What Is Amazon Neptune? (AWS Docs)](https://docs.aws.amazon.com/neptune/latest/userguide/intro.html)

- [Amazon Neptune (AWS)](https://aws.amazon.com/neptune/)

- [Neo4j](https://neo4j.com)

- [Cypher Manual: Introduction (Neo4j Docs)](https://neo4j.com/docs/cypher-manual/current/introduction/)

- [From Local to Global: A Graph RAG Approach to Query-Focused Summarization](https://arxiv.org/abs/2404.16130)
