23ai 新特性之SQL 属性图

Oracle 23ai的SQL 属性图，核心是将图数据模型与SQL语言深度融合，实现“关系数据→属性图→SQL查询”的全流程原生支持。属性图由顶点（Vertices）、边（Edges）组成，顶点代表数据实体（如用户、订单、产品），边代表实体间的关联关系（如“用户购买产品”“朋友关系”“供应链依赖”），顶点和边都可以携带键值对形式的属性（如用户的姓名、年龄，订单的金额、日期）。

与专用图数据库不同，SQL 属性图无需将数据导出到外部系统，而是直接基于企业现有关系表创建，数据仍存储在关系表中，属性图本质上是对关系数据的“视图级封装”。这一设计不仅避免了数据冗余与同步问题，还让开发者能够用熟悉的SQL语法编写图查询，无需学习新的图查询语言（如PGQL），大幅降低了图分析的门槛，实现了关系数据与图数据的统一管理与查询。

同时，SQL 属性图遵循SQL:2023标准，支持GRAPH_TABLE运算符与MATCH子句，让图查询能够与传统SQL查询无缝结合，适配企业现有的技术栈与开发习惯，真正实现了“用SQL搞定图分析”。

接下来模拟两个业务场景

场景1:社交网络好友关系图查询

需求：基于用户表与好友关系表，创建属性图，查询用户之间的好友关系、最短好友链。

• 步骤1：创建底层关系表并插入测试数据

  -- 创建用户表（顶点表）
  CREATE TABLE users (
  user_id NUMBER PRIMARY KEY,
  user_name VARCHAR2(100) NOT NULL,
  age NUMBER,
  city VARCHAR2(50)
  );
  -- 创建好友关系表（边表）
  CREATE TABLE friend_relation (
  relation_id NUMBER PRIMARY KEY,
  from_user_id NUMBER REFERENCES users(user_id),
  to_user_id NUMBER REFERENCES users(user_id),
  relation_date DATE DEFAULT SYSDATE,
  -- 边的属性：好友关系类型（同学、同事、家人）
  relation_type VARCHAR2(20)
  );
  -- 插入测试数据
  INSERT INTO users VALUES (1, '张三', 25, '北京');
  INSERT INTO users VALUES (2, '李四', 26, '上海');
  INSERT INTO users VALUES (3, '王五', 24, '北京');
  INSERT INTO users VALUES (4, '赵六', 27, '广州');
  INSERT INTO friend_relation VALUES (101, 1, 2, SYSDATE, '同学');
  INSERT INTO friend_relation VALUES (102, 1, 3, SYSDATE, '同事');
  INSERT INTO friend_relation VALUES (103, 2, 4, SYSDATE, '朋友');
  INSERT INTO friend_relation VALUES (104, 3, 4, SYSDATE, '同学');
  COMMIT;

• 步骤2：创建SQL 属性图

  -- 创建属性图，定义顶点与边
  CREATE PROPERTY GRAPH social_graph
  -- 定义顶点：用户
  VERTEX TABLES (
  users 
    KEY (user_id) 
    PROPERTIES (user_id, user_name, age, city)
  )
  -- 定义边：好友关系
  EDGE TABLES (
  friend_relation
    KEY (relation_id)
    SOURCE KEY (from_user_id) REFERENCES users(user_id)
    DESTINATION KEY (to_user_id) REFERENCES users(user_id)
    PROPERTIES (relation_id, relation_type, relation_date)
  );

• 步骤3：执行图查询

  -- 1. 查询张三（user_id=1）的所有好友
  SELECT t.user_name AS 好友姓名, t.age AS 好友年龄, t.relation_type AS 关系类型
  FROM GRAPH_TABLE (
  social_graph
  MATCH (u:users)-[r:friend_relation]->(v:users)
  WHERE u.user_id = 1
  COLUMNS (v.user_name, v.age, r.relation_type)
  ) t;
  -- 2. 查询张三（user_id=1）到赵六（user_id=4）的最短好友链
  SELECT t.path_length, t.user_names
  FROM GRAPH_TABLE (
  social_graph
  MATCH SHORTEST PATH (u:users)-[*]->(v:users)
  WHERE u.user_id = 1 AND v.user_id = 4
  COLUMNS (
  COUNT(r.relation_id) AS path_length,
  LISTAGG(u.user_name || '->' || v.user_name, ',') WITHIN GROUP (ORDER BY r.relation_id) AS user_names
  )
  ) t;

  场景2：电商产品关联推荐查询

  需求：基于用户、订单、产品表，创建属性图，查询“购买了某产品的用户还购买了哪些产品”，用于产品推荐。

• 步骤1：复用电商订单底层表（前文已创建），创建属性图

  -- 创建电商产品关联属性图
  CREATE PROPERTY GRAPH product_recommend_graph
  -- 定义顶点：用户、产品
  VERTEX TABLES (
  customer 
    KEY (cust_id) 
    PROPERTIES (cust_id, cust_name),
  order_item
    KEY (item_id)
    PROPERTIES (item_id, product_name, unit_price)
  )
  -- 定义边：用户购买产品（通过订单关联）
  EDGE TABLES (
  orders
    KEY (order_id)
    SOURCE KEY (cust_id) REFERENCES customer(cust_id)
    DESTINATION KEY (order_id) REFERENCES order_item(order_id)
    PROPERTIES (order_id, total_amount, order_date)
  );

  步骤2：查询产品关联推荐数据

  -- 查询购买了“手机”的用户还购买了哪些产品
  SELECT t.recommend_product, COUNT(t.recommend_product) AS 购买次数
  FROM GRAPH_TABLE (
  product_recommend_graph
  MATCH (c:customer)-[o:orders]->(i1:order_item),
      (c)-[o2:orders]->(i2:order_item)
  WHERE i1.product_name = '手机' AND i2.product_name != '手机'
  COLUMNS (i2.product_name AS recommend_product)
  ) t
  GROUP BY t.recommend_product
  ORDER BY 购买次数 DESC;

  执行后，会返回购买过手机的用户同时购买的其他产品及购买次数，可直接用于产品推荐场景。