现代应用程序的统一基石
构建现代应用程序通常需要手动整合图数据库、文档存储、向量数据库和搜索索引。每增加一个系统，复杂性和成本都会随之上升。
ArangoDB 选择了一条更优路径：
原生多模型数据基础：集图数据、向量、文档、键值对、搜索于一体
通过单一语言（AQL）即可跨模型查询，无需切换不同API
消除数据孤岛、不稳定的集成与临时数据管道
降低成本并加速产品上市
凭借ArangoDB，您无需手动集成多系统即可建模真实业务场景中的复杂关系，并能自信应对高数据量和高并发挑战。
荣获2025年秋季全球图数据库排名第一
ArangoDB 核心能力
多模型数据库
ArangoDB作为原生的图多模型数据库，在一个平台内集成了可扩展的图、向量、文档、键值和全文搜索功能：
- 消除数据孤岛与脆弱集成
- 灵活建模复杂现实系统
- 无需切换语言即可查询所有数据类型
知识图谱
ArangoDB的原生图引擎可表示并查询复杂的现实世界关系，这是构建上下文丰富的AI、推荐系统和数据洞察的基础：
- 属性图模型：以JSON文档形式存储实体与关系，属性灵活可扩展
- 有向边：定义节点间单向或双向关系，支持丰富的语义建模
- 命名图：通过托管图自动维护数据完整性与一致性
- 智能图、企业图、卫星图：在分布式环境中优化规模、性能与数据就近性
- 遍历与路径算法：跨多层级关系进行查询，发掘隐藏的模式与洞察
- AQL集成：使用统一查询语言，将图、文档、向量和搜索数据结合查询
统一搜索
通过单一查询语言实现所有数据模型的内置联合搜索：
- 使用AQL SEARCH查询图、文档和键值数据
- 通过BM25和TF-IDF按相关性排序结果
- 应用语言分析器进行分词、词干提取与标准化
分布式SmartGraphs
智能分布图数据以最小化跨服务器跳转并提升查询性能：
- 针对分布式工作负载进行优化
- 降低大规模图查询的延迟
事务与可靠性
ArangoDB通过完整的ACID保证与多种事务类型，在各种工作负载中确保数据完整性与一致性能：
- AQL事务：在查询中执行简单的原子操作
- 流事务：支持显式开始、提交和回滚的多文档事务，实现精细化控制
- JavaScript事务：在服务器上通过单个请求事务执行自定义逻辑
- 兼容ACID：通过原子性、一致性、隔离性、持久性操作，确保可靠性
- 可配置持久性：控制写入持久化与集合级持久性，实现性能与安全的平衡
单一查询语言（AQL）
跨所有数据模型的声明式语言，支持自然语言式访问：
- 混合遍历、连接、过滤和聚合操作
- 通过绑定参数确保安全与高效
- 在单个查询中处理地理查询、排序和相似度分析
横向与纵向扩展性
ArangoDB作为原生的图多模型数据库，在一个平台内集成了可扩展的图、向量、文档、键值和全文搜索功能：
- 随工作负载增长无缝扩展
- 通过智能分片和高可用复制实现横向扩展
- 通过增加计算或存储能力实现纵向扩展，内置故障转移与恢复机制，保障企业级可靠性
时间追溯
「回溯到任意关键时间点」，查询图谱数据以满足合规、审计、版本控制与历史分析需求：
- 追踪数据与关系随时间的变化
- 获取任意时间点的图数据快照以进行溯源分析
- 通过时间遍历执行跨时段影响分析
| 能力模块 | 技术特性 | 业务价值定位 | 典型应用场景 |
|---|---|---|---|
| 文档（Document） | JSON 格式、无模式设计、可选 Schema 验证 | 敏捷开发、灵活建模、快速迭代 | 用户画像、内容管理、配置存储、产品目录 |
| 图（Graph） | 原生图存储、节点与边均为完整文档、遍历深度无限制 | 关系洞察、网络分析、实时推理 | 风控图谱、供应链网络、社交关系、知识图谱 |
| 键值（Key-Value） | 基于 _key 的高效点查、内嵌于文档模型 | 高性能访问、低延迟响应 | 会话缓存、计数器、实时状态、令牌存储 |
| 搜索（ArangoSearch） | 倒排索引、BM25/TF-IDF 评分、WAND 优化 | 智能检索、相关性排序、大规模 Top-K 查询 | 电商搜索、日志分析、内容推荐、合规审查 |
| 向量（Vector Search） | 高维向量嵌入、余弦/欧氏距离、近似最近邻 | 语义理解、AI 原生支持、相似度匹配 | RAG、GraphRAG、以图搜图、个性化推荐 |
大规模场景下的性能表现
ArangoDB提供现代应用所需的高吞吐量与可靠性：
110万+
大型集群每秒查询处理能力
数十亿
图的节点与边规模
600倍
GPU加速相较于CPU分析的性能提升
生产环境可信验证
高科技、政府、电信、医疗与金融服务等各行业企业均依赖ArangoDB支撑关键业务系统：
行业应用场景
跨越医疗、金融、电信与政府领域，ArangoDB为各行业用例提供关联数据与上下文信息：
金融服务
降低风险、欺诈检测、提升客户服务
医疗健康
更优洞察、更佳护理、更低成本
电信运营
智能网络、强化安全、提升体验
政府服务
安全高效、以民为本的服务体系
高科技
简化技术栈、加速创新迭代
Neo4j vs. ArangoDB
| 对比维度 | Neo4j | ArangoDB |
|---|---|---|
| 核心定位 | 原生图数据库，图是唯一核心能力 | 原生多模型数据库，图是五大能力之一 |
| 数据模型 | 属性图（Property Graph） | 文档+图+键值+搜索+向量 |
| 查询语言 | Cypher（专注图查询），需 Bolt 协议 | AQL（统一多模型查询） |
| 扩展架构 | Neo4j 5 引入 Fabric 分片，但成熟度有限 | 分布式集群，自动分片 |
| 文档存储 | 需通过节点属性模拟，无原生文档能力 | 原生支持，无模式灵活 |
| 全文搜索 | 需集成 Elasticsearch 或 Apache Lucene | ArangoSearch 原生集成 |
| 向量搜索 | 需 Neo4j 5.11+ 的向量索引，生态较新 | 原生支持，与图融合 |
| 典型场景 | 深度图分析、复杂网络科学、实时推荐 | 混合数据负载、知识图谱、GraphRAG |
| 部署复杂度 | 生产环境通常需配合多个外部系统 | 单一系统，运维简化 |
部署选项
Arango AMP
由Arango全托管运维的云服务
自托管
通过Kubernetes、Docker、
虚拟机或裸金属部署
OEM/嵌入式
将ArangoDB直接集成至您的产品
