v3.2.0 版本针对点边进行了计算下推的优化，性能总体上较 v3.1.0 版本有所提升。整体用例的 Latency 性能均有一定幅度的提升，耗时降低约 5%~10%；Match 索引及 Match2Hop 的 QPS 增幅约 20%。
v3.2.0 版本针对点边进行了计算下推的优化，性能总体上较 v3.1.0 版本有所提升。整体用例的 Latency 性能均有一定幅度的提升，耗时降低约 5%~10%；Match 索引及 Match2Hop 的 QPS 增幅约 20%。
在 v3.1.0 版本中，查询和数据导入性能基本上和 v3.0.0 持平。MATCH 语句针对属性读取做了优化，本次测试新增了相应的用例，性能对比 v3.0.0 有大幅提升。
在 v3.1.0 版本中，查询和数据导入性能基本上和 v3.0.0 持平。MATCH 语句针对属性读取做了优化，本次测试新增了相应的用例，性能对比 v3.0.0 有大幅提升。
除了 v3.0.0 的性能报告之外，还有和 Baseline 的性能对比。
除了 v3.0.0 的性能报告之外，还有和 Baseline 的性能对比。
美团内部在骑手社交网络、金融反欺诈、设备风险识别等诸多场景下也有使用图计算的迫切需求。经过广泛的调研后，美团技术团队列举一些有代表性的图计算框架，并对当中的 GraphX、Giraph、Plato 3 个框架进行测试……
美团内部在骑手社交网络、金融反欺诈、设备风险识别等诸多场景下也有使用图计算的迫切需求。经过广泛的调研后，美团技术团队列举一些有代表性的图计算框架，并对当中的 GraphX、Giraph、Plato 3 个框架进行测试……
除了 v2.6.0 的性能报告之外，还有 v2.5.0 和 v2.6.0 的性能对比。
除了 v2.6.0 的性能报告之外，还有 v2.5.0 和 v2.6.0 的性能对比。
在同花顺知识图谱团队开启知识图谱战略之后，一开始使用的是 Neo4j，但在使用过程中发现随着金融业务的增长，Neo4j 并不能很好地应对增长的业务。至此，知识图谱团队开始了选型之旅…
在同花顺知识图谱团队开启知识图谱战略之后，一开始使用的是 Neo4j，但在使用过程中发现随着金融业务的增长，Neo4j 并不能很好地应对增长的业务。至此，知识图谱团队开始了选型之旅…
这是一份关于 v2.5.0 的性能测试报告，里面还比较了 v2.5.0 和 v.2.0.1 的性能。
这是一份关于 v2.5.0 的性能测试报告，里面还比较了 v2.5.0 和 v.2.0.1 的性能。
