现代商业社会对数据库性能方面的要求推动了数据处理基础架构与技术的发展。下图展示了以数据库为中心的数据处理基础架构和技术的进化路径：从关系型数据到大数据，从大数据到快数据，从快数据到深数据，从深数据到图数据（Relational Data → Big Data → Fast Data → Deep Data → Graph Data）。

数据处理基础架构与技术的进化路线

与业界的数据处理技术的演化路径（数据到大数据到快数据到图数据）相对应，底层的数据库架构也从关系型数据库（RDBMS/SQL）向非关系型数据库（Hadoop/Spark/NoSQL等）、GQL和图数据库框架演进。

技术的革新既源自于实际业务的需求，也催生了新业务的发展。以金融场景中的应用为例，伴随着数据库技术的发展，金融领域的业务类型先后历经了点、线、面、体的提升：从聚合类规则计量到下钻类规则计量，再到复杂多层嵌套关系挖掘类规则计量，再到跨时间、空间等多维度因子的高维数据关联计量。

图数据库相对传统数据库而言，其运算性能与效率有着指数级提升。图计算是一种典型的复杂网络计算，是还原人类大脑工作机制最为贴切的逆向工程。下面我们就来详细对比图数据库与传统关系型数据库的区别。