Netflix 构建了一个实时分布式图，以支持其内部合作伙伴的实时洞察，本博客系列的第三部分聚焦于高效查询该图。该图是一个包含数十亿节点和边的复杂网络，对其进行查询需要一个快速且灵活的 serving 层。作者讨论了查询该图所面临的挑战，包括处理广泛的访问模式，并支持浅宽型（shallow-wide）和深窄型（deep-narrow）查询。他们阐述了如何设计一个 serving 层以高效查询该图，采用广度优先（breadth-first）方法和异步组合（asynchronous composition）来最小化延迟。作者还讨论了缓存、按需增强（opt-in enrichments）以及最终一致性（eventual consistency）在查询层设计中的重要性。查询层由三个层级组成：图查询服务（Graph Query Service）、存储抽象层（Storage Abstraction Layer）和增强层（Enrichment Layer），它们协同工作以高效执行查询。作者通过一个示例查询演示了查询层在实际中的运作方式，强调了读取和解析请求、高效从存储读取、以广度优先层级执行遍历、并行运行多个操作、智能过滤，以及利用缓存加速重复查询的重要性。查询层的目标是在 100 毫秒内完成查询，作者展示了其设计如何实现这一目标。查询层旨在每秒处理数万次查询，每次查询可能各不相同，作者讨论了在设计查询层以实现该性能水平时所做出的权衡。总体而言，作者提供了查询层设计与实施的详细概述，突出了构建大规模分布式图的高性能查询层所涉及的挑战与权衡。查询层是实时分布式图的关键组件，作者的设计与实施使 Netflix 能够为内部合作伙伴提供实时洞察。