随着计算机与人工智能的发展,在互联网和工业上,图数据的数据量越来越大,于是管理如此大量的图数据便成为了当今必需要解决的问题。在数据管理领域,数据库是当前采用最多的数据管理方式。在分布式图数据库中,当前主要采取的方案为集中式连接和Map Reduce连接。在集中式连接方案中,所有的数据被拉取到同一个计算节点进行连接操作,此时会带来短时间的网络拥堵和长期的节点负载的不均衡。在Map Reduce连接方案中,由于Map Reduce连接依赖于底层的分布式计算框架,因此会受到分布式计算框架的限制,会带来冗余计算,例如shuffle和冗余排序。分布式图连接方案通过多节点合作的方式,完成中间数据的连接。为了适应分布式计算环境,使用了非相邻边这一概念,结合每个节点的数据统计信息,生成合适的分布式连接计划。分布式连接计划经过分解,并依据统计信息,下发给合适的节点进行执行。每个节点都执行连接计划的一部分,从而达到最终数据的连接目的。经过实验证明,分布式图连接方案的整个连接任务的执行时间以及连接任务执行过程中各节点的负载均衡程度上,相对于同架构图数据库集中式连接方案中都有较好的提升。此外,负载迁移策略通过预估一个连接任务的执行难度,通过采样找到合适的数据定位点,并且筛选合适的代理计算节点,将该任务进行分解和迁移计算。做到高负载分布式环境下的负载均衡,降低“热点”出现的概率,提升高负载环境下分布式图连接任务的整体完成效率,避免重型查询任务因为系统资源不够而被杀死。