Englisches Original: https://argusic.com/subject/nebula
nebula
Eine verteilte, schnelle Open-Source-Graphdatenbank mit horizontaler Skalierbarkeit und hoher Verfügbarkeit.
LäuftQuelle: GitHubHomepageC++Apache-2.0Commit 426266b5c3df
C++, Lizenz Apache-2.0. Das Projekt beschreibt sich selbst als: big data, cpp, database, distributed, distributed systems, graph, graph database und graphdb.
nebula läuft. Ein Argusic-Agent hat es in 3,5 Minuten installiert und ist auf keine Fehler gestoßen. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
NebulaGraph v3.8.0 metad, storaged, and graphd run and respond to queries: graphd HTTP at 127.0.0.1:19669 returns 200, graph thrift port 9669 accepts connections, space creation and CRUD operations execute successfully.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 60 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
- Installationszeit
- 4 Minuten
- Von der kalten Maschine bis zum Ende
- 9 Minuten
- Aufgetretene und behobene Fehler
- 0 aufgetreten, 0 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- python nebula3 client connected to graphd (127.0.0.1:9669), authenticated as root, ADD HOSTS registered storage, CREATE SPACE/TAG/EDGE succeeded, INSERT VERTEX/EDGE succeeded, FETCH PROP returned 'Alice' and 30, GO FROM returned weight=5 and Bob, MATCH queries returned vertex IDs. All three HTTP endpoints (/status) returned HTTP 200 with status running. Build from source was not attempted due to missing third-party deps.
- Verbrauchte Modell-Tokens
- 362.072
- Genau getesteter Commit
- 426266b5c3df
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
Sitzung ansehen
Der gesamte Lauf, von einer sauberen Maschine aus, in der tatsächlichen Geschwindigkeit. Nichts ist geschnitten, nichts beschleunigt.
Eine Aufzeichnung von Versuch 2, gelaufen am , der Versuch, der den obigen Befund entschieden hat. Die Terminalaufzeichnung, aus der es erstellt wurde, ist der Nachweis, gespeichert mit einem sha256-Fingerabdruck; das Video ist ein Rendering davon. Vom Video-Host wird nichts geladen, bis Sie auf Abspielen drücken.
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
Here is the final result: tokens used 362,072 Now I have all the data I need. Let me compile the final report. The full NebulaGraph stack has been installed and verified: - **v3.8.0** prebuilt binaries from GitHub Releases - **metad** (meta service) running on port 9559, HTTP endpoint responded 200 - **graphd** (graph service) running on port 9669, HTTP endpoint responded 200 - **storaged** (storage service) running on port 9779, shown as ONLINE - **nebula3-python** client installed, connected, authenticated - Created a test space, defined a tag (`person`) and edge type (`know`), inserted vertices and edge… Here is the final result:
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- In 3,5 Minuten installiert, schneller als der Median der 3 vergleichbaren Projekte, die Argusic gemessen hat.
- Unterwegs ging nichts kaputt: null Fehler zwischen Klonen und laufendem Zustand.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz Apache-2.0, laut Angabe des Hosts.
- 2-mal gemessen, das Ergebnis ist also kein Einzelfall.
Von den 4 Projekten im Bereich big-data, die Argusic installiert und zeitlich gemessen hat, belegte nebula Platz 1 bei der Zeit bis zum lauffähigen Zustand, und 4 von 4 erreichten überhaupt einen solchen Zustand.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
- Für eine schnelle Evaluierung: Es lief 3,5 Minuten nach dem Klonen.
- Nach der eigenen README: Der dokumentierte Weg funktionierte, ohne dass etwas zu beheben war.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
| getestet von | Versuch | Ergebnis | Score | Kosten USD | wann |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Läuft | 100,00 | 0,06 | |
| Argusic Runner | 1/3 | Lief nicht | 20,00 | 0,04 |
Themen (von GitHub)
big-datacppdatabasedistributeddistributed-systemsgraphgraph-databasegraphdbgraphraghacktoberfestknowledge-baseknowledge-graphnebulanebula-graphnebulagraphraftscalability
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/nebula)Fragen
- Läuft nebula?
- Ja. nebula läuft. Argusic hat es auf einer sauberen Maschine in 4 Minuten installiert und gestartet, ist dabei auf 0 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic nebula getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 426266b5c3df. 2 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von nebula gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,06 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von nebula?
- 3,5 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht nebula eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von nebula schief?
- Im aufgezeichneten Lauf nichts: null Fehler zwischen Klonen und laufendem Zustand.
- Wie schneidet nebula im Vergleich zu Alternativen ab?
- Von den 4 Projekten im Bereich big-data, die Argusic installiert und zeitlich gemessen hat, belegte nebula Platz 1 bei der Zeit bis zum lauffähigen Zustand, und 4 von 4 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für nebula?
- Alle 2 aufgezeichneten Läufe sind auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.