Original en anglais: https://argusic.com/subject/nebula
nebula
Une base de données graphe distribuée, rapide et open source, offrant une scalabilité horizontale et une haute disponibilité.
Fonctionnesource : GitHubpage d'accueilC++Apache-2.0commit 426266b5c3df
C++, sous licence Apache-2.0. Le projet se décrit ainsi : big data, cpp, database, distributed, distributed systems, graph, graph database et graphdb.
nebula fonctionne. Un agent Argusic l'a installé en 3,5 minutes et n'a rencontré aucune erreur sur une machine propre sans GPU, et toute la session a été enregistrée.
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.
Ce que l'agent a obtenu sur une machine propre, dans ses propres mots. Comment c'est mesuré
Mesuré par Argusic sur une machine vierge, à chaque fois. Chaque chiffre renvoie à ses preuves. Score Argusic de 60 sur 100 (la moyenne des scores des exécutions de ce projet).
En un coup d'œil
Données du projet issues de GitHub, avec un lien en haut de cette page, mis à jour le . Données de test d'Argusic (CC BY 4.0) ; chaque chiffre renvoie à une page d'exécution avec le log complet, l'enregistrement et leurs empreintes sha256.
Ce qui a été mesuré
Tiré de l'exécution qui a décidé ce verdict. Chaque ligne est une valeur enregistrée, pas une estimation.
- Temps d'installation
- 4 minutes
- De la machine vierge à la fin
- 9 minutes
- Erreurs rencontrées et corrigées
- 0 rencontrée, 0 corrigée sans aide humaine
- Comment le résultat a été prouvé
- 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.
- Tokens de modèle utilisés
- 362 072
- Commit exact testé
- 426266b5c3df
- Image de conteneur
- sha256:cdd920bce783
Ce qui n'a pas été mesuré
L'autre moitié, pour que vous voyiez exactement jusqu'où vont ces preuves. Une lacune est affichée comme une lacune et n'est jamais comblée.
- Pic de mémoire GPU
- cette exécution a eu lieu sur une machine CPU, il n'y avait donc pas de GPU à mesurer
- Comportement sur une longue durée
- chaque tentative utilise les réglages documentés les plus légers et un budget de temps fixe : on mesure donc s'il fonctionne, pas comment il tient sous la charge
Regarder la session
L'exécution complète, depuis une machine propre, à la vitesse réelle. Rien n'est coupé et rien n'est accéléré.
Un enregistrement de la tentative 2, exécutée le , la tentative qui a décidé le verdict ci-dessus. L'enregistrement du terminal dont elle est tirée constitue la preuve, conservée avec une empreinte sha256 ; la vidéo n'en est qu'un rendu. Rien n'est chargé depuis l'hébergeur de la vidéo tant que vous n'appuyez pas sur lecture.
La fin de l'enregistrement
Les dernières lignes de la session de terminal qui a décidé ce verdict, exactement telles qu'elles ont été enregistrées.
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:
Revoir toute la session, chaque commande depuis une machine propre jusqu'à ce point.
Comment le test a été mené
Un agent, un conteneur, aucune aide humaine. Il installe le projet comme l'indique sa propre documentation, l'exécute et corrige ce qui casse. Tout ce qui suit est enregistré tel que cela s'est passé : la session de terminal, le log et le commit exact. La méthode complète.
Points forts et limites
Des faits mesurés, pas des opinions. Comment ce site est rédigé.
Ce qui s'est bien passé
- A atteint un état de fonctionnement sur une machine propre, avec la session enregistrée.
- Installé en 3,5 minutes, plus vite que la médiane des 3 projets comparables mesurés par Argusic.
- Rien n'a cassé en route : zéro erreur entre le clone et le fonctionnement.
- A fonctionné sans GPU, il n'en a donc pas besoin pour démarrer.
- Sous licence Apache-2.0, selon son hébergeur.
- Mesuré 2 fois, le résultat n'est donc pas un cas isolé.
Sur les 4 projets big-data qu'Argusic a installés et chronométrés, nebula a été le plus rapide à atteindre un état de fonctionnement, et 4 sur 4 en ont atteint un.
Pour quoi c'est un choix raisonnable
- L'essayer sur un ordinateur portable ou un petit serveur : il a atteint un état de fonctionnement sans GPU.
- Une évaluation rapide : il fonctionnait 3,5 minutes après le clone.
- Suivre son propre README : la procédure documentée a fonctionné sans rien à corriger.
Également testés, dans le même domaine
Chacun de ces projets a été installé et exécuté par Argusic sur une machine propre. Rien n'apparaît ici sans avoir été testé.
Historique des exécutions
| testé par | tentative | résultat | score | coût USD | date |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Fonctionne | 100,00 | 0,06 | |
| Argusic Runner | 1/3 | N'a pas fonctionné | 20,00 | 0,04 |
Sujets (depuis GitHub)
big-datacppdatabasedistributeddistributed-systemsgraphgraph-databasegraphdbgraphraghacktoberfestknowledge-baseknowledge-graphnebulanebula-graphnebulagraphraftscalability
Intégrer le badge
Markdown pour le README du projet. Il renvoie vers cette page ; conditions sur la page des conditions.
[](https://argusic.com/subject/nebula)Questions
- nebula fonctionne-t-il ?
- Oui. nebula fonctionne. Argusic l'a installé et lancé sur une machine propre en 4 minutes, en rencontrant 0 erreur en route, et a enregistré la session.
- Comment Argusic a-t-il testé nebula ?
- Sur une machine vierge et jetable, avec chaque commande enregistrée et le dépôt épinglé au commit 426266b5c3df. 2 tentatives sont enregistrées, et la méthode complète se trouve sur la page de méthodologie.
- Combien a coûté le test de nebula ?
- L'exécution qui a produit ce verdict a coûté 0,06 USD : le coût réel du calcul et du modèle, pas un prix catalogue par million de tokens. Il est enregistré sur la page de cette exécution.
- Combien de temps faut-il pour installer nebula ?
- 3,5 minutes lors de l'exécution qui a décidé ce verdict, d'une machine propre à un état de fonctionnement. Il s'agit d'une tentative mesurée, pas d'une moyenne.
- nebula a-t-il besoin d'un GPU ?
- Pas pour démarrer. Argusic a atteint un état de fonctionnement sur une machine sans GPU.
- Qu'est-ce qui pose problème lors de l'installation de nebula ?
- Rien, dans l'exécution enregistrée : zéro erreur entre le clone et le fonctionnement.
- Comment nebula se compare-t-il aux alternatives ?
- Sur les 4 projets big-data qu'Argusic a installés et chronométrés, nebula a été le plus rapide à atteindre un état de fonctionnement, et 4 sur 4 en ont atteint un.
- Où sont les preuves pour nebula ?
- Les 2 exécutions enregistrées se trouvent sur cette page, chacune avec un lien vers son log complet et son enregistrement du terminal, conservés avec une empreinte sha256 pour qu'ils ne puissent pas être modifiés discrètement.