Original em inglês: https://argusic.com/subject/nebula
nebula
Um banco de dados de grafos open-source, distribuído e rápido, com escalabilidade horizontal e alta disponibilidade.
Executafonte: GitHubpágina do projetoC++Apache-2.0commit 426266b5c3df
C++, licença Apache-2.0. O projeto se descreve como: big data, cpp, database, distributed, distributed systems, graph, graph database e graphdb.
nebula executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 3,5 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.
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.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 60 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
- Tempo de instalação
- 4 minutos
- Da máquina limpa até o fim
- 9 minutos
- Erros encontrados e corrigidos
- 0 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- 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 modelo usados
- 362.072
- Commit exato testado
- 426266b5c3df
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
Assista à sessão
A execução inteira, a partir de uma máquina limpa, na velocidade em que realmente aconteceu. Nada é cortado e nada é acelerado.
Uma gravação da tentativa 2, executada em , a tentativa que decidiu o veredito acima. A gravação do terminal da qual ele foi feito é a evidência, guardada com uma impressão digital sha256; o vídeo é uma renderização dela. Nada é carregado do serviço de vídeo até você apertar o play.
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
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:
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 3,5 minutos, mais rápido que a mediana dos 3 projetos comparáveis que a Argusic mediu.
- Nada quebrou no caminho: zero erros entre o clone e a execução.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença Apache-2.0, segundo a plataforma onde o projeto está hospedado.
- Medido 2 vezes, então o resultado não é um caso isolado.
Dos 4 projetos de big-data que a Argusic instalou e cronometrou, nebula foi o 1º mais rápido a chegar a um estado de execução, e 4 de 4 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 3,5 minutos depois do clone.
- Seguir o próprio README: o caminho documentado funcionou sem nada para corrigir.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
| testado por | tentativa | resultado | pontuação | custo USD | quando |
|---|---|---|---|---|---|
| Argusic Runner | 2/3 | Executa | 100,00 | 0,06 | |
| Argusic Runner | 1/3 | Não executou | 20,00 | 0,04 |
Tópicos (de GitHub)
big-datacppdatabasedistributeddistributed-systemsgraphgraph-databasegraphdbgraphraghacktoberfestknowledge-baseknowledge-graphnebulanebula-graphnebulagraphraftscalability
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/nebula)Perguntas
- nebula executa?
- Sim. nebula executa. A Argusic o instalou e iniciou em uma máquina limpa em 4 minutos, encontrando 0 erros no caminho, e gravou a sessão.
- Como a Argusic testou nebula?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 426266b5c3df. Há 2 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar nebula?
- A execução que produziu este veredito custou US$ 0,06: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar nebula?
- 3,5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- nebula precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar nebula?
- Nada deu errado na execução registrada: zero erros entre o clone e a execução.
- Como nebula se compara às alternativas?
- Dos 4 projetos de big-data que a Argusic instalou e cronometrou, nebula foi o 1º mais rápido a chegar a um estado de execução, e 4 de 4 chegaram a esse estado.
- Onde estão as evidências de nebula?
- Todas as 2 execuções registradas estão nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.