目的：了解较完善的图数据库对其他图数据库数据导入导出的相关工具，参考相关项目构思TuGraph可以采取的方案
结果：总结表格如下
| 图数据库 | 图数据库导入导出or转换迁移工具 | connector支持 |
|---|---|---|
| neo4j | 未发现 | spark |
| NebulaGraph | Exchange(Spark应用) | spark、flink |
| OrientDB | orientdb-neo4j-importer | 未发现 |
| JanusGraph | 未发现 | Hadoop-Gremlin |
| ArangoDB | 未发现 | spark |
思考：
- 对于NebulaGraph来说，Exchange工具的Reader和Writer工具对图数据库导入这一块非常方便，可以统一各种数据库的导入，同时具有更好的导入流程，可以作为一个feature
- 大部分图数据库都支持spark的连接，有一定的工具解析成DataFrame对象，TuGraph可以考虑参考也做一个spark connector, 接入大数据生态
目的：GraphAr目的就是作为图数据结构数据中间存储格式, 参考GraphAr的例子和接口将gar数据导入到tugraph中
结果：编译GraphAr项目，运行相关例子，打通了neo4j图数据库的导入导出流程，了解了neo4j spark connector工具，以及GraphAr对neo4j数据的解析流程，可以参考其中的c++接口解析数据导入到TuGraph
目的：目前已有方案三种，可以调研实现难度和大致情况
- 基于GraphAr项目，根据相关c++接口，做相关数据导入Tugraph的工具，类似lgraph_import
- 参考其他图数据库实现方式，实现一个TuGraph的Spark Connector
- 基于DataX项目，做相关工具支持图数据库数据通过DataX导入TuGraph
结果：方案调研如下, 最终选择基于GraphAr进行开发
| 方案 | GraphAr | Spark Connector | DataX |
|---|---|---|---|
| 语言 | C++ | Scala/Java | Java |
| 优点 | GraphAr已经部分支持neo4j导入, 并且提供了c++接口, TuGraph可以直接利用相关工具，开发周期较快 | 丰富TuGraph工具集，可以统一到大数据平台，开发更多功能 | 已有TuGraph reader实现，DataX支持neo4j导出，插件开发文档详细 |
| 缺点 | GraphAr生态还不够完善, 对gar数据的解析存在一定的overhead | connector工具较大，需要从零开始实现，开发周期可能较长，可能设计到技术选型问题，未知性较大 | DataX对图数据库支持不够完善，作为一个导入导出工具可能比较重 |
外部图数据源统一到GraphAr数据中, 同时拓展lgraph_import工具的GraphAr parser功能, 实现lgraph_import可以直接导入gar数据, 并且实现以下功能
- 自动解析GraphAr配置生成schema
- 根据主键作为端点构建边
- 错误数据和配置报错提示