数据库存储图结构的方法主要有邻接矩阵、邻接表、邻接多重表和边表等，每种方法在存储效率、查询性能和适用场景上有所不同，选择合适的方式取决于图的结构特征和业务需求。
邻接矩阵存储法
邻接矩阵是一种直观的图存储方式，使用二维数组表示节点之间的关系，如果图中存在从节点i到节点j的边，则矩阵中第i行第j列的值为1（或边的权重），否则为0，这种方法适用于稠密图，即边数接近节点数平方的图，优点是实现简单，便于判断两个节点是否直接相连；缺点是空间复杂度高，为O(V²)，其中V为节点数，对于稀疏图会造成空间浪费，修改边关系时需要直接操作矩阵，效率较低。
邻接表存储法
邻接表是更常用的图存储方式，尤其适合稀疏图，它为每个节点维护一个链表或动态数组，存储所有与之相邻的节点及边的信息，对于无向图，每条边会在两个节点的邻接表中各出现一次；对于有向图，则仅出现在起始节点的邻接表中，邻接表的空间复杂度为O(V+E)，其中E为边数，显著优于邻接矩阵，但缺点是查询两个节点是否相连需要遍历邻接表，时间复杂度为O(V)，不如邻接矩阵高效。
邻接多重表与边表
对于需要频繁遍历或修改边的图，邻接多重表和边表是更优的选择，邻接多重表将边作为独立对象存储，同时记录边的两个端点及指向下一条边的指针，适合处理无向图的边删除操作，边表则单独存储所有边的信息，通过指针关联节点，适用于需要频繁遍历边的场景，这两种方法的空间复杂度与邻接表类似，但在特定操作中能提升性能。
数据库中的实现方式
在关系型数据库中，图结构可通过三种方式存储：
- 邻接表模式：使用两个表，一个存储节点，另一个存储边（包含起始节点和目标节点ID）。
- 路径枚举模式：在节点表中增加字段存储路径，适合层次化图，但扩展性较差。
- 属性图模型：如Neo4j等数据库原生支持图存储，节点和边均可携带属性，查询效率高。
选择图存储方式时，需权衡查询需求、数据规模和操作类型，邻接矩阵适合小型稠密图，邻接表适合稀疏图，而邻接多重表和边表则针对特定优化，数据库实现中，属性图模型提供了更好的灵活性和性能，是现代图数据库的主流方案。
FAQs
-
问：邻接矩阵和邻接表在空间复杂度上有什么区别？
答：邻接矩阵的空间复杂度为O(V²)，适合稠密图；邻接表为O(V+E)，适合稀疏图，能有效节省存储空间。 -
问：为什么属性图模型在现代图数据库中更受欢迎？
答：属性图模型允许节点和边携带属性，支持高效的图遍历和复杂查询，同时简化了图结构的建模，适合社交网络、推荐系统等场景。