图模型
事物的模型中，除了它自身的某些特征之外，还包括它与其它事物的关系特征，例如一个学生的属性包括姓名，性别，年龄等属性，同时，他还有许多关系属性，比如他属于哪一个院系，那个班级，他的同学等等。
正是由于此，我们通常称的工程被定义为：
系统是由一组实体和这些实体之间的关系所构成的集合。其功能要大于这些实体各自的功能之和。
构建模型中强调关系的重要性，需要有一种更有效的方法来表达事物之间的关系。这就是图模型。
图模型忽略每个事物的形状，将它们抽象成为一个“点”，点与点之间的连线描述事物之间的关系。
定义：
在图模型中，模型由节点和节点之间的关系构成的。每个节点表示了一个物体的模型。它的内部包括了属性和特征。而关系表示了物件之间的相互关系。
数学有一个分支叫做《图论》。数学家使用图可以构建事物的模型，并且提出了各种数学方法来研究图模型的规律。
工业领域中的OPC UA 信息模型也是基于图模型构建的。基本的节点包括对象，属性和方法，关系被称为reference。
由此可见，OPCUA 信息模型可以转换成为通用的图模型。
在工程设计中，我们经常使用图模型来描述组件，子系统等事物的关系，例如技术讨论中的白板上绘制各种图：
转换成图模型
所以，也有人称为，图模型是“白板”友好的模型
图模型的文本表达
结构描述语言都能够描述图模型，常见的有：
- XML
- JSON
图模型描述的结构包括了：
- 节点属性-关系，例如：OPCUA
- RDF ，例如：知识图谱的描述
图形数据库
图形数据库是以图形模型特点存储数据的数据库，也被称为“图原生”数据库。
图形数据库是将数据存储为网络图的 NoSQL 数据库。图形数据库与其他选项的区别在于，它们记录了数据之间的关系并对其进行了优先级排序。
图形数据库由节点和边组成，其中节点表示特定实体，而边表示两个节点之间的连接。它们被设计为可扩展的，并提供在其他数据库中难以找到的灵活性。
图形数据库与关系数据库
两者之间最显着的区别是，图形数据库将数据之间的关系存储为数据。关系数据库以不同的方式推断出对数据之间关系的关注点。关系焦点在数据表的列之间，而不是数据点之间。
这两个数据库都使添加新数据变得容易。图形数据库的灵活性使得能够添加新节点和节点之间的关系，从而使其能够可靠地处理实时数据。关系数据库使在数据库运行时可以添加新的表和列。
复杂查询在图形数据库中的运行速度通常比在关系数据库中更快。关系数据库需要对数据表进行复杂的联接才能执行复杂的查询，因此该过程没有那么快。
Neo4j 图形数据库
Neo4j是著名的图形数据库。
Neo4j 以原生图形数据库为核心，以自然的连接状态存储和管理数据。 图形数据库采用属性图方法。
Neo4j 最初是一个图形数据库，现已发展成为一个拥有众多工具、应用程序和库的丰富生态系统。 该生态系统允许您将图形技术与您的工作环境无缝集成。
graphQL语言
GraphQL是由 Facebook 在 2012 年创立的一门开源查询语言。
GraphQL 是一种用于 API 的查询语言，也是用于使用现有数据完成这些查询的运行时。GraphQL 为您的 API 中的数据提供了完整且易于理解的描述，使客户能够准确询问他们需要什么，仅此而已，使 API 随着时间的推移而更容易发展，并启用强大的开发人员工具。
GraphQL 查询不仅可以访问一个资源的属性，还可以顺利地跟踪它们之间的引用。虽然典型的 REST API 需要从多个 URL 加载，但 GraphQL API 可以在单个请求中获取应用所需的所有数据。即使在较慢的移动网络连接上，使用 GraphQL 的应用程序也可以快速运行。
Neo4j GraphQL 库是一个高度灵活、低代码的开源 JavaScript 库，通过利用连接数据的力量，为跨平台和移动应用程序实现快速 API 开发。
使用 Neo4j 作为图形数据库，GraphQL 库使应用程序可以轻松地将数据视为从前端一直到存储的原生图形。 这避免了重复的架构工作，并确保了前端和后端开发人员之间的完美集成。
图形数据库（neo4j)在工业中的应用
在工业自动化领域主张采用基于模型的设计。 OPCUA 就是基于信息模型的通信协议。目前大多数PLC 都具备了OPC UA 服务器，OPCUA 客户端软件能够访问OPC UA 服务器中的数据。OPCUA 信息模型同样是基于节点-关系的图模型。因此，OPCUA 信息模型与图模型具有天然的相似性。
工业网关
可以设计一个网关，将一个或多个 OPC UA 服务器的数据更新到图形数据库中。
在网关启动时，将 OPC UA 节点结构写入图数据库，从而将 OPC UA 服务器的基本模型镜像到图数据库中。 将 OPC UA 系统的哪些根节点（以及所有子节点）镜像到图形数据库。
在图数据库中拥有（简化的）OPC UA信息模型后，您可以在此基础上添加自己的知识图谱数据，并创建与机器的OPC UA节点的关系，以丰富OPC UA模型的数据。
工业网关的基本架构
实现细节
通过OPCUA Client 读取所有OPC UA服务器的信息模型，将它们转换成为neo4j图模型。
如果在OPCUA 模型中带有Tag 那么就可以将历史数据存储在InfluxDB 时间序列数据库中。
GraphQL 的优点是只需要一个查询就可以访问多个资源的数据。
构建模型数据库
在工业控制系统中，需要构建各种模型数据库，它们包括OPCUA 信息模型，工业4.0 管理壳（AAS），MTP 等等，将大量的模型放置在数据库中，作为一种服务供工程设计时引用。与此同时还需要构建各种所谓的本体数据，知识库，字典。这些模型都可以在图形数据库中存储。
结束语
有时候我在想，在工业数字化的道路上，我们一定要跟着欧洲人的各种标准兜圈子么？相比之下，我国是一个新兴的独立经济体，技术的包袱不多，IT 技术发展迅速。能否采取更加扁平化的开放自动化技术与标准体系呢？比如，选择OPCUA 作为开放自动系统的技术底座，将所有其它的技术标准和模型全部导入到OPCUA 信息模型中来，真正实现统一的模型。而不是先构建各种模型，标准，最终又转换到OPCUA 模型，一步到位难道不香么？
标准，协议，模型的扁平化是一个有趣的话题。
