FalkorDB

用稀疏矩阵做图数据库，GraphRAG 的检索底座

项目速览

项目 内容
仓库 FalkorDB/FalkorDB
语言 Rust（2026 年由 C 重写，底层为 GraphBLAS 稀疏矩阵）
Stars 约 6.2k（2026 年 9 月口径），Forks 462
协议 SSPLv1（非 OSI 认可，提供托管服务受限，自用免费）
出身 RedisGraph 后继项目，创始团队来自 Redis
定位 为 LLM（GraphRAG）提供最快的知识图谱数据库

它想解决什么问题

GraphRAG 的检索瓶颈常常不在“向量像不像”，而在多跳关系的遍历速度：传统图数据库靠指针跳转（pointer chasing）遍历节点，在知识图谱这种高连通数据上，跳数一深延迟就上去了。FalkorDB 换了个思路——把图存成稀疏邻接矩阵，用 GraphBLAS 线性代数运算执行查询，多跳遍历变成矩阵乘法，官方口径是亚毫秒级检索延迟。

核心机制拆解

1. 稀疏矩阵 + 线性代数。 采用压缩稀疏列（CSC）格式：一张全局邻接矩阵，外加每种关系类型一张矩阵。官方设计文档称可在一秒内创建超 100 万节点、0.3 秒内建立 50 万条关系，关系插入宣称 O(1)。

2. 查询语言与协议。 支持 OpenCypher（含私有扩展），同时讲 Bolt 和 RESP 双协议——已经跑着 Redis 的团队可以用熟悉的客户端直接连，迁移成本极低。

3. 图 + 向量一体。 全文、向量、范围三类原生索引都内置在同一个引擎里，不必再外挂一个向量数据库。对“检索既要语义相似、又要结构化事实”的 RAG 管线，这个组合拳省掉了一次系统间 join。

4. 多租户与图谱生态。 支持 10K+ 多图谱租户隔离；提供 GraphRAG-SDK，并与 LangChain、LangGraph、LlamaIndex 集成，GraphRAG 管线可以快速搭起来。

快速上手

1
docker run -p 6379:6379 falkordb/falkordb

一条命令起库（6379 为数据库端口，3000 为浏览器 UI），随后即可用 Cypher 建图查询。

点评

亮点是架构与场景咬合得紧：GraphRAG 需要的是“低延迟、能跑 Cypher（LLM 最擅长生成的图查询语言）、图与向量同库”——这三点 FalkorDB 都占上了。RedisGraph 的血统还带来了协议兼容这份额外礼物。2026 年从 C 重写为 Rust，补上了内存安全的短板。

局限必须说清：一是协议——SSPLv1 不是 OSI 认可的开源协议，自用、二次开发没问题，但打算把它包装成托管服务售卖的团队要仔细评估条款；二是内存型架构，图规模受单机内存约束，超大规模图 Analytics 场景不如分布式方案；三是设计文档自述存储格式“可能变更”，深度依赖内部结构的用户要跟紧版本。