Google Ads 的反欺诈图谱跑在 Spanner Graph 上,规模是 5000 亿节点、1 万亿条边。同一套多跳查询,过去要跑 1 小时,现在压到了毫秒级。

这个量级的图,难点不在存,在查。传统离线 MapReduce 的做法是反复 join,数据量一放大就爆炸,越算越慢。Spanner Graph 换了个思路:把图数据直接嵌进表结构,遍历算子和数据分片协同工作,省掉了数据迁移,也不用另建一套图库。

落地节奏比想象中轻。整套方案全程仅需数周完成,没有拖成长周期的平台改造项目。

效果直接体现在清理量上。2025 年,这套系统帮助 Google 下架 83 亿条违规广告、封禁 2490 万账号。反欺诈这类场景对实时性要求高,查询从小时级降到毫秒级,意味着判定可以放在请求链路上,而不是等离线任务跑完再回头封号。

不止 Google 自己在用。Target 公司在 Gift Finder 项目中采用后,维护成本降低 50%,延迟维持在 10ms 以下。性能提升之外,运维开销的下降是另一个可量化的收益。

把这几组数字放在一起看,指向的是同一件事:图计算不必再被拆成"离线跑批"和"在线查询"两套系统。数据留在表里,遍历算子贴着分片跑,海量关系查询才有可能进入毫秒级的响应区间。