新一代圖數據庫已經在市場上站穩腳跟，與之相伴的一代查詢語言也應運而生。包括、以及GQL等在內的各類圖數據庫查詢語言，專門幫助用戶解包圖內信息。
從本質上講，一切數據庫都需要一種與客戶交流的方式，而查詢語言的職責正是定義數據庫能夠做些什么。良好的圖數據庫查詢語言應該以盡可能簡單的方式幫助開發人員根據數據庫內定義的網絡提出復雜問題，進而釋放出圖數據庫的強大力量。最初，這些語言各自面向不同的新數據庫以專有方案的形式存在，但最近一段時間各查詢語言間的開放標準正在加速建立。
在關系數據庫領域，SQL(結構化查詢語言)多年以來一直是行業的主導標準。它定義了一種在表內搜索符合特定條件的數據行的核心方法。如果數據跨越多個表，SQL還提供一種表對齊方法，以便將所有信息連接至統一的集合之內。SQL特別擅長查找包含與某些規定相匹配的特定字段的特定條目集合，但也就僅此而已了。
經典關系數據庫也能存儲圖，因此在圖數據庫出現之前，這也是開發人員所能仰仗的唯一選擇。SQL能夠回答一部分基礎問題，但傳統查詢語言卻往往處理不了那些最有用、最具吸引力的問題。事實上，關系數據庫在表達極端復雜關系方面遠遠不及圖數據庫，而關系數據庫查詢的唯一解決方案就是返回大塊數據以供客戶端軟件運行進一步分析。
所以大家應該理解了，圖查詢語言的誕生是為了回答更為復雜的問題，例如：
圖數據庫需要多種不同模型，其中某些查詢需要跟蹤多條鏈接或跳點。最初，每種圖數據庫都使用自己的專有查詢語言。好在最近幾年，圖數據庫廠商開始添加新的實現并致力于推動開源標準以實現交叉支持。目前最常見的圖查詢語言包括：
——顧名思義，它肯定支持圖查詢;但實際是一種更為通用的查詢語言，能夠高效搜索大部分文檔與關系數據庫。它雖然也能發掘出一部分圖數據庫用途，但總體來講只是在支持與關系數據庫相同的常規查詢。
不同查詢語言之間存在著一系列本質差異。有些查詢語言屬于“聲明性”，另一些則屬于“過程性”。也就是說，有些是讓開發者通過編寫定義子集的簡單規則來聲明自己“想干什么”，再由數據庫應用這些規則、使用可用的索引構建搜索計劃、再找到一切可能的匹配項。
例如，用戶可能需要查找相距10英里之內的所有超過10000美元的銀行交易行為，或者是搜索互有聯系而且在過去兩周之內沒發過新帖的社交媒體用戶。這些規則可以包括對標準查詢語言(“WHERE AGE
而過程性查詢語言則更接近于傳統計算機語言，允許開發人員控制數據庫搜索條目的具體方式，一般是編寫循環或者其他控制結構。總的來講，聲明式語言更易于理解和使用，因為它隱藏掉了大部分搜索工作;但過程性語言則更為強大。一部分數據庫能夠同時支持這兩種查詢方式。
另一個主要區別，則來自數據庫結構本身。有些數據庫支持RDF，有些則支持所謂屬性圖。RDF模型屬于W3C標準，最初用于對語義信息進行編碼。屬性圖模型則往往更通用也更靈活。同樣的，一部分數據庫能夠同時支持這兩種模型。
傳統用戶如何快速適應圖查詢語言?
向常規SQL查詢語言中添加了圖搜索功能，由此為主數據庫實現了圖功能。這種名為PGQL(屬性圖查詢語言)的擴展提供了一種簡潔的方法，可供開發者快速搜索圖片并創建關于匹配條件的頂點報告。其圖分析框架以數十種常見算法為起點，通過擴展逐步為基礎數據構建起復雜的摘要。另外，它還同時支持屬性圖與RDF圖。
微軟在2017年向其SQL 添加了圖功能，并使用匹配屬性模式的MATCH子句擴展了其SQL版本。搜索操作可以通過命令式查詢的存儲過程進行擴展。Azure云中的 數據庫支持 API，因此能夠支持所有式查詢。
亞馬遜的主要圖數據庫為 ，同樣支持屬性圖與RDF圖。屬性圖可以使用類查詢進行搜索，而RDF圖則適合由進行搜索。
IBM公司一直與多家圖數據庫廠商合作，例如Neo4J，并在自家云中提供相關的產品即服務。此服務名為IBM Graph，除了使用支持的 API以外，這項服務還提供其他用于基礎檢索的簡單API。
后起之秀們的故事
近年來讀取數據庫中圖片，Neo4J已經成為最具影響力的圖數據庫之一，而且目前仍是這一領域的領導者。但其仍是一家獨立企業，因此在本文中同樣被納入“后起之秀”的范疇。順帶一提，其實很多參與圖數據庫市場的廠商都有著悠久的發展歷史。
Neo4J鼓勵其他公司通過項目使用其查詢語言。此外，Neo4J也是GQL標準化進程的主要推動者，同時支持使用執行一部分查詢。
選擇的是存儲屬性圖并使用GSQL進行查詢的路線讀取數據庫中圖片，這是一種簡化并發處理工實現大規模數據集擴展能力的過程性方法。該數據庫背后的廠商提供一款復雜的可視化工具，能夠以產品及云服務的形式供用戶探索并查詢數據集內容。
則是一套開源數據庫，可使用和SQL進行查詢。它的締造廠商已經被SQP所收購，因此相關產品目前正在與SAP自家產品線進行集成。
在設計上支持圖與NoSQL文檔數據集。這款開源數據庫既提供社區版，也提供服務形式的付費商業版。其關聯的查詢語言被稱為SQL，提供的是過程性數據搜索方法。
存儲RDF圖，并使用、RDFS++以及多種編程語言擴展(例如邏輯編程語言，以及 LISP)實現查詢。其知識圖譜瀏覽器Gruff能夠在常規網絡瀏覽器中運行，借此實現可視化查詢。該產品同時適用于本地安裝和亞馬遜云科技等公有云平臺。
專注于創建大型知識圖譜，其可支持對RDF圖執行查詢。提供三個版本(免費版、標準版與企業版)，三者的功能基本相同，但免費版僅支持兩項并發查詢。
圖數據庫查詢語言有哪些局限?
圖查詢語言的核心，在于提供一種簡潔的方式以搜索匹配特定模式的特定條目組合。但有些問題，無論其內容多么明確，都很難通過圖查詢語言得到有效回答。
以查找“團”(即相互間高度連接的頂點子集)為例，雖然這個問題本身屬于NP完全問題，但可能難以通過圖查詢語言得到有效解決。隨著問題規模的擴大，尋找答案的時間往往呈指數級增長——換句話說，這些問題不具備可擴展性。如果錯誤使用圖查詢語言，我們很可能在不經意間寫出一條需要極長時間才能解決的高成本查詢。
