随着技术的发展，我们对数据的需求已经不再局限于对数据本身的获取了，我们还需要获取数据与数据间的关系（也就是连接数据）。
简单地说，我们可以说图数据库主要用于存储更多的连接数据（因为图结构相比其他数据结构而言，能保存更多的数据间的关系）。
如果我们使用 RDBMS 数据库来存储更多连接的数据，那么它们不能提供用于遍历大量数据的适当性能。 在这些情况下，Graph Database 提高了应用程序性能。
如今，大多数社交网络应用程序（如Facebook，Google +，LinkedIn，Twitter，Yammer 等）和视频托管应用程序（如 Google YouTube，Flickr，Yahoo Video等）都在使用更多连接的数据。
我们将观察什么是连接数据？ 以及这些应用程序如何与某些实时应用程序存储数据。
使用 Google+（GooglePlus）应用程序来了解现实世界中 Graph 数据库的需求。 观察下面的图表。
在这里，我们用圆圈表示了 Google+应用个人资料。
在上图中，轮廓“A”具有圆圈以连接到其他轮廓：家庭圈（B，C，D）和朋友圈（B，C）。
再次，如果我们打开配置文件“B”，我们可以观察以下连接的数据。
像这样，这些应用程序包含大量的结构化，半结构化和非结构化的连接数据。 在 RDBMS 数据库中表示这种非结构化连接数据并不容易。
如果我们在 RDBMS 数据库中存储这种更多连接的数据，那么检索或遍历是非常困难和缓慢的。
所以要表示或存储这种更连接的数据，我们应该选择一个流行的图数据库。
图形DBMS非常容易地存储这种更多连接的数据。 它将每个配置文件数据作为节点存储在内部，它与相邻节点连接的节点，它们通过关系相互连接。
他们存储这种连接的数据与上面的图表中的相同，这样检索或遍历是非常容易和更快的。
利用 Facebook 应用程序了解现实世界中 Graph 数据库的需求。
在上面的图中，Facebook Profile“A”已经连接到他的朋友，喜欢他的一些朋友，发送消息给他的一些朋友，跟随他喜欢的一些名人。
这意味着大量的连接数据配置文件A.如果我们打开其他配置文件，如配置文件B，我们将看到类似的大量的连接数据。
注-通过观察上述两个应用程序，它们有很多更多的连接数据。 它是非常容易存储和检索，这种更连接的数据与图形数据库。