FINDING #395 · UNIT ID 1287908540
hydra-db/hydradb
HydraDB - fast graph database on object storage
SURPRISE SCORE
0.00
Score Breakdown
SCORE = SURPRISE × ENGAGEMENT^0.7 × FRESHNESS × VISIBILITY × CONFIDENCE
SURPRISE = WINDOW STARS / DAYS / (AUDIENCE + FLOOR)
⚠ POSSIBLE STAR INFLATION — ONLY 3% OF STARS VISIBLE IN ARCHIVE
Growth Telemetry
VELOCITY /D
8.57
ACCEL
-0.16
RETENTION
6.7%
PEAK 2026-09-05 · FORK-RETENTION 90.2% · 257 STARS / WINDOW
Author Audience
AUDIENCE
2,338
FOLLOWERS
46
OWNER ★
11,231
Engagement Signals
FORKS
4,036
ISSUE AUTH
3
PR AUTH
3
UNIQUE STARGAZERS 255 / 257 (DIVERSITY 0.99)
Потенциал заработка
D38/100
СПРОС82
Деньги в категории есть: graph databases, knowledge graphs, GraphRAG и AI data infrastructure растут; аналитики дают высокий CAGR, но оценки рынка расходятся.
ЗАХВАТ48
Есть wedge в object-store-native архитектуре, OpenCypher/Bolt и GraphRAG, но конкуренты сильнее по экосистеме, доверию, support и distribution.
ДОСТУП25
Код доступен, но AGPL-3.0, молодость проекта, малое число контрибьюторов, отсутствие релизной истории и сложная эксплуатация сильно усложняют коммерциализацию.
«Заработок возможен, но его топят AGPL, незрелый release-процесс и недоказанный production moat.»
Рыночный анализ · Обзор
HydraDB — молодая распределённая графовая база данных, которая хранит граф в S3-совместимом object storage, а compute можно независимо масштабировать.
Distributed graph database / object-store-native database / GraphRAG infrastructure / AI data layerЗРЕЛОСТЬ · ЭКСПЕРИМЕНТ
ЯЗЫК
Rust
ЛИЦЕНЗИЯ
AGPL-3.0
РЕЕСТР
crates
КОНТРИБЬЮТОРЫ
7
УСТАНОВКА: cargo add slatedb-graph-kernel
Что делает
HydraDB хранит графовые записи, WAL, манифесты и traversal-индексы в S3-compatible storage, а локальные SSD/NVMe использует как восстанавливаемый кэш. Она выполняет snapshot-consistent OpenCypher-запросы, поддерживает Neo4j-compatible Bolt 5.x и HTTPS JSON/NDJSON API. Архитектура разделяет data nodes для запросов/мутаций и indexers для фонового построения индексов.
Какую боль решает
Решает боль дорогого и негибкого хранения больших графов: durable state живёт в дешёвом object storage, а вычислительные узлы можно добавлять, заменять и масштабировать без переноса самого графа.
Сценарии использования
- Память AI-агентов и GraphRAG: хранение сущностей, событий, предпочтений и связей для multi-hop retrieval.
- Enterprise knowledge graph: объединение данных из документов, CRM, GitHub, Slack и внутренних систем.
- Fraud detection, entity resolution и рекомендации: поиск связей между пользователями, аккаунтами, устройствами, транзакциями и объектами.
- Большие графы с неравномерной нагрузкой: хранение холодных данных в object storage и кратковременное масштабирование query compute.
- SaaS с несколькими арендаторами: изоляция графов или graph cells при независимом масштабировании query/indexing tiers.
Целевой пользователь
Инженеры инфраструктуры и data platform, команды GraphRAG/agent memory/enterprise knowledge graph, разработчики распределённых систем с потребностью в OpenCypher/Bolt-compatible graph backend.
Open-source аналоги
Rust, распределённая document-graph database для embedded/browser/edge-сценариев; использует SurrealQL, а не OpenCypher; core лицензируется под BSL 1.1.
Зрелая property graph database с Cypher, Bolt и большой экосистемой; не позиционируется как object-store-native disaggregated database.
Multi-model database: документы, key-value и графы; собственный AQL, enterprise cloud и зрелая операционная модель.
Distributed graph database с horizontal scaling, HA, storage-compute separation и OpenCypher-compatible языком; использует собственную распределённую storage-инфраструктуру, а не object storage как единственный durable source of truth.
Embedded analytical property graph database на C++, Cypher, vector/full-text search и columnar storage; более узкая альтернатива для embedded/analytical сценариев.
Позиционирование
HydraDB — не лидер категории, а нишевый догоняющий с потенциально сильным архитектурным отличием: object-store-native durable state, независимое масштабирование compute/storage, disposable local state, OpenCypher/Bolt и GraphBLAS traversal.
Коммерческие аналоги
Fully managed property graph database с Cypher, Bolt, графовой аналитикой и cloud deployment.
Neo4j self-reported: более $200 млн ARR в ноябре 2024, cloud offering вырос в 5 раз за 3 года, более 800 enterprise customers и использование более чем у 75% Fortune 100.
AuraDB Free$0
AuraDB Professionalот $65/GB/month; пример 1 GB: $0.09/hour или $65.70/month
AuraDB Business Criticalот $146/GB/month; пример 2 GB: $0.40/hour или $292/month
Managed graph database от AWS для operational graph workloads и Neptune Analytics; поддерживает replicas, storage, serverless capacity и интеграцию с AWS.
Публичных цифр по пользователям или выручке именно Neptune нет; масштаб обеспечивается дистрибуцией AWS, enterprise procurement и интеграцией с AWS services.
On-demand example db.r5.large$0.348/hour или $250.56/month при 24/7
Storage example$0.10/GB-month
I/O example$0.20 за 1 млн запросов
AWS example totalпримерно $296.61/month
Redis-based graph database с multi-tenancy, Cypher, кластеризацией и позиционированием под GraphRAG/AI workloads.
FalkorDB self-reported: более 10 000 multi-graphs/tenants; это маркетинговая метрика, не аудит пользователей.
Free$0
Startupот $73/month за 1 GB
Proот $350/month за 8 GB
Enterprisecustom
Distributed graph analytics и graph database для fraud detection, entity resolution, customer 360, supply chain и AI.
TigerGraph публично объявляла $31 млн Series A в 2017 и $32 млн Series B в 2019; в 2025 объявила стратегическую инвестицию от Cuadrilla Capital без раскрытия суммы.
Savanna$45/GB/month
Savanna Business Critical$126/GB/month
Storage$0.025/GB/month
TG-00 minimum workspace$1/hour
Business Critical TG-00$2.80/hour
Free trial$0/GB/month для trial-конфигурации
In-memory graph engine с Cypher, ACID transactions, HA, streaming connectors, GraphRAG и AI memory positioning.
Memgraph приводит кейс Capitec с обработкой более 3,5 млн клиентов ежедневно; это масштаб клиентского workload, а не число пользователей Memgraph.
Community Editionfree forever
Memgraph Cloudmanaged service, инстансы от 1 GB до 32 GB RAM; публичная числовая цена не указана
Enterpriseцена зависит от объёма памяти и конфигурации
Enterprise trial30 дней бесплатно
Managed multi-model database от ArangoDB: документы, графы, key-value, distributed clusters, backups, private endpoints и enterprise security.
Публичная числовая метрика пользователей или выручки не подтверждена в собранных источниках.
Cloud trial14 дней бесплатно, без кредитной карты
AWS Marketplace committed subscription$60 000 за 12 месяцев для A32 OneShard deployment в us-east-1
Other configurationsprivate offer / custom contract
Графовый слой поверх Google Spanner, связывающий relational, graph, full-text и vector search для globally scalable enterprise workloads.
Google не раскрывает число пользователей именно Spanner Graph; сила продукта — глобальная инфраструктура Spanner и enterprise procurement Google Cloud.
Enterprise computeот $0.041 за 100 processing units/hour/replica
Enterprise Plus computeот $0.057 за 100 processing units/hour/replica
Database storageот $0.30/GB/month
Inter-region replicationот $0.04/GB
Free trial90 дней, до 10 GiB
RDF/semantic graph database для knowledge graphs, inference, SPARQL, enterprise data integration и semantic search.
Публичные цифры пользователей или выручки не подтверждены в собранных источниках.
GraphDB Freeбесплатная версия с ограниченной concurrency
GraphDB Enterprisecommercial license по числу CPU cores на каждом сервере; публичная числовая цена не указана
Текущая монетизация проекта
Да, автор уже строит вокруг проекта коммерческий managed product. На hydradb.com опубликованы Free ($0/month), Ship ($25/month + usage), Scale ($799/month + usage), Enterprise custom, storage pricing ($0.50/GB-month в HydraDB Cloud и $0.25/GB-month в dedicated deployment), enrichment overage $6 за 1 млн токенов, BYOC, private connectivity, SLA и dedicated FDE. Коммерческое предложение шире исходного репозитория: AI context layer, connectors, hosted sandbox, observability и enrichment вокруг HydraDB.
Коммерческий потенциал
ПОТЕНЦИАЛ · СРЕДНИЙ
Коммерциализация реалистична через managed cloud, BYOC, enterprise support, commercial license и AI data services, но стороннему игроку сложно монетизировать само AGPL-ядро без юридической и операционной экспертизы.
Спрос и рынок
Спрос высокий: graph database market и более широкий cloud database market растут, а GraphRAG, knowledge graphs и AI memory создают дополнительный спрос. Но часть workloads уйдёт в vector databases, relational databases с graph extensions и hyperscaler offerings.
Ров / защищённость
Потенциальный ров есть, но пока не доказан. Wedge — object-store-native architecture, disposable compute state, CAS leases, snapshot-consistent execution, GraphBLAS traversal, OpenCypher/Bolt и AI connectors. Настоящий moat появится только через production deployments, воспроизводимые benchmarks, TCO-доказательства, SDK/connectors и customer feedback loop.
Модели монетизации
- managed hosting / HydraDB Cloud
- BYOC / dedicated deployment
- платная enterprise-поддержка
- dual-license / commercial license для закрытого embedding
- платные connectors и AI enrichment layer
- observability и hosted GraphRAG workflows
- консалтинг, migration и professional services
Что нужно, чтобы сделать продукт
- Стабильный versioned API и compatibility policy.
- Публичная релизная cadence и release history.
- Миграции схем, индексов и storage formats.
- Проверенные backup/restore и disaster recovery procedures.
- Нагрузочные тесты на больших графах и независимые benchmark results.
- Документированные limits: graph size, write throughput, index lag, recovery time.
- SDK для Python, TypeScript, Java и Go.
- Observability dashboards, alerting и cost attribution.
- Tooling для rolling upgrades, cluster repair, Helm/operator и provisioning.
- Публичные reference customers, security audit, SOC 2/ISO 27001/HIPAA/GDPR materials.
- Чёткое разделение open-source core и commercial platform.
- Migration guides с Neo4j, NebulaGraph и ArangoDB.
- Predictable pricing calculator и ясный ICP: generic graph database или AI memory platform.
⚖ ЛИЦЕНЗИЯ · МОЖНО ЛИ КОММЕРЦИАЛИЗИРОВАТЬ
Лицензия AGPL-3.0 позволяет коммерческое использование при соблюдении условий, но является главным юридическим ограничением. Managed SaaS, поддержка и BYOC возможны, однако модифицированный сетевой сервис и proprietary derivatives могут требовать раскрытия соответствующего исходного кода; для закрытого embedding нужна commercial/dual license и контроль прав контрибьюторов.
Риски и подводные камни
ВЫСОКИЙЛИЦЕНЗИЯ
AGPL-3.0 не запрещает коммерческое использование, но создаёт copyleft obligations для модификаций, сетевого сервиса и proprietary derivatives; для closed embedding нужен commercial/dual license и юридическая проверка.
ВЫСОКИЙЗАВИСИМОСТЬ ОТ АВТОРА
Проект очень молодой, около 7 контрибьюторов, последний релиз не указан; для database engine это риск breaking changes, storage compatibility issues и зависимости от ключевых разработчиков.
ВЫСОКИЙКОНКУРЕНЦИЯ
Neo4j, AWS Neptune, Google Spanner Graph, TigerGraph, ArangoDB и NebulaGraph сильнее по доверию, SLA, compliance, procurement, support и managed operations.
ВЫСОКИЙПРОЧЕЕ
Distributed object-store-native graph database имеет высокий correctness и operational risk: writer handoff, stale writers, WAL overlay, index lag, snapshot visibility и recovery после частичных сбоев.
СРЕДНИЙПРОЧЕЕ
Сборка и эксплуатация требуют Rust 1.91+, C/C++ toolchain, libcypher-parser, SuiteSparse GraphBLAS, platform-specific setup и множества переменных окружения; Docker снижает friction, но enterprise adoption требует зрелого оператора и upgrade path.
СРЕДНИЙСЛАБЫЙ РОВ
Архитектурная идея может быть воспроизведена крупными конкурентами; GitHub stars не равны платящим production customers.
СРЕДНИЙПРОЧЕЕ
Позиционирование одновременно как generic graph database, object-storage database, AI memory backend и GraphRAG platform может усложнить продажу разным ICP.
СРЕДНИЙАВТОР МОНЕТИЗИРУЕТ САМ
Автор уже продаёт managed product вокруг HydraDB, поэтому сторонняя коммерциализация будет конкурировать не только с OSS, но и с родной коммерческой оболочкой.
Достоверность разбора
УВЕРЕННОСТЬ · СРЕДНЯЯgpt-5.5 · 2026-09-25 · ОКНО 1D
Оговорки / что не проверено
- GitHub-звёзды, форки, возраст, контрибьюторы, license SPDX, cargo install и отсутствие последнего релиза взяты из предоставленной воронки/обогащения и не перепроверялись.
- Цены и scale-метрики коммерческих аналогов структурированы из уже собранного разбора; в рамках задачи не выполнялась повторная проверка актуальности.
- Многие scale-метрики являются self-reported заявлениями вендоров: Neo4j ARR/customers/Fortune 100, FalkorDB tenants, HydraDB funding, Memgraph workload case.
- Для Amazon Neptune, ArangoGraph, Google Spanner Graph и Ontotext GraphDB не было подтверждённых публичных пользовательских/выручечных метрик в собранном материале.
- Оценки рынков от MarketsandMarkets, Grand View Research и Fortune Business Insights расходятся по методологии и определению рынка; они не являются взаимно сопоставимыми audited facts.
- Зрелость competitor repos, включая статус/архивность Kuzu и BSL SurrealDB, взята из собранного разбора и не перепроверялась сейчас.
- Юридический вывод по AGPL является аналитической оценкой, а не юридической консультацией; для коммерческого использования нужен профильный юрист.
- Оценки demand/capture/access и итоговый commercial potential являются экспертной интерпретацией, а не финансовым прогнозом.
- Production readiness, correctness и operational risks HydraDB выведены из README/архитектурного описания и молодости проекта; независимые production deployments и аудиты не были подтверждены ≥2 источниками.
ИСТОЧНИКИ (30)
Why This Is A Finding
hydra-db/hydradb собрал 257 звёзд за окно, тогда как у автора всего 46 подписчиков — эффективная аудитория ≈ 2,338. Это даёт surprise-индекс 0.0036 (звёзды относительно охвата автора, а не в абсолюте). Удержание форков 90.2% и 6 внешних контрибьюторов отделяют реальный инструмент от разовой вспышки. Акселерация отрицательная — внимание остывает после пика.
Related Findings
RANKS ABOVE 79% OF 1860 FINDINGS
METRICS IN CONTEXT
MEDIAN ACROSS ALL 1860 FINDINGS · Δ vs MEDIAN · PERCENTILE = SHARE RANKED BELOW
METRICVALUEMEDIANΔ MEDPERCENTILE
SCORE0.000.00+0.00ABOVE 79%
VELOCITY8.572.70+5.87ABOVE 86%
RETENTION6.7%10.7%-4.0 PPABOVE 30%
FORKS4,036756+3,281ABOVE 79%
SURPRISE0.000.00+0.00ABOVE 67%