分布式图数据库的一个例子是 JanusGraph，这是一个旨在跨多台机器处理大规模图数据的开源系统。JanusGraph 将存储和查询处理分开，通过分布式数据和计算来实现水平扩展。它依赖于分布式存储后端，如 Apache Cassandra、Google Cloud Bigtable 或 Apache HBase 来管理数据持久性，而其查询引擎使用 Apache TinkerPop 的 Gremlin 遍历语言进行图操作。这种架构使 JanusGraph 能够支持高可用性、容错性，并能够在集群中高效处理复杂的图查询。
JanusGraph 的分布式特性在其存储层表现得淋漓尽致。例如，当使用 Apache Cassandra 作为后端时，数据会在集群中的节点之间进行分区和复制，确保弹性和可扩展性。图中的每个节点（例如，用户、产品）和每个连接（例如，“关注”或“购买”）都存储为键值对，Cassandra 根据分区策略进行分发。这种设置使得 JanusGraph 能够处理数十亿个节点和边，非常适合社交网络、推荐引擎或欺诈检测系统等应用。此外，它与 Apache Spark 的集成支持分布式图分析，例如跨大型数据集计算 PageRank 或社区检测。
另一个例子是 Amazon Neptune，这是 AWS 提供的一项完全托管的图数据库服务。Neptune 默认是分布式的，将数据复制到区域内的多个可用区 (AZs) 以确保持久性和可用性。它支持属性图和 RDF 模型，以及 Gremlin 和 SPARQL 等查询语言。Neptune 的存储层会自动分区数据并扩展读取副本以处理工作负载峰值。对于开发者来说，这消除了管理集群的运维开销，同时为连接数据提供低延迟查询。用例包括知识图谱、实时推荐系统和网络依赖分析。JanusGraph 和 Neptune 都展示了分布式图数据库如何在现代应用中平衡可扩展性、性能和灵活性。