1. Es fácil instalar tanto una instancia única de ArangoDB como un clúster de ArangoDB en diferentes sistemas operativos, incluyendo CentOS, Ubuntu, MacOS y Windows. Podrías probar y testear la base de datos de grafos solo a través de varios pasos. 2. El AQL es fácil de aprender y entender. El documento oficial sobre AQL es muy detallado. Todos podrían aprenderlo solo leyendo el documento de AQL. 3. Lo más importante es que el AQL para el recorrido de grafos es muy eficiente. Para un grafo que consta de cien mil nodos, toma media hora consultar todos los anillos que incluyen de 6 a 12 nodos. 4. ArangoDB es libre de esquemas para un grafo grande. Así que es fácil modificar la estructura del grafo sin considerar diferentes problemas. 5. ArangoDB soporta diferentes modos de clúster. Eso significa que, por grande que sea tu dato, ArangoDB podría escalar dinámicamente hacia afuera o hacia adentro.

Esta base de datos es una potencia de todas las posibilidades de no sql. Con un foro activo y canales de Slack, el soporte proporcionado (incluso para usuarios de la comunidad) es excelente. Habíamos usado Neo4j antes, pero limita muchas cosas para su edición empresarial y por eso nos mudamos a Arango y estamos realmente contentos.

Migrar un proyecto a ArangoDB desde una base de datos documental fue intimidante al principio, pero con todas las herramientas que trae, lo hizo mucho más fácil. El lenguaje de consulta tiene una curva de aprendizaje bastante suave, mientras que al mismo tiempo te equipa con mucho poder. La rica interfaz web fue la más útil para mí; me permitió experimentar con datos y consultas antes de comprometerme con cualquier implementación real.