JanusGraph采用邻接表(adjacency list)的方式存储图，也即图以顶点(vertex)和其邻接表组成。邻接表中保存某个顶点的所有入射边(incident edges)。

通过将图采用邻接表的形式存储，JanusGraph确保了某个顶点的所有入射边和属性都被紧凑的存储在一起，从而能够加快遍历速度，缺点是数据存储了两次。而且JanusGraph以sort key指定的顺序存储数据。

JanusGraph可以采用任何支持big table数据模型的存储后端存储邻接表。

在Bigtable data model下，表就是行的集合。每个行都唯一的由一个key标识，每行由大量的cell组成。一个cell是由列和值组成的。一个cell唯一的由指定行的制定列所标识。行在bigtable模型中称为“宽行”，表因此称为“宽表”。cell的数量可以非常大，而且不需要预定义。

JanusGraph对bigtable数据模型有一个特殊的要求：cell必须是根据列来排序的，而且由column制定的cell的子集必须可以高效查询。

而且，如果bigtable实现可以根据行的key排序，JanusGraph则可以利用该特性实现更高的图遍历性能。

JanusGraph将每个邻接表作为以个row保存在存储后端，64位的vertex id是指向邻接表的key。每个边和属性都是作为独立的cell保存的，以实现更高效插入和删除。没行中最大能保存的cell的个数，也就是vertex的edge的数量限制。

每个edge和property都作为邻接表的一个cell存储，并通过序列化之后，byte order即表示了edge label的sort key。variableid对schema进行编码和压缩来节省空间。上图中深蓝色的色块表示了对schema进行编码压缩后的ID，用以减少存储消耗。红色快代码一个或多个属性值，该值也被压缩并关联到属性key上。灰色块代表未压缩的属性值，如（序列化的OBJECT)。

Edge有edge label唯一ID开始，并附加一个表示方向的数据位；之后有属性key组成的排序键，再之后是邻接表IDD，和边ID。Janus并不保存实际的vertex id，而是相对于邻接表的偏移量，因其比压缩更节省空间。value部分保存了序列化后的值。

对于属性来说就简单一点，column是属性的key id，property id和property key保存在value部分，如果property key被定义为LIST，property id也保存在列中。

对于理解JanusGraph的存储，关键在于理解其bigtable的邻接表存储结构，而在邻接表中保存了边（包括边的属性）及vertex的属性。

由于边是由两个vertex定义的，故肯定存在有edge的重复保存，这增加了存储空间，但通过冗余也提高了查询效率。

最后是每个邻接表：行，的数据结构，对于一般的应用场景，我们没有必要深入到行存储中去，只是了其存储的一般原理即可。