Amazon Neptune 等图形数据库专门用于存储和导航关系。在社交网络、推荐引擎和欺诈检测等使用案例中,您需要在数据之间创建关系并快速查询这些关系,此时,图形数据库将比关系数据库更具优势。使用关系数据库构建这些类型的应用程序面临着许多挑战。您将需要多个具有多个外键的表。用于导航此数据的 SQL 查询需要嵌套查询和复杂的联接,它们很快就会变得不灵便,而且随着数据量逐渐增加,查询的性能也会降低。在 re:Invent 2018 中,我们介绍的图形数据库入门提供了更多信息和细节。

Neptune 使用节点 (数据实体)、边缘 (关系) 和属性等图形结构来表示和存储数据。这些关系存储为数据模型的一等公民。这样,系统便可直接关联节点中的数据,从而显著提高导航数据中关系的查询的性能。Neptune 的大规模交互式性能可有效地实现各种图形使用案例。

如果您已在图形模型中拥有自己的数据,则可以很轻松地上手 Amazon Neptune。您可以加载 CSV 或 RDF 格式的数据,并通过 Apache TinkerPop Gremlin 或 SPARQL 编写图形查询。您可以使用下方的快速入门指南,也可以参阅完整的入门指南。我们还整合了适用于 Amazon Neptune 的最佳实践。 

 
由于 Amazon Neptune 支持开放 Graph API 和查询语言,因此我们链接到 Gremlin 和 SPARQL 的外部文档。将 Gremlin 与 Neptune 共用的客户经常查阅在线书籍 实用 Gremlin:Apache TinkerPop 教程,作为补充 Apache TinkerPop 文档的有用参考资料。对于将 RDF 和 SPARQL 与 Neptune 共用的客户,万维网联盟的 SPARQL 1.1 概述可作为有用的指南。

如果您想了解如何整段地查看数据,请参考关于对使用 Amazon Neptune 的图形数据模型和查询进行逆向工程的 re:Invent 2018 演示材料以及可从 Github 获得的示例代码

还可以获得其他示例和演示以帮助您入门。我们提供了 用于显示您的 Neptune 段落的示例代码。我们 利用 AWS Glue 将 ETL IMDB 应用到 Neptune 中,尝试通过图形查询找出“六度分离理论”。我们提供了乃示如何使用协同过滤的 建议引擎示例

如果您有兴趣启用 GraphQL 以访问 Amazon Neptune,可查阅展示如何使用 AWS AppSync GraphQL 和 Amazon Neptune 的示例应用。

如果您想迁移到 Amazon Neptune,可以参考关于迁移到 Amazon Neptune 的 re:Invent 2018 演示材料。我们还提供了实用程序以将 GraphML 数据转换为 Neptune CSV 格式,以及用于帮助从 AWS Glue 作业写入到 Neptune 的 Python 库

Product-Page_Standard-Icons_01_Product-Features_SqInk
解答疑问

访问 Amazon Neptune 常见问题页面。

了解更多 
Product-Page_Standard-Icons_02_Sign-Up_SqInk
注册免费账户

立即享受 AWS 免费套餐。 

注册 
Product-Page_Standard-Icons_03_Start-Building_SqInk
开始在控制台中构建

在 AWS 管理控制台中,使用 Amazon Neptune 开始构建。

登录