Wir haben AWS-Referenzarchitekturen unter Verwendung von Amazon Neptune veröffentlicht, um Ihnen bei der Auswahl von Graphdatenmodellen und Abfragesprachen zu helfen und Referenz-Bereitstellungsarchitekturen zu bieten.
AWS Summit SF 2022 – Amazon Neptune: Mit Graphen Einblicke in die Sicherheit gewinnen (56:43)
AWS re:Invent 2021 – Praktische Anwendungsfälle mit Graphdatenbanken (31:25)
AWS re:Invent 2020
AWS re:Invent 2020: Detaillierte Einblicke in Amazon Neptune (29:50)
AWS re:Invent 2020: Neue Funktionen zum schnellen Erstellen von Diagramm-Apps mit Amazon Neptune (26:54)
AWS – Technische Diskussionen
AWS on Air 2020: AWS Was als nächstes kommt, mit Amazon Neptune ML (24:05)
Erstellung ereignisgesteuerter Diagrammanwendungen mit speziell für AWS entwickelten Datenbanken (48:03)
Spieländerungen und Spielerverhalten mit Graphdatenbanken verstehen (50:21)
AWS DMS unterstützt das Kopieren von Daten aus relationalen Datenbanken nach Amazon Neptune (1:02:34)
Amazon Neptune: Erstellen von Anwendungen für hochvernetzte Datensätze (32:33)
AWS Tel Aviv Summit 2018: Wie Amazon Neptune und Graphdatenbanken Ihr Unternehmen verändern können (38:39)
AWS re:Invent 2018: Woher weiß ich, dass ich eine Amazon-Neptune-Graphdatenbank benötige? (46:12)
Kunden-Fallstudien
Audible for Business
Eine Graphdatenbank bietet uns mehr Flexibilität als die relationalen Systeme. Wir müssen in unseren Tabellen [in relationalen Modellen] ggf. viele Verknüpfungen erstellen, was zu einer hohen Latenz eines großen Teils unserer Geschäftslogik führen würde. Eine Graph-Datenbank ist für unseren Anwendungsfall optimal. Amazon Neptune war die Lösung für uns.
metaphactory und Amazon Neptune versetzten Siemens Energy in die Lage, einen Wissensgraph für Turbinen zu erstellen und die Verbindungen zwischen ähnlichen Teilen in der gesamten Gasturbinenflotte zu visualisieren. Amazon Neptune ist ein verwalteter Graphdatenbank-Service, der perfekt zur Cloud-first-Strategie von Siemens Energy IT mit einem Schwerpunkt auf Zuverlässigkeit, Skalierbarkeit, Reduzierung von Wartung und Integration in die vorhandene Plattform auf Amazon Web Services (AWS) passt.
Wir haben uns für Neptune entschieden, weil es eine leistungsstarke Graphdatenbank ist, die sich durch Sicherheit, Leistung und Analysefreundlichkeit auszeichnet. In unserem [Kontaktnachverfolgungs]modell ist jeder Nutzerknoten mit einem Geräteknoten verbunden. Wenn sich ein Gerät an einem Standort anmeldet, wird zwischen diesem Gerät und einem scanbaren Asset (einem QR-Code) ein Edge gebildet, der mit einem bestimmten Standort (einem physischen Speicher) in einem verbundenen Unternehmen verknüpft ist. Mit Neptune sind wir in der Lage, diese umfassenden Beziehungen zwischen Nutzern, Anmeldungen und Standorten zu speichern, um Einblicke in die Ausbreitung des Virus zu erhalten.
Zusätzlich zur Verschlüsselung auf Datenbankebene mögen wir auch eine Verschlüsselung auf Anwendungsebene. Wenn wir Amazon Neptune verwenden, sind die Daten bereits verschlüsselt, bevor sie in die Datenbank gelangen. Und dann werden sie im Ruhezustand erneut verschlüsselt.
Durch die Nutzung von [Amazon] Neptune und anderen AWS-Services können wir in sehr kurzer Zeit eine kosteneffiziente Datenplattform im großen Maßstab schaffen.
