Graph-Datenbanken wie Amazon Neptune sind speziell zum Speichern und Navigieren von Beziehungen konzipiert. Sie bieten Vorteile gegenüber relationalen Datenbanken für Anwendungsfälle wie Social Networking, Empfehlungs-Engines und Betrugserkennung, bei denen Sie Beziehungen zwischen Daten erstellen und diese Beziehungen schnell abfragen müssen. Beim Erstellen dieser Arten von Anwendungen mithilfe einer relationalen Datenbank bestehen einige Herausforderungen. Sie benötigen mehrere Tabellen mit mehreren Fremdschlüsseln. SQL-Abfragen zum Navigieren in diesen Daten würden verschachtelte Abfragen und komplexe Verknüpfungen erfordern, die schnell unhandlich werden, und die Abfragen würden nicht gut funktionieren, da die Datengröße im Laufe der Zeit zunimmt. Auf der re:Invent 2018 haben wir eine On-Ramp to Graph Datenbank vorgestellt, die mehr Informationen und Details bietet.

Neptune nutzt Diagrammstrukturen wie Knoten (Datenelemente), Kanten (Beziehungen) und Eigenschaften, um Daten darzustellen und zu speichern. Die Beziehungen werden als Mitglied erster Ordnung des Datenmodells gespeichert. Dadurch können Daten in Knoten direkt verknüpft werden, wodurch die Leistung von Abfragen, die durch Beziehungen in den Daten navigieren, erheblich verbessert wird. Die interaktive Leistung von Neptune bei der Skalierung ermöglicht auf effektive Weise eine breite Palette von Anwendungsfällen für Diagramme.

Wenn Sie Ihre Daten bereits in einem Graph-Modell haben, ist es einfach mit Amazon Neptune zu beginnen. Sie können Daten im CSV- oder RDF-Format laden und mit dem Schreiben von Graph-Abfragen mit Apache TinkerPop Gremlin oder SPARQL beginnen. Sie können die unten genannte Anleitung für den Schnelleinstieg verwenden oder die gesamten Anweisungen für die ersten Schritte lesen. Wir haben auch Best Practices für Amazon Neptune zusammengefasst. 

 
Da Amazon Neptune Open Graph APIs und Abfragesprachen unterstützt, verweisen wir auf die externe Dokumentation für Gremlin und SPARQL. Kunden, die Gremlin mit Neptun verwenden, verweisen oft auf das Online-Buch Practical Gremlin: An Apache TinkerPop Tutorial, als hilfreiche Referenz zur Ergänzung der Apache TinkerPop Documentation. Für Kunden, die RDF und SPARQL mit Neptune verwenden, ist SPARQL 1.1 Overview vom World Wide Web Consortium ein nützliches Handbuch.

Wenn Sie verstehen wollen, wie Sie Ihre Daten als Graph anzeigen können, gibt es eine Präsentation auf der re:Invent 2018 über Rückwärtsgerichtetes Arbeiten zu Ihrem Graph Data Model und Abfragen mit Amazon Neptune zusammen mit dem auf Github verfügbaren Beispielcode.

Es sind andere Muster und Beispiele verfügbar, um Ihnen beim Start zu helfen. Wir haben einen Beispielcode zur Visualisierung Ihres Neptune-Graphen. Wir haben eine Anwendung für ETL IMDB in Neptune mittels AWS Glue, um Graph-Abfragen auszuprobieren und um „Six Degrees of Kevin Bacon“ zu finden. Wir haben ein Beispiel für eine Empfehlungsmaschine, das zeigt, wie man kollaboratives Filtern verwendet.

Wenn Sie daran interessiert sind, GraphQL für den Zugriff auf Amazon Neptune zu aktivieren, gibt es eine Beispielanwendung, die zeigt wie man AWS AppSync GraphQL und Amazon Neptune verwendet.

Wenn Sie zu Amazon Neptune migrieren möchten, gibt es auf der re:Invent 2018 eine Präsentation über Migration auf Amazon Neptune. Wir haben auch ein Dienstprogramm, um GraphML-Daten in das Neptun CSV-Format zu konvertieren, und es gibt eine Python-Bibliothek, die beim Schreiben von AWS Glue-Aufträgen in Neptun hilft.

Product-Page_Standard-Icons_01_Product-Features_SqInk
Antworten auf Ihre Fragen

Besuchen Sie die Seite mit den Häufig gestellten Fragen zu Amazon Neptune.

Weitere Informationen 
Product-Page_Standard-Icons_02_Sign-Up_SqInk
Registrieren Sie sich und erhalten Sie ein kostenloses Konto

Sie erhalten sofort Zugriff auf das kostenlose AWS-Kontingent. 

Registrieren 
Product-Page_Standard-Icons_03_Start-Building_SqInk
Beginnen Sie mit der Entwicklung in der Konsole

Beginnen Sie mit dem Erstellen von Amazon Neptune auf der AWS Management Console.

Anmeldung