Las bases de datos de gráficos, como Amazon Neptune, están diseñadas especialmente para almacenar y examinar relaciones. Presentan ventajas con respecto a las base de datos relacionales para casos de uso como las redes sociales, los motores de recomendaciones y la detección de fraudes, donde necesita crear relaciones entre los datos y consultarlas rápidamente. Si deseara crear estos tipos de aplicaciones mediante una base de datos relacional, tendría que superar numerosas complicaciones. Para empezar, necesitaría varias tablas con varias claves externas. Las consultas SQL para examinar estos datos requerirían consultas anidadas y uniones complejas que pronto se volverían difíciles de manejar, y el rendimiento de las consultas empeoraría a medida que aumentara el tamaño de sus datos. En re:Invent 2018, presentamos un Acceso rápido a las bases de datos de gráficos que brinda más información y detalles al respecto.

Neptune utiliza estructuras de gráficos, como nodos (entidades de datos), bordes (relaciones) y propiedades, para representar y almacenar los datos. Las relaciones se almacenan como ciudadanos de primera clase del modelo de datos. Esto permite vincular directamente los datos de los nodos, lo que mejora drásticamente el desempeño de las consultas que navegan por las relaciones de los datos. El rendimiento interactivo a escala de Neptune permite una gran variedad de casos de uso de gráficos de forma efectiva.

Si ya tiene sus datos en un modelo de gráfico, es fácil comenzar a utilizar Amazon Neptune. Puede cargar los datos en formato CSV o RDF y comenzar a escribir consultas de gráficos con SPARQL o Gremlin de Apache TinkerPop. Puede utilizar la guía de inicio rápido que se incluye a continuación o consultar las instrucciones introductorias completas. También hemos consolidado las prácticas recomendadas para Amazon Neptune. 

 
Dado que Amazon Neptune admite las API de Open Graph y los lenguajes de consulta, incluimos la documentación externa para Gremlin y SPARQL. Los clientes que utilizan Gremlin con Neptune con frecuencia mencionan el libro online, Practical Gremlin: An Apache TinkerPop Tutorial, como una referencia útil para complementar la documentación de Apache TinkerPop. Para los clientes que utilizan RDF y SPARQL con Neptune, la Información general de SPARQL 1.1 de la World Wide Web Consortium es una guía útil.

Si desea comprender cómo ver sus datos como un gráfico, hay una presentación de re:Invent 2018 sobre el análisis retrospectivo de las consultas y el modelo de datos de gráficos con Amazon Neptune, junto con el código de muestra disponible en Github.

Hay más ejemplos y muestras disponibles para ayudarlo a comenzar. Contamos con un código de ejemplo para visualizar su gráfico de Neptune. Contamos con una aplicación a ETL IMDB en Neptune con el uso de AWS Glue para probar consultas de gráficos a fin de encontrar “Six Degrees of Kevin Bacon”. Contamos con un ejemplo de motor de recomendaciones que muestra cómo utilizar el filtrado colaborativo.

Si está interesado en habilitar GraphQL para acceder a Amazon Neptune, hay una aplicación de ejemplo que muestra cómo utilizar AWS AppSync GraphQL y Amazon Neptune.

Si desea migrar a Amazon Neptune, hay una presentación de re:Invent 2018 sobre la migración a Amazon Neptune. También contamos con una utilidad para convertir los datos de GraphML al formato CSV de Neptune, y existe una biblioteca de Python para ayudar a escribir en Neptune desde trabajos de AWS Glue.

Product-Page_Standard-Icons_01_Product-Features_SqInk
Obtenga las respuestas a sus preguntas

Visite la página de preguntas frecuentes sobre Amazon Neptune.

Más información 
Product-Page_Standard-Icons_02_Sign-Up_SqInk
Inscríbase para obtener una cuenta gratuita

Obtenga acceso instantáneo a la capa gratuita de AWS. 

Registrarse 
Product-Page_Standard-Icons_03_Start-Building_SqInk
Comience a crear en la consola

Comience a crear con Amazon Neptune en la consola de administración de AWS.

Iniciar sesión