Amazon Neptune

Démarrez avec Amazon Neptune

Présentation

Les bases de données graphiques, telles qu'Amazon Neptune Database et Amazon Neptune Analytics, sont spécialement conçues pour stocker et gérer les relations. Elles possèdent des avantages sur les bases de données relationnelles pour des cas d'utilisation tels que les réseaux sociaux, les moteurs de recommandation ou encore la détection des fraudes, pour lesquelles il est nécessaire de créer des relations complexes entre des données et d'interroger rapidement ces relations. Amazon Neptune utilise des structures de graphe telles que les nœuds (entités de données), les périphéries (relations) et les propriétés pour représenter et stocker les données. Les relations sont stockées en tant qu'entités de première classe du modèle de données. Ceci permet aux données en nœuds d'être directement reliées et d'améliorer nettement les performances des requêtes qui recherchent des relations dans les données.

Démarrer avec Amazon Neptune Database

Si vos données se trouvent déjà dans un modèle de graphe, vous pouvez démarrer aisément avec Amazon Neptune Database. Vous pouvez charger les données aux formats CSV ou RDF, puis commencer à écrire des requêtes de graphe avec Apache TinkerPop Gremlin, SPARQL ou openCypher. Vous pouvez utiliser la documentation de démarrage ou afficher la discussion en ligne sur la technologie AWS via les liens suivants. Nous avons également consolidé les meilleures pratiques pour la base de données Neptune.

Démarrer avec Amazon Neptune Analytics

Vous pouvez commencer à utiliser Neptune Analytics en quelques étapes en créant un graphique à l'aide de la Console de gestion AWS ou du CDK, du SDK ou de l'interface de ligne de commande. AWS CloudFormation sera bientôt pris en charge. Vous pouvez charger un graphique dans Neptune Analytics à partir des données d'un compartiment Amazon S3 ou d'une base de données Neptune. Vous pouvez envoyer des demandes à l'aide du langage de requête openCypher à un graphique dans Neptune Analytics directement depuis vos applications graphiques. Vous pouvez également vous connecter au graphique dans Neptune Analytics à partir d'un bloc-notes Jupyter pour exécuter des requêtes et des algorithmes graphiques. Les résultats des requêtes analytiques peuvent être réécrits dans le graphique de Neptune Analytics pour répondre aux requêtes entrantes ou stockés dans S3 pour un traitement ultérieur. Neptune Analytics prend en charge l'intégration avec la bibliothèque open-source LangChain pour fonctionner avec des applications existantes alimentées par de grands modèles linguistiques.

Démarrer avec Amazon Neptune ML

Pour commencer à utiliser Neptune ML, consultez cet article de blog qui décrit les étapes du flux de travail de démarrage, notamment les suivantes :

Configuration de l'environnement de test
Lancement de l'exemple de bloc-notes de classification des nœuds
Chargement des exemples de données dans le cluster
Exportation du graphique
Exécution d'une formation ML
Exécution de requêtes Gremlin avec Neptune ML

Démarrer avec la visualisation de graphiques

Vous pouvez utiliser les blocs-notes Neptune ou Graph Explorer pour visualiser les données de votre graphe. Si vous découvrez les bases de données orientées graphe et les langages de requête ou si vous souhaitez explorer des données de graphe sans écrire de requêtes, nous vous recommandons de commencer par Graph Explorer. Vous pouvez démarrer avec Graph Explorer en quelques étapes à l'aide de la Console de gestion AWS. Pour utiliser Graph Explorer, les utilisateurs doivent avoir accès à la lecture des données Neptune via un rôle IAM nouveau ou existant. Le projet Graph Explorer est disponible sur GitHub, et Graph Explorer est disponible dans toutes les régions AWS où le workbench Neptune est disponible.

Si vous connaissez les langages de requête graphique ou l'exécution de charges de travail graphiques dans un environnement de bloc-notes, vous pouvez commencer par les blocs-notes Neptune. Neptune fournit des blocs-notes Jupyter et JupyterLab dans le cadre du projet de bloc-notes Jupyter open-source Neptune sur GitHub et dans le workbench Neptune. Ces blocs-notes proposent des exemples de didacticiels d'application et des extraits de code dans un environnement de codage interactif où vous pouvez en apprendre davantage sur la technologie des graphes et Neptune.

Les blocs-notes Neptune peuvent à la fois visualiser les résultats des requêtes et fournir une interface de type IDE pour le développement et les tests d'applications. Vous pouvez également utiliser les blocs-notes Neptune avec d'autres fonctionnalités de Neptune telles que Neptune Streams et Neptune ML. De plus, chaque bloc-notes Neptune héberge un point de terminaison Graph Explorer. Vous trouverez un lien pour ouvrir Graph Explorer sur chaque instance de bloc-notes de la console Amazon Neptune.

Débuter avec les langages de requête

Gremlin : Les clients utilisant Gremlin avec Neptune se réfèrent souvent au livre en ligne, Practical Gremlin : An Apache TinkerPop Tutorial, comme référence utile pour compléter la documentation d'Apache TinkerPop.

SPARQL : Pour les clients qui utilisent RDF et SPARQL avec Neptune, la présentation de SPARQL 1.1 du World Wide Web Consortium est un guide utile.

OpenCypher : OpenCypher est un langage de requête déclaratif pour les graphes de propriétés qui a été initialement développé par Neo4j, puis est devenu open source en 2015 et a contribué au projet OpenCypher sous une licence open source Apache 2. Sa syntaxe est documentée dans la version 9 du guide Cypher Query Language Reference.

GraphQL : Si vous souhaitez activer GraphQL pour accéder à Neptune, il existe un exemple d'application qui montre comment utiliser AWS AppSync GraphQL et Neptune.