Démarrer avec Amazon Neptune

Les bases de données orientées graphe, telles qu'Amazon Neptune, sont conçues pour stocker et rechercher des 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 d'établir des relations entre des données et d'interroger rapidement ces relations. Pour la création de ce type d'applications, l'utilisation d'une base de données relationnelle dresse un certain nombre d'obstacles. Dans ce cas, plusieurs tables avec plusieurs clés étrangères seraient nécessaires. Pour effectuer des recherches dans ces données, les requêtes SQL devraient s'accompagner de requêtes imbriquées et de jointures complexes, rapidement encombrantes, et l'efficacité des requêtes baisserait avec l’augmentation du volume des données. Lors de re:Invent 2018, nous avons présenté Tremplin vers les bases de données orientées graphe qui fournit plus d’informations et de détails.

Neptune utilise des structures de graphe, telles que les nœuds (entités de données), les arcs (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. Les performances interactives à grande échelle de Neptune rendent son utilisation possible dans de nombreux cas.

Si vos données se trouvent déjà dans un modèle de graphe, vous pouvez démarrer aisément avec Amazon Neptune. 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 Discussions en ligne sur la technologie AWS via les liens ci-dessous. Nous avons également regroupé les meilleures pratiques pour Amazon Neptune.

Documentation de démarrage pour Amazon Neptune

Discussions en ligne sur la technologie AWS : Démarrer avec Amazon Neptune

Formation : Démarrer avec Amazon Neptune

Comme Amazon Neptune prend en charge les API graphe ouvertes et les langages de requête, il existe un lien à la documentation externe pour Gremlin, SPARQL et openCypher. Les clients qui utilisent Gremlin avec Neptune se reportent généralement au manuel en ligne, Gremlin pratique : Didacticiel Apache TinkerPop, une référence utile pour augmenter la documentation Apache TinkerPop. Pour les clients qui utilisent RDF et SPARQL avec Neptune, SPARQL 1.1 Overview du World Wide Web Consortium est un guide utile. openCypher est un langage de requête déclaratif pour les graphes de propriétés développé à l’origine par Neo4j, puis mis en open-source en 2015, et a contribué au projet openCypher sous licence open-source Apache 2. Sa syntaxe est documentée dans la version 9 du guide Cypher Query Language Reference.

Si vous souhaitez savoir comment afficher vos données sous la forme d'un graphe, vous disposez d'une présentation re:Invent 2018 sur Working Backwards to your Graph Data Model and Queries with Amazon Neptune et d'un exemple de code sur Github.

D’autres échantillons et exemples sont disponibles pour vous aider à démarrer. Nous disposons d’un exemple de code pour la visualisation de votre graphe Neptune. Nous disposons d’une application à ETL IMDB dans Neptune utilisant AWS Glue pour tester les requêtes de graphe pour rechercher les « Six degrés de Kevin Bacon ». Nous disposons d’un exemple de moteur de recommandation qui explique comment utiliser le filtrage collaboratif.

Si vous souhaitez activer GraphQL pour accéder à Amazon Neptune, il existe un exemple d’application qui explique comment utiliser AWS AppSync GraphQL et Amazon Neptune.

Si vous souhaitez migrer vers Amazon Neptune, vous disposez d’une présentation re:Invent 2018 sur la migration vers Amazon Neptune. Nous disposons également d’un utilitaire de conversion des données GraphML au format CSV Neptune, et il existe une bibliothèque Python pour vous aider à écrire dans Neptune depuis des travaux AWS.