Amazon Neptune

Memulai Amazon Neptune

Gambaran Umum

Basis data grafik, seperti Amazon Neptune Database dan Amazon Neptune Analytics, dirancang khusus untuk menyimpan dan menavigasi hubungan. Keduanya memiliki keunggulan dibandingkan basis data relasional untuk kasus penggunaan seperti jejaring sosial, mesin rekomendasi, dan deteksi kecurangan, di mana Anda perlu membuat hubungan yang kompleks di antara data serta mengueri hubungan ini dengan cepat. Amazon Neptune menggunakan struktur grafik seperti simpul (entitas data), edge (hubungan), dan properti untuk menggambarkan serta menyimpan data. Hubungan tersebut disimpan sebagai entitas utama dari model data. Hal ini memungkinkan data di dalam simpul ditautkan secara langsung, sehingga secara dramatis meningkatkan performa kueri yang menavigasi hubungan di dalam data tersebut.

Memulai Basis Data Amazon Neptune

Jika sudah mempunyai data dalam model grafik, Anda akan mudah untuk memulai Amazon Neptune Database. Anda dapat memuat data dalam format CSV atau RDF dan mulai menulis kueri grafik dengan Apache TinkerPop Gremlin, SPARQL, atau openCypher. Anda dapat menggunakan dokumentasi untuk memulai atau melihat AWS Online Tech Talk melalui tautan berikut. Kami juga telah mengkonsolidasikan praktik terbaik untuk Database Neptunus juga.

Memulai Amazon Neptune Analytics

Anda dapat memulai Neptune Analytics dalam beberapa langkah dengan membuat grafik menggunakan Konsol Manajemen AWS atau CDK, SDK, atau CLI. Dukungan AWS CloudFormation akan segera hadir. Anda dapat memuat grafik ke Neptune Analytics dari data di bucket Amazon S3 atau dari basis data Neptune. Anda dapat mengirim permintaan menggunakan bahasa kueri openCypher ke grafik di Neptune Analytics, langsung dari aplikasi grafik Anda. Anda juga dapat terhubung ke grafik di Analitik Neptune dari notebook Jupyter untuk menjalankan kueri dan algoritma grafik. Hasil kueri analitik dapat kanditulis kembali ke grafik Neptune Analytics untuk melayani kueri masuk atau disimpan dalam S3 agar dapat diproses lebih lanjut. Neptune Analytics mendukung integrasi dengan pustaka LangChain sumber terbuka untuk bekerja dengan aplikasi yang ada yang didukung oleh model bahasa besar.

Memulai Amazon Neptune ML

Untuk memulai Neptune ML, gunakan posting blog ini sebagai referensi yang membahas langkah-langkah dalam alur kerja memulai termasuk yang berikut ini:

Menyiapkan lingkungan pengujian
Meluncurkan sampel notebook klasifikasi simpul
Memuat data sampel ke dalam klaster
Mengekspor grafik
Melakukan pelatihan ML
Menjalankan kueri Gremlin dengan Neptune ML

Memulai visualisasi grafik

Anda dapat menggunakan notebook Neptune atau Graph Explorer untuk memvisualisasikan data grafik Anda. Jika Anda baru mengenal basis data grafik dan bahasa kueri atau ingin menjelajahi data grafik tanpa menulis kueri, sebaiknya mulai dengan Graph Explorer. Anda dapat memulai Graph Explorer dalam beberapa langkah menggunakan Konsol Manajemen AWS. Pengguna harus memiliki akses untuk membaca data Neptune melalui peran IAM baru atau yang sudah ada untuk menggunakan Graph Explorer. Proyek Graph Explorer tersedia di GitHub, dan Graph Explorer tersedia di semua Wilayah AWS di mana meja kerja Neptune tersedia.

Jika Anda terbiasa dengan bahasa kueri grafik atau menjalankan beban kerja grafik di lingkungan notebook, Anda dapat memulai dengan notebook Neptune. Neptune menyediakan notebook Jupyter dan JupyterLab dalam proyek notebook grafik Neptune sumber terbuka di GitHub dan di workbench Neptune. Notebook ini menawarkan contoh tutorial aplikasi dan cuplikan kode dalam lingkungan pengodean yang interaktif di mana Anda dapat mempelajari teknologi grafik dan Neptune.

Notebook Neptune dapat memvisualisasikan hasil kueri dan menyediakan antarmuka seperti IDE untuk pengembangan serta pengujian aplikasi, atau Anda dapat menggunakan notebook Neptune dengan fitur Neptune lainnya seperti Neptune Streams dan Neptune ML. Selain itu, setiap notebook Neptune memiliki titik akhir Graph Explorer. Anda dapat menemukan tautan untuk membuka Graph Explorer pada setiap instans notebook di konsol Amazon Neptune.

Memulai bahasa kueri

Gremlin: Pel anggan yang menggunakan Gremlin dengan Neptunus sering merujuk ke buku online, Gremlin Praktis: Tutorial Apache TinkerPop, sebagai referensi yang berguna untuk menambah dokumentasi Apache TinkerPop.

SPARQL: Untuk pelanggan yang menggunakan RDF dan SPARQL dengan Neptune, Ikhtisar SPARQL 1.1 World Wide Web Consortium adalah panduan yang berguna.

OpenCypher: OpenCypher adalah bahasa query deklaratif untuk grafik properti yang awalnya dikembangkan oleh Neo4j, kemudian menjadi open source pada tahun 2015, dan berkontribusi pada proyek OpenCypher di bawah lisensi open-source Apache 2. Sintaksisnya didokumentasikan dalam Cypher Query Language Reference, Versi 9.

GraphQL: Jika Anda tertarik untuk mengaktifkan GraphQL untuk akses ke Neptune, ada contoh aplikasi yang menunjukkan cara menggunakan AWS AppSync GraphQL dan Neptune.