Abbiamo pubblicato le Architetture di riferimento di AWS utilizzando Amazon Neptune per permetterti di effettuare scelte informate sui modelli di dati di grafi e sui linguaggi di query, nonché di fornire architetture di implementazione di esempio.
Accenture: Elaborazione del linguaggio naturale e database a grafo per l'industria petrolifera e del gas (6:23)
Nike: Un grafico sociale su scala con Amazon Neptune (7:00)
AWS re:Invent 2020: Creazione del grafico dell'identità post-cookie per il marketing (30:48)
AWS re:Invent 2020: La piattaforma di nuova generazione di ADP alimenta team dinamici con Amazon Neptune (26:02)
AWS re:Invent 2019: Casi d'uso reali dei clienti con Amazon Neptune (30:25)
AWS re:Invent 2018: Creare un grafico sociale in Nike con Amazon Neptune (53:46)
AWS re:Invent 2018: Dati e analisi con Amazon Neptune: Uno studio sulla fatturazione sanitaria (48:49)
AWS re:Invent 2017: Panoramica e casi d'uso di clienti di Amazon Neptune (1:00:56)
AWS re:Invent 2022
AWS re:Invent 2022: Analisi approfondita di Amazon Neptune serverless (53:04)
Summit AWS SF 2022 - Amazon Neptune: Utilizzo di grafici per ottenere informazioni sulla sicurezza (56:43)
AWS re:Invent 2021 - Casi d'uso reali con database a grafo (31:25)
AWS re:Invent 2020
AWS re:Invent 2020: Analisi approfondita di Amazon Neptune (29:50)
AWS re:Invent 2020: Nuove funzionalità per creare rapidamente applicazioni grafiche con Amazon Neptune (26:54)
AWS Tech Talk
AWS on Air 2020: Novità di AWS con Amazon Neptune ML (24:05)
Sviluppa applicazioni grafiche basate su eventi con database dedicati AWS (48:03)
Comprendere i cambiamenti nel gioco e il comportamento dei giocatori con i database a grafo (50:21)
AWS DMS supporta la copia dei dati da database relazionali ad Amazon Neptune (1:02:34)
Amazon Neptune: Creazione di applicazioni per set di dati altamente connessi (32:33)
Summit AWS 2018 a Tel Aviv: Come trasformare la vostra attività con Amazon Neptune e i database a grafo (38:39)
AWS re:Invent 2018: Come posso sapere quando è necessario un database a grafo di Amazon Neptune? (46:12)
Casi di studio dei clienti
Audible for Business
Un database a grafo consente maggiore flessibilità rispetto ai sistemi relazionali. Potremmo dover realizzare molte join ai nostri tavoli [in un modello relazionale] e ciò avrebbe causato una latenza elevata di molte delle nostre logiche di business. Un database a grafo è ottimizzato per il nostro caso d'uso. Amazon Neptune ha risolto quello che stavamo cercando di realizzare.
metaphactory e Amazon Neptune hanno permesso a Siemens Energy di costruire un grafo della conoscenza Turbine e di visualizzare le connessioni tra parti simili nell'intera flotta di turbine a gas. Amazon Neptune, un servizio di database a grafo gestito, si adatta perfettamente alla strategia Cloud First guidata da Siemens Energy IT, che si focalizza sulla affidabilità, scalabilità, riduzione della manutenzione e integrazione con le loro piattaforme presenti su Amazon Web Services (AWS).
Abbiamo scelto Neptune perché è un potente database a grafo, sicuro, performante e di facile utilizzo per le analisi. Nel nostro modello [di tracciamento dei contatti], ogni nodo utente è connesso a un nodo dispositivo. Quando un dispositivo si registra in un luogo, si forma un edge tra quel dispositivo e uno scannerizzabile (un codice QR), che è associato a un particolare sito (un negozio fisico) e a un'organizzazione collegata (un'entità aziendale). Neptune ci consente di memorizzare queste complesse relazioni tra utenti, le registrazioni e i luoghi per ricavarne analisi sulla diffusione del virus.
Siamo contenti della crittografia a livello di app che si aggiunge a quella a livello di database. Quando utilizziamo Amazon Neptune, i dati sono già crittografati prima di arrivare al database, quindi vengono crittografati di nuovo quando sono inattivi.
Grazie ad Amazon Neptune e ad altri servizi AWS, siamo stati in grado di realizzare una piattaforma dati su vasta scala efficiente in termini di costi in tempi molto brevi.
