Amazon Neptune

Nozioni di base su Amazon Neptune

Panoramica

I database a grafo, come Amazon Neptune Database e Amazon Neptune Analytics, sono creati appositamente per archiviare e gestire le relazioni. Presentano vantaggi rispetto ai database relazionali per casi d'uso come social network, motori di suggerimenti e rilevamento di frodi, dove è necessario creare complesse relazioni tra dati e sottoporle rapidamente a query. Amazon Neptune utilizza le strutture a grafo come nodi (entità di dati), edge (relazioni) e proprietà per rappresentare e archiviare i dati. Le relazioni vengono archiviate come cittadini di prima classe del modello di dati. Questo consente il collegamento diretto dei dati nei nodi, migliorando drasticamente le prestazioni delle query che governano le relazioni tra i dati.

Nozioni di base sul Database Amazon Neptune

Se i dati sono già pronti in un modello a grafo, è facile iniziare con il Database Amazon Neptune. È possibile caricare i dati nei formati CSV o RDF e iniziare a scrivere query a grafo con Apache TinkerPop Gremlin, SPARQL o openCypher. È possibile utilizzare la documentazione introduttiva o visualizzare AWS Online Tech Talk tramite i link sottostanti. Abbiamo anche consolidato le best practice per Neptune Database.

Nozioni di base su Amazon Neptune Analytics

È possibile iniziare a utilizzare Neptune Analytics in pochi passaggi creando un grafo tramite la Console di gestione AWS o il CDK, l'SDK o la CLI. Il supporto per AWS CloudFormation sarà presto disponibile. È possibile caricare un grafo su Neptune Analytics dai dati in un bucket Amazon S3 o da un database Neptune. È possibile inviare richieste a un grafo su Neptune Analytics utilizzando il linguaggio di query openCypher direttamente dalle applicazioni a grafo. Inoltre, è possibile connettersi al grafo su Neptune Analytics da un notebook Jupyter per eseguire query e algoritmi a grafo. È possibile riscrivere i risultati delle query analitiche nel grafo di Neptune Analytics per servire le query in entrata o archiviarli su S3 per un'ulteriore elaborazione. Neptune Analytics supporta l'integrazione con la libreria open source LangChain per lavorare con le applicazioni esistenti basate su modelli linguistici di grandi dimensioni.

Nozioni di base su Amazon Neptune ML

Per iniziare a utilizzare Neptune ML, consulta questo post del blog per rivedere i passaggi del flusso di lavoro introduttivo, tra cui:

Configurazione dell'ambiente di test
Avvio dell'esempio di notebook per la classificazione dei nodi
Caricamento dei dati campione nel cluster
Esportazione del grafo
Esecuzione di addestramento di ML
Esecuzione di query Gremlin con Neptune ML

Nozioni di base sulla visualizzazione a grafo

Puoi utilizzare i notebook Neptune o Graph Explorer per visualizzare i dati del grafico. Se non conosci i database a grafo e i linguaggi di query o desideri esplorare i dati a grafo senza scrivere query, ti consigliamo di iniziare con Graph Explorer. È possibile iniziare a utilizzare Graph Explorer in pochi passaggi utilizzando la Console di gestione AWS. È necessario che gli utenti abbiano accesso alla lettura dei dati di Neptune tramite un ruolo IAM nuovo o esistente per utilizzare Graph Explorer. Il progetto Graph Explorer è disponibile su GitHub e Graph Explorer è disponibile in tutte le regioni AWS in cui è disponibile il workbench Neptune.

Se conosci già i linguaggi di query a grafo o l'esecuzione di carichi di lavoro a grafo in un ambiente notebook, puoi iniziare con i notebook Neptune. Neptune fornisce i notebook Jupyter e JupyterLab nel progetto open source dei notebook Neptune a grafo su GitHub e nell'ambiente di lavoro Neptune. Questi notebook offrono esempi di tutorial applicativi e frammenti di codice in un ambiente di codifica interattivo in cui è possibile conoscere meglio la tecnologia a grafo e Neptune.

I notebook Neptune possono sia visualizzare i risultati delle query sia fornire un'interfaccia simile a IDE per lo sviluppo e il test delle applicazioni; altrimenti, è possibile utilizzare i notebook Neptune con altre funzionalità come Neptune Streams e Neptune ML. Inoltre, ogni notebook Neptune ospita un endpoint Graph Explorer. Su ogni istanza del notebook nella console Amazon Neptune è disponibile un link per aprire Graph Explorer.

Nozioni di base sui linguaggi di query

Gremlin: I clienti che utilizzano Gremlin with Neptune spesso fanno riferimento al libro online Practical Gremlin: An Apache TinkerPop Tutorial, come utile riferimento per ampliare la documentazione di Apache TinkerPop.

SPARQL: per i clienti che utilizzano RDF e SPARQL con Neptune, la panoramica SPARQL 1.1 del World Wide Web Consortium è una guida utile.

OpenCypher: OpenCypher è un linguaggio di interrogazione dichiarativo per i grafici delle proprietà che è stato originariamente sviluppato da Neo4j, poi diventato open source nel 2015 e ha contribuito al progetto OpenCypher con una licenza open source Apache 2. La sua sintassi è documentata in Cypher Query Language Reference, Version 9.

GraphQL: se sei interessato ad abilitare GraphQL per l'accesso a Neptune, c'è un' applicazione di esempio che mostra come usare AWS AppSync GraphQL e Neptune.