Amazon Neptune과 같은 그래프 데이터베이스는 관계를 저장하고 탐색하도록 특별히 구축되었습니다. 데이터 간 관계를 생성하고 이러한 관계를 신속하게 쿼리해야 하는 소셜 네트워킹, 추천 엔진 및 부정 탐지와 같은 사용 사례의 경우 관계형 데이터베이스보다 유용합니다. 관계형 데이터베이스를 사용해 이러한 유형의 애플리케이션을 구축하려면 몇가지 문제점에 부딪히게 됩니다. 외래 키가 여러 개 있는 복수의 테이블이 필요합니다. 이러한 데이터를 탐색하는 SQL 쿼리에는 중첩 쿼리와 복잡한 조인이 필요하며 이는 순식간에 너무 복잡해집니다. 시간이 지나면서 데이터 규모가 커짐에 따라 쿼리 성능이 현저히 저하됩니다. re:Invent 2018에서는 더 많은 정보와 세부 사항을 제공하는 On-ramp to Graph Databases를 선보였습니다.
Neptune은 노드(데이터 엔터티), 엣지(관계) 및 속성과 같은 그래프 구조를 사용해 데이터를 표시하고 저장합니다. 관계는 데이터 모델의 일급 시민으로 저장됩니다. 따라서 노드의 데이터가 직접 연결되어 데이터에서 관계를 탐색하는 쿼리 성능이 현격히 향상됩니다. Neptune의 대규모 대화형 성능 덕분에 다양한 그래프 사용 사례를 효과적으로 지원할 수 있습니다.
이미 그래프 모델에 데이터가 있다면 Amazon Neptune을 쉽게 시작할 수 있습니다. CSV 또는 RDF 형식으로 데이터를 로드하고 Apache TinkerPop Gremlin, SPARQL 또는 openCypher를 사용해 그래프 쿼리 작성을 시작할 수 있습니다. 시작 설명서를 사용하거나 아래 링크를 통해 AWS Online Tech Talk를 볼 수 있습니다. 또한 Amazon Neptune에 대한 모범 사례를 통합했습니다.
데이터를 그래프로 보는 방법을 알고 싶다면, Github에서 사용할 수 있는 샘플 코드와 함께 Working Backwards to your Graph Data Model and Queries with Amazon Neptune에 대한 re:Invent 2018 프레젠테이션을 참조하세요.
Amazon Neptune에 액세스하기 위해 GraphQL을 사용하려고 한다면, AWS AppSync GraphQL 및 Amazon Neptune 사용 방법을 보여주는 예제 애플리케이션이 있습니다.
Amazon Neptune으로 마이그레이션하려면 Amazon Neptune으로의 마이그레이션에 대한 re:Invent 2018 프레젠테이션이 있습니다. 또한 GraphML 데이터를 Neptune CSV 형식으로 변환하는 유틸리티가 있으며 AWS Glue 작업에서 Neptune에 쓰는 데 도움이 되는 Python 라이브러리도 있습니다.
