Amazon Neptune Database 및 Amazon Neptune Analytics와 같은 그래프 데이터베이스는 관계를 저장하고 탐색하기 위해 특별히 구축되었습니다. 그래프 데이터베이스는 데이터 사이의 복잡한 관계를 생성하고 이러한 관계를 신속하게 쿼리해야 하는 소셜 네트워킹, 추천 엔진 및 부정 탐지와 같은 사용 사례의 경우 관계형 데이터베이스보다 유용합니다. Amazon Neptune은 노드(데이터 엔터티), 엣지(관계) 및 속성과 같은 그래프 구조를 사용하여 데이터를 표시하고 저장합니다. 관계는 데이터 모델의 1급 객체로 저장됩니다. 따라서 노드의 데이터가 직접 연결되어 데이터에서 관계를 탐색하는 쿼리 성능이 대폭 향상됩니다.
Amazon Neptune Database 시작하기
이미 그래프 모델에 데이터가 있다면 Amazon Neptune Database를 쉽게 시작할 수 있습니다. CSV 또는 RDF 형식으로 데이터를 로드하고 Apache TinkerPop Gremlin, SPARQL 또는 openCypher를 사용해 그래프 쿼리 작성을 시작할 수 있습니다. 아래 링크를 통해 시작 설명서를 이용하거나 AWS Online Tech Talk를 볼 수 있습니다. 또한 Neptune Database에 대한 모범 사례도 통합했습니다.
Amazon Neptune Analytics 시작하기
AWS Management Console 또는 CDK, SDK 또는 CLI를 사용하여 그래프를 생성해 몇 단계만 거치면 Neptune Analytics를 시작할 수 있습니다. AWS CloudFormation 지원도 곧 제공될 예정입니다. Amazon S3 버킷의 데이터나 Neptune 데이터베이스에서 Neptune Analytics로 그래프를 로드할 수 있습니다. openCypher 쿼리 언어를 사용하여 그래프 애플리케이션에서 직접 Neptune Analytics의 그래프로 요청을 보낼 수 있습니다. 또한 Jupyter notebook에서 Neptune Analytics의 그래프에 연결하여 쿼리와 그래프 알고리즘을 실행할 수 있습니다. 분석 쿼리 결과를 Neptune Analytics 그래프에 다시 기록하여 수신되는 쿼리를 처리하거나 추가 처리를 위해 S3에 저장할 수 있습니다. Neptune Analytics는 대규모 언어 모델을 기반으로 하는 기존 애플리케이션과 연동할 수 있도록 오픈 소스 LangChain 라이브러리와의 통합을 지원합니다.
Amazon Neptune ML 시작하기
- 테스트 환경 설정
- 노드 분류 노트북 샘플 시작
- 클러스터에 샘플 데이터 로드
- 그래프 내보내기
- ML 훈련 수행
- Neptune ML을 사용한 Gremlin 쿼리 실행
그래프 시각화 시작하기
그래프 쿼리 언어에 익숙하거나 노트북 환경에서 그래프 워크로드를 실행하는 데 익숙하다면 Neptune 노트북으로 시작할 수 있습니다. Neptune은 GitHub 및 Neptune 워크벤치의 오픈 소스 Neptune 그래프 노트북 프로젝트에서 Jupyter 및 JupyterLab notebook을 제공합니다. 이 노트북은 대화형 코딩 환경에서 그래프 기술과 Neptune에 대해 배울 수 있는 샘플 애플리케이션 자습서와 코드 조각을 제공합니다.
Neptune 노트북은 쿼리 결과를 시각화하고 애플리케이션 개발 및 테스트를 위한 IDE와 유사한 인터페이스를 제공하며, Neptune Streams 및 Neptune ML과 같은 다른 Neptune 기능과 함께 사용할 수도 있습니다. 또한, 각 Neptune 노트북은 그래프 탐색기 엔드포인트를 호스팅합니다. Amazon Neptune 콘솔의 각 노트북 인스턴스에서 그래프 탐색기를 열 수 있는 링크를 찾을 수 있습니다.
