Amazon Neptune

Начало работы с Amazon Neptune

Обзор

Графовые базы данных, такие как Amazon Neptune Database и Amazon Neptune Analytics, предназначены для хранения взаимосвязей и навигации по ним. Они имеют ряд преимуществ перед реляционными базами данных в таких случаях использования, как социальные сети, сервисы рекомендаций и системы выявления мошенничества, когда требуется создавать сложные взаимосвязи между данными и быстро их запрашивать. Amazon Neptune использует структуры графов, такие как узлы (объекты данных), края (взаимосвязи) и свойства для представления и хранения данных. Эти взаимосвязи сохраняются как элементы первого порядка модели данных. Это позволяет напрямую связывать данные в узлах и значительно повышать производительность запросов, используемых для навигации по взаимосвязям в данных.

Начало работы с базой данных Amazon Neptune

Если ваши данные уже представлены в графовой модели, начать работу с базой данных Amazon Neptune не составит труда. Сервис позволяет загружать данные в формате CSV или RDF и создавать запросы графов с помощью Apache TinkerPop Gremlin, SPARQL или openCypher. Можно воспользоваться документацией для начала работы или просмотреть вебинар AWS Online Tech Talk по приведенным ниже ссылкам. Мы также объединили лучшие практики для базы данных Neptune.

Начало работы с аналитикой Amazon Neptune

Начать работу с аналитикой Neptune можно в несколько шагов, создав граф с помощью консоли управления AWS или CDK, SDK или интерфейса командной строки. Скоро появится поддержка AWS CloudFormation. В аналитику Neptune можно загрузить граф из данных в корзине Amazon S3 или из базы данных Neptune. Вы можете отправлять запросы с помощью языка запросов openCypher в граф в аналитике Neptune непосредственно из графовых приложений. Кроме того, можно подключиться к графу в аналитике Neptune из блокнота Jupyter для выполнения запросов и графовых алгоритмов. Результаты аналитических запросов можно записать обратно в граф аналитики Neptune для обработки входящих запросов или сохранить в S3 для дальнейшей обработки. Аналитика Neptune поддерживает интеграцию с библиотекой LangChain с открытым исходным кодом для работы с существующими приложениями, основанными на больших языковых моделях.

Начало работы с Amazon Neptune ML

Чтобы начать работу с Neptune ML, см. публикацию в блоге, в которой описаны этапы начала работы, включая указанные далее.

Настройка среды тестирования
Запуск примера блокнота по классификации узлов
Загрузка образцов данных в кластер
Экспорт графа
Изучение машинного обучения
Выполнение запросов Gremlin с помощью Neptune ML

Начало работы с визуализацией графов

Для визуализации графических данных можно использовать блокноты Neptune или Graph Explorer. Если вы новичок в графовых базах данных и языках запросов или хотите изучать графовые данные без написания запросов, рекомендуем начать с Graph Explorer. Начать работу с Graph Explorer можно в несколько шагов с помощью консоли управления AWS. Для использования Graph Explorer пользователи должны иметь доступ к чтению данных Neptune с помощью новой или существующей роли IAM. Проект Graph Explorer доступен на GitHub, а Graph Explorer доступен во всех регионах AWS, где доступен рабочий стол Neptune.

Если вы знакомы с языками запросов к графам или выполняете графовые рабочие нагрузки в среде блокнотов, вы можете начать с блокнотов Neptune. Neptune предоставляет блокноты Jupyter и JupyterLab в проекте графовых блокнотов Neptune с открытым исходным кодом на GitHub и в рабочей среде Neptune. В этих блокнотах представлены примеры руководств по применению и фрагменты кода в интерактивной среде программирования, где можно узнать о технологии графов и Neptune.

Блокноты Neptune могут одновременно визуализировать результаты запросов и предоставлять интерфейс, подобный IDE, для разработки и тестирования приложений. Кроме того, блокноты Neptune можно использовать с другими функциями Neptune, такими как Neptune Streams и Neptune ML. Более того, каждый блокнот Neptune содержит адрес Graph Explorer. Ссылку для открытия Graph Explorer в каждом инстансе блокнота можно найти в консоли Amazon Neptune.

Начало работы с языками запросов

Гремлин: Пользователи, использующие Gremlin вместе с Neptune, часто обращаются к онлайн-книге « Практический гремлин: учебное пособие по Apache TinkerPop» в качестве полезного справочника для дополнения документации Apache TinkerPop.

SPARQL: Для клиентов, использующих RDF и SPARQL с Neptune, полезным руководством является обзор SPARQL 1.1 Консорциума Всемирной паутины.

OpenCrypher : OpenCrypher — это декларативный язык запросов к графам свойств, который изначально был разработан Neo4j, а затем стал открытым исходным кодом в 2015 году и участвовал в проекте OpenCrypher под лицензией Apache 2 с открытым исходным кодом. Его синтаксис изложен в документе Cypher Query Language Reference, Version 9.

GraphQL: если вы хотите предоставить GraphQL доступ к Neptune, есть пример приложения, в котором показано, как использовать AWS AppSync GraphQL и Neptune.