Графовые базы данных, такие как Amazon Neptune, предназначены для хранения взаимосвязей и навигации в них. Они имеют ряд преимуществ перед реляционными базами данных в таких примерах использования, как социальные сети, сервисы рекомендаций и системы выявления мошенничества, когда требуется создавать взаимосвязи между данными и быстро их запрашивать. Существует ряд проблем при создании этих типов приложений с использованием реляционной базы данных. Потребуется множество таблиц с множеством внешних ключей. SQL-запросы для навигации по этим данным будут содержать вложенные запросы и сложные объединения, которые быстро станут громоздкими, при этом по мере увеличения объема данных запросы будут выполняться с меньшей эффективностью. На re:Invent 2018 мы представили переход на графовые базы данных, предоставляющие более подробные сведения.

Neptune использует структуры графов, такие как узлы (объекты данных), ребра (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. Производительность Neptune в интерактивном режиме при любом масштабе позволяет эффективно использовать этот сервис в широком спектре примеров использования графов.

Если ваши данные уже представлены в графовой модели, начать работу с Amazon Neptune не составит труда. Сервис позволяет загружать данные в формате CSV или RDF и создавать запросы графов с помощью Apache TinkerPop Gremlin или SPARQL. Ниже даны ссылки на краткое руководство и подробные инструкции по началу работы. Кроме того, мы составили рекомендации по работе с Amazon Neptune. 

 
Поскольку Amazon Neptune поддерживает открытые API Graph и языки запросов, мы предоставили ссылку на внешнюю документацию для Gremlin и SPARQL. Клиенты, использующие Gremlin с Neptune, часто обращаются к онлайн-книге Practical Gremlin: An Apache TinkerPop Tutorial как полезному дополнению к документации по Apache TinkerPop. Для клиентов, использующих RDF и SPARQL с Neptune, будет полезен обзор SPARQL 1.1 Overview Консорциума Всемирной паутины.

Если вы хотите понять, как просматривать данные в виде графа, обратитесь к презентации re:Invent 2018 по работе с графовой моделью данных и запросами с помощью Amazon Neptune и примеру кода, доступному на Github.

Доступны и другие примеры, которые помогут начать работу. У нас есть пример кода для визуализации графа Neptune. У нас есть приложение к ETL IMDB в Neptune, использующее AWS Glue для испытания графовых запросов на поиск «Шести шагов до Кевина Бейкона». У нас есть пример сервиса рекомендаций, показывающий использование совместной фильтрации.

Если вас интересует включение GraphQL для получения доступа к Amazon Neptune, просмотрите пример приложения, демонстрирующий использование AWS AppSync GraphQL и Amazon Neptune.

Если вы хотите перейти на Amazon Neptune, обратитесь к презентации re:Invent 2018 по миграции в Amazon Neptune. Кроме того, у нас есть сервисная программа по преобразованию данных GraphML в формат Neptune CSV, а также библиотека Python для записи заданий из AWS Glue в Neptune.

Product-Page_Standard-Icons_01_Product-Features_SqInk
Получите ответы на все вопросы

Посетите страницу вопросов и ответов по Amazon Neptune.

Подробнее 
Product-Page_Standard-Icons_02_Sign-Up_SqInk
Зарегистрировать бесплатный аккаунт

Получите мгновенный доступ к уровню бесплатного пользования AWS. 

Регистрация 
Product-Page_Standard-Icons_03_Start-Building_SqInk
Начать разработку в консоли

Начните разработку с помощью Amazon Neptune в Консоли управления AWS.

Войти