Amazon Neptune
ฐานข้อมูลกราฟแบบไร้เซิร์ฟเวอร์และการวิเคราะห์กราฟที่มีการจัดการอย่างเต็มที่เพื่อความสามารถในการปรับขนาดและความพร้อมใช้งานที่เหนือกว่า
Neptune Database
Neptune Analytics
การวิเคราะห์ Neptune เป็นกลไกฐานข้อมูลการวิเคราะห์สําหรับการวิเคราะห์ข้อมูลกราฟจํานวนมากอย่างรวดเร็วเพื่อรับข้อมูลเชิงลึกและค้นหาแนวโน้มจากข้อมูลที่จัดเก็บไว้ในบัคเก็ต Amazon S3 หรือฐานข้อมูล Neptune การวิเคราะห์ Neptune ใช้อัลกอริธึมในตัว การค้นหาเวกเตอร์ และการประมวลผลในหน่วยความจําเพื่อเรียกใช้การสืบค้นบนข้อมูลที่มีความสัมพันธ์หลายหมื่นล้านรายการในไม่กี่วินาที
ประโยชน์
ประสิทธิภาพและการปรับขนาด
ปรับขนาดกราฟด้วยเวอร์เท็กซ์และ Edge ที่ไร้ขีดจำกัด และการสืบค้นมากกว่า 100,000 รายการต่อวินาทีสำหรับแอปพลิเคชันที่มีความต้องการมากที่สุด การขยายขนาดพื้นที่เก็บข้อมูลสูงสุด 128TiB ต่อคลัสเตอร์และการขยายการอ่านแบบจำลองสูงสุด 15 รายการต่อคลัสเตอร์
วิเคราะห์ข้อมูลกราฟจำนวนมาก
ค้นหาข้อมูลเชิงลึกได้เร็วขึ้นด้วยการวิเคราะห์ชุดข้อมูลกราฟที่มีความสัมพันธ์นับหมื่นล้านรายการภายในไม่กี่วินาทีโดยใช้อัลกอริทึมในตัว ทำการค้นหาความคล้ายคลึงกันบนเวกเตอร์ที่เก็บไว้พร้อมกับกราฟของคุณสำหรับแอป AI ช่วยสร้าง
การรักษาความปลอดภัยในการวิเคราะห์
รักษาความปลอดภัยแอปพลิเคชันของคุณด้วยคุณสมบัติต่าง ๆ เช่น ธุรกรรม ACID การสำรองข้อมูลอัตโนมัติ (ด้วยฐานข้อมูล Neptune) สแน็ปช็อต การกู้คืน ณ จุดเวลา การเข้ารหัสในระหว่างการส่งและขณะหยุดนิ่ง การรองรับ AWS Identity and Access Management (IAM) และ AWS Key Management Service (AWS KMS)
ความพร้อมใช้งานและความคงทนสูง
มอบความพร้อมใช้งานสูง (SLA 99.99%) ให้กับแอปพลิเคชันของคุณและทำให้ข้อมูลของคุณมีความคงทนใน Availability Zone (AZ) ทั้งสามโซนใน AWS Region ปรับปรุงกระบวนการกู้คืนจากความเสียหายและเข้าถึงการอ่านในเครื่องด้วยฐานข้อมูลทั่วโลกของ Amazon Neptune
กรณีการใช้งาน
เปลี่ยนการปรับให้เหมาะกับแต่ละบุคคลด้วยลูกค้า 360
สร้างกราฟโปรไฟล์ได้อย่างง่ายดายด้วยมุมมอง 360 องศาของลูกค้าของคุณ ปรับปรุงการปรับเปลี่ยนให้เข้ากับลูกค้า เพิ่มความเกี่ยวข้องทางการตลาด และพัฒนาการวิเคราะห์ของคุณ
ตรวจจับรูปแบบการฉ้อโกง
สร้างการสืบค้นกราฟสำหรับการตรวจจับรูปแบบการฉ้อโกงแบบเกือบเรียลไทม์ด้วยการสร้างความสัมพันธ์ระหว่างผู้คน สถานที่ และธุรกรรมเพื่อค้นพบความสัมพันธ์ที่อาจไม่ชัดเจน
เผยการคาดการณ์ของแมชชีนเลิร์นนิง (ML)
Amazon Neptune ML ใช้นิวรัลเน็ตเวิร์กแบบกราฟ (GNN) เพื่อปรับปรุงความแม่นยำของการทำนายส่วนใหญ่สำหรับกราฟมากกว่า 50% เมื่อเปรียบเทียบกับการทำนายโดยใช้เมธอดที่ไม่ใช่กราฟ
ปรับปรุงความปลอดภัย IT
ตรวจจับและตรวจสอบโครงสร้างพื้นฐานด้านไอทีในเชิงรุกโดยใช้แนวทางการรักษาความปลอดภัยแบบเป็นชั้น จำลองโมเดลให้สัมพันธ์กันเพื่อดูว่ามิติต่างๆ ของสภาพแวดล้อม IT ของคุณมีปฏิกริยาอย่างไร