คุณสมบัติของ Amazon Neptune

Amazon Neptune Database แบบไม่ต้องใช้เซิร์ฟเวอร์ เป็นตัวเลือกการนำไปใช้จริงตามความต้องการซึ่งจะปรับความจุฐานข้อมูลโดยอัตโนมัติตามความต้องการของแอปพลิเคชัน Neptune Database แบบไม่ต้องใช้เซิร์ฟเวอร์ สามารถปรับขนาดเวิร์กโหลดฐานข้อมูลแบบกราฟเป็นการสืบค้นได้หลายแสนรายการในทันที Neptune แบบไม่ต้องใช้เซิร์ฟเวอร์ ปรับความจุเพื่อให้มีทรัพยากรฐานข้อมูลในปริมาณที่เหมาะสมที่แอปพลิเคชันต้องการ และคุณจ่ายเฉพาะความจุที่ใช้ไป ซึ่งจะช่วยประหยัดค่าใช้จ่ายฐานข้อมูลได้มากถึง 90% เมื่อเทียบกับความจุสูงสุด

Neptune คือฐานข้อมูลแบบกราฟประสิทธิภาพสูงที่สร้างขึ้นตามวัตถุประสงค์ Neptune จัดเก็บและนําทางข้อมูลกราฟได้อย่างมีประสิทธิภาพและใช้สถาปัตยกรรมแบบเพิ่มประสิทธิภาพหน่วยความจำและปรับขนาดเพื่อให้สามารถประเมินการสืบค้นในกราฟขนาดใหญ่ได้อย่างรวดเร็ว Neptune Database ช่วยให้คุณสามารถใช้ Gremlin, openCypher หรือ SPARQL เพื่อทำการสืบค้นอย่างมีประสิทธิภาพซึ่งง่ายต่อการเขียนและทํางานได้ดี Neptune Analytics ช่วยให้คุณสามารถใช้ openCypher ได้

ด้วยขั้นตอนไม่กี่ขั้นใน คอนโซลการจัดการของ AWS คุณสามารถปรับขนาดทรัพยากรการประมวลผลและหน่วยความจําที่ขับเคลื่อนคลัสเตอร์การผลิตของคุณให้ใหญ่ขึ้นหรือเล็กลงได้ Neptune Database ช่วยให้คุณสามารถปรับขนาดได้โดยการสร้างอินสแตนซ์จําลองใหม่ตามขนาดที่ต้องการหรือโดยการลบอินสแตนซ์ โดยทั่วไปแล้ว การดำเนินการปรับขนาดการประมวลผลจะเสร็จสิ้นภายในไม่กี่นาที

Neptune Database ใช้สถาปัตยกรรมการจัดเก็บข้อมูลแบบกระจายและแบบใช้ร่วมกันซึ่งจะเติบโตขึ้นโดยอัตโนมัติเมื่อคุณต้องการพื้นที่เก็บฐานข้อมูลที่เพิ่มขึ้น ข้อมูล Neptune จะถูกเก็บไว้ในโวลุมคลัสเตอร์ที่มีความพร้อมใช้งานสูงแบบ Multi-AZ เมื่อสร้างคลัสเตอร์ Neptune DB แล้ว จะมีการจัดสรรเซกเมนต์ขนาด 10 GiB ขึ้นมาหนึ่งเซกเมนต์ เมื่อปริมาณข้อมูลเพิ่มขึ้นและเกินพื้นที่จัดเก็บที่จัดสรรไว้ในปัจจุบัน Neptune จะขยายโวลุมคลัสเตอร์โดยอัตโนมัติโดยการเพิ่มเซกเมนต์ใหม่ โวลุมคลัสเตอร์ Neptune สามารถขยายได้ถึงขนาดสูงสุด 128 TiB ใน AWS Region ที่รองรับ ยกเว้นจีนและ GovCloud ลูกค้าไม่จำเป็นต้องจัดเตรียมพื้นที่เก็บข้อมูลส่วนเกินสำหรับฐานข้อมูลของคุณเพื่อรองรับการเติบโตในอนาคต

Neptune Database ช่วยให้คุณสามารถเพิ่มอัตราการโอนถ่ายข้อมูลการอ่านเพื่อรองรับคำขอแอปพลิเคชันปริมาณมากโดยสร้างแบบจำลองการอ่านฐานข้อมูลสูงสุดถึง 15 ชุด แบบจำลอง Neptune ใช้พื้นที่จัดเก็บพื้นฐานเดียวกันกับอินสแตนซ์ต้นทาง ช่วยลดค่าใช้จ่าย และหลีกเลี่ยงความจำเป็นในการเขียนที่โหนดแบบจำลอง ทำให้พลังในการประมวลผลเพิ่มขึ้นเพื่อรองรับคำขออ่าน และลดเวลาหน่วงของแบบจำลอง ซึ่งมักจะลดลงเหลือหลักหน่วยมิลลิวินาที Neptune ยังมีตำแหน่งข้อมูลเดี่ยวสำหรับการสืบค้นการอ่าน เพื่อให้แอปพลิเคชันสามารถเชื่อมต่อได้โดยไม่จำเป็นต้องติดตามแบบจำลองเมื่อมีการเพิ่มและลบออก

ความสมบูรณ์ของ Neptune Database ของคุณและอินสแตนซ์ EC2 พื้นฐานได้รับการตรวจสอบอย่างต่อเนื่อง หากอินสแตนซ์ที่ขับเคลื่อนฐานข้อมูลของคุณล้มเหลว อินสแตนซ์และกระบวนการที่เกี่ยวข้องจะเริ่มต้นใหม่โดยอัตโนมัติ การกู้คืน Neptune ไม่จำเป็นต้องเล่นซ้ำข้อมูลบันทึกการทำซ้ำของฐานข้อมูลที่อาจใช้เวลานาน ดังนั้นการรีสตาร์ทอินสแตนซ์ของคุณโดยทั่วไปจะใช้เวลา 30 วินาทีหรือน้อยกว่า นอกจากนี้ยังแยกบัฟเฟอร์แคชของฐานข้อมูลออกจากกระบวนการฐานข้อมูล ทำให้แคชยังคงมีอยู่แม้รีสตาร์ทฐานข้อมูล

เมื่ออินสแตนซ์ล้มเหลว Neptune จะใช้ระบบสำรองเพื่อกู้คืนข้อมูลเป็นแบบจําลอง Neptune 1 ใน 15 รายการที่คุณสร้างขึ้นใน Availability Zone สามแห่งโดยอัตโนมัติ หากไม่มีการจัดเตรียมแบบจําลอง Neptune ในกรณีที่เกิดความล้มเหลว Neptune จะพยายามสร้างอินสแตนซ์ฐานข้อมูลใหม่ให้คุณโดยอัตโนมัติ

สําหรับ Neptune Database โวลุมฐานข้อมูลของคุณส่วนละ 10 GiB แต่ละส่วนนั้นถูกสร้างมาให้มีความทนทานใน Availability Zone สามแห่ง Neptune Database มีพื้นที่เก็บข้อมูลแบบป้องกันข้อผิดพลาด โดยสามารถจัดการกับการสูญเสียสำเนาข้อมูลสองชุดได้อย่างโปร่งใสโดยไม่ส่งผลต่อความพร้อมในการเขียนฐานข้อมูล และสามารถจัดการกับการสูญเสียสำเนาข้อมูลได้ถึงสามชุดโดยไม่ส่งผลต่อความพร้อมในการอ่าน พื้นที่เก็บข้อมูลของ Neptune Database ยังสามารถซ่อมแซมตัวเองได้ โดยบล็อกข้อมูลและดิสก์จะถูกสแกนหาข้อผิดพลาดอย่างต่อเนื่องและมีการแทนที่โดยอัตโนมัติ

ความสามารถในการสํารองข้อมูลใน Neptune Database ช่วยให้สามารถกู้คืนแบบ point-in-time สําหรับอินสแตนซ์ของคุณได้ ซึ่งช่วยให้คุณสามารถกู้คืนอินสแตนซ์ฐานข้อมูลได้ตลอดเวลาระหว่างระยะเวลาเก็บรักษาจนถึงช่วง 5 นาทีสุดท้าย ระยะเวลาเก็บรักษาของการสำรองข้อมูลแบบอัตโนมัติสามารถกำหนดได้สูงสุด 35 วัน การสำรองข้อมูลแบบอัตโนมัติจัดเก็บที่ Amazon S3 ที่ออกแบบมาสำหรับความคงทน 99.999999999% การสํารองข้อมูล Neptune เป็นไปโดยอัตโนมัติเพิ่มขึ้นและต่อเนื่องและไม่มีผลกระทบต่อประสิทธิภาพของฐานข้อมูล

สแนปช็อตฐานข้อมูลคือการสำรองข้อมูลที่เริ่มต้นโดยผู้ใช้สำหรับอินสแตนซ์ของคุณที่จัดเก็บไว้ใน Amazon S3 ซึ่งจะถูกเก็บไว้จนกว่าคุณจะลบออกอย่างถาวร โดยใช้สแนปช็อตที่เพิ่มขึ้นโดยอัตโนมัติในการลดเวลาและพื้นที่จัดเก็บที่ต้องใช้ คุณสามารถสร้างอินสแตนซ์ใหม่ได้จากสแนปช็อตฐานข้อมูลได้ทุกเมื่อที่คุณต้องการ

ฐานข้อมูลทั่วโลกของ Amazon Neptune ถูกออกแบบมาสำหรับแอปพลิเคชันที่กระจายไปทั่วโลกทำให้ฐานข้อมูล Neptune เดียวสามารถขยายได้หลายรีเจี้ยน โดยจำลองข้อมูลกราฟโดยส่งผลกระทบต่อประสิทธิภาพของฐานข้อมูลเพียงเล็กน้อย ทำให้สามารถอ่านข้อมูลภายในเครื่องได้อย่างรวดเร็วในแต่ละรีเจี้ยนโดยมีเวลาแฝงต่ำ และมีกระบวนการกู้คืนจากความเสียหายในกรณีที่หยุดทำงานทั่วทั้งรีเจี้ยน

Neptune Database ทำงานใน Amazon Virtual Private Cloud (Amazon VPC) ซึ่งช่วยให้คุณแยกฐานข้อมูลของคุณในเครือข่ายเสมือนของคุณเองและเชื่อมต่อกับโครงสร้างพื้นฐานด้านไอทีในองค์กรของคุณโดยใช้ IPsec VPN ที่เข้ารหัสตามมาตรฐานอุตสาหกรรม นอกจากนี้ เมื่อใช้การกําหนดค่า Neptune VPC คุณสามารถกําหนดการตั้งค่าไฟร์วอลล์และควบคุมการเข้าถึงเครือข่ายไปยังอินสแตนซ์ฐานข้อมูลของคุณได้

Amazon Neptune ผสานรวมกับ AWS Identity and Access Management (IAM) และช่วยให้คุณสามารถควบคุมการดําเนินการที่ผู้ใช้และกลุ่ม IAM ของคุณสามารถใช้กับทรัพยากร Neptune ที่เฉพาะเจาะจง รวมถึงอินสแตนซ์ฐานข้อมูล สแนปช็อตฐานข้อมูล กลุ่มพารามิเตอร์ฐานข้อมูล การสมัครใช้บริการเหตุการณ์ฐานข้อมูล และกลุ่มตัวเลือกฐานข้อมูล นอกจากนี้ คุณสามารถแท็กทรัพยากร Neptune ของคุณและควบคุมการดำเนินการที่ผู้ใช้ IAM และกลุ่มของคุณสามารถดำเนินการกับกลุ่มทรัพยากรที่มีแท็กเดียวกัน (และค่าแท็ก) ตัวอย่างเช่น คุณสามารถกำหนดค่ากฎ IAM เพื่อให้มั่นใจว่า Developper สามารถแก้ไขอินสแตนซ์ฐานข้อมูล "การพัฒนา" ได้ แต่เฉพาะผู้ดูแลระบบฐานข้อมูลเท่านั้นที่สามารถทำการปรับเปลี่ยนและลบอินสแตนซ์ฐานข้อมูล "การผลิต" ได้

Neptune ให้การเข้าถึงอย่างละเอียดแก่ผู้ใช้ที่ดึง API ส่วนข้อมูล Neptune ด้วย IAM เพื่อดําเนินการกับข้อมูลกราฟ เช่น การอ่าน การเขียน และการลบข้อมูลจากกราฟ และการดําเนินการกับสิ่งที่ไม่ใช่ข้อมูลกราฟ เช่น การเริ่มต้นและการตรวจสอบกิจกรรม Neptune ML และตรวจสอบสถานะของกิจกรรมส่วนข้อมูลที่กําลังดําเนินอยู่ ตัวอย่างเช่น สร้างนโยบายที่มีการเข้าถึงแบบอ่านอย่างเดียวสําหรับนักวิเคราะห์ข้อมูลที่ไม่จําเป็นต้องจัดการข้อมูลกราฟ นโยบายที่มีสิทธิ์อ่านและเขียนสําหรับนักพัฒนาที่ใช้กราฟสําหรับแอปพลิเคชันของตน และนโยบายสําหรับนักวิทยาศาสตร์ข้อมูลที่ต้องการเข้าถึงคําสั่ง Neptune ML

Neptune รองรับการเข้ารหัสในระหว่างที่มีการเคลื่อนย้ายด้วย TLS เวอร์ชัน 1.2 Neptune ช่วยให้สามารถเข้ารหัสฐานข้อมูลได้โดยใช้รหัสที่สร้างขึ้นและควบคุมผ่าน AWS Key Management Service (AWS KMS) ในอินสแตนซ์ฐานข้อมูลที่ใช้งานกับการเข้ารหัส Neptune ข้อมูลที่จัดเก็บอยู่ในพื้นที่จัดเก็บข้อมูลพื้นฐานจะถูกเข้ารหัส เช่นเดียวกับข้อมูลสำรองอัตโนมัติ สแน็ปช็อต และแบบจำลองในคลัสเตอร์เดียวกัน

Amazon Neptune ช่วยให้คุณสามารถบันทึกเหตุการณ์ในฐานข้อมูลโดยมีผลกระทบต่อประสิทธิภาพของฐานข้อมูลน้อยที่สุด ข้อมูลบันทึกสามารถนำมาวิเคราะห์ได้ในภายหลังเพื่อการจัดการฐานข้อมูล ความปลอดภัย การกํากับดูแล การปฏิบัติตามกฎระเบียบ และวัตถุประสงค์อื่น ๆ คุณยังสามารถตรวจสอบกิจกรรมได้โดยส่งข้อมูลบันทึกการตรวจสอบไปยัง Amazon CloudWatch

คุณสามารถเริ่มต้นใช้งาน Neptune ได้โดยเปิดใช้อินสแตนซ์ฐานข้อมูล Neptune ใหม่หรือกราฟ Neptune Analytics โดยใช้ คอนโซลการจัดการของ AWS อินสแตนซ์ฐานข้อมูล Neptune ได้รับการกำหนดค่าไว้ล่วงหน้าด้วยพารามิเตอร์และการตั้งค่าที่เหมาะสมกับคลาสของอินสแตนซ์ฐานข้อมูลที่คุณเลือก คุณสามารถเปิดใช้อินสแตนซ์ฐานข้อมูลและเชื่อมต่อแอปพลิเคชันของคุณเข้าด้วยกันภายในเวลาไม่กี่นาทีโดยไม่ต้องกำหนดค่าเพิ่มเติม กลุ่มพารามิเตอร์ฐานข้อมูลให้การควบคุมแบบละเอียดและการปรับแต่งฐานข้อมูลของคุณ

Neptune ทําให้ง่ายต่อการใช้งานฐานข้อมูลแบบกราฟประสิทธิภาพสูง Neptune ช่วยให้คุณไม่จําเป็นต้องสร้างดัชนีที่กําหนดเองสำหรับข้อมูลกราฟของคุณ Neptune มีการกำหนดข้อจํากัดการหมดเวลาและการใช้หน่วยความจําเพื่อลดผลกระทบของการสืบค้นที่ใช้ทรัพยากรมากเกินไป

Neptune มีตัววัด Amazon CloudWatch สําหรับอินสแตนซ์ฐานข้อมูลของคุณ คุณสามารถใช้คอนโซลการจัดการของ AWS เพื่อดูตัววัดการดำเนินการที่สำคัญกว่า 20 รายการสำหรับอินสแตนซ์ฐานข้อมูลของคุณ รวมถึงการประมวลผล หน่วยความจำ พื้นที่เก็บข้อมูล อัตราการโอนถ่ายข้อมูลการสืบค้น และการเชื่อมต่อที่ใช้งานอยู่

Neptune จะทําให้ฐานข้อมูลของคุณทันสมัยอยู่เสมอด้วยแพตช์ล่าสุด คุณสามารถควบคุมได้ว่าอินสแตนซ์ของคุณได้รับการแพตช์ผ่าน Database Engine Version Management หรือไม่และเมื่อใด

Neptune สามารถแจ้งให้คุณทราบทางอีเมลหรือ SMS เกี่ยวกับเหตุการณ์ฐานข้อมูลที่สําคัญ เช่น การใช้ระบบสำรองเพื่อกู้คืนข้อมูลอัตโนมัติ คุณสามารถใช้ คอนโซลการจัดการของ AWS เพื่อสมัครรับข้อมูลเหตุการณ์ฐานข้อมูลต่าง ๆ ที่เกี่ยวข้องกับฐานข้อมูล Neptune ของคุณ

Neptune รองรับการดำเนินการโคลนที่รวดเร็วและมีประสิทธิภาพ ซึ่งสามารถโคลนคลัสเตอร์ฐานข้อมูลหลายเทราไบต์ทั้งหมดได้ในเวลาไม่กี่นาที การโคลนมีประโยชน์สำหรับวัตถุประสงค์หลายประการ รวมถึงการพัฒนาแอปพลิเคชัน การทดสอบ การอัปเดตฐานข้อมูล และการเรียกใช้การสืบค้นเชิงวิเคราะห์ ความพร้อมใช้งานของข้อมูลในทันทีสามารถช่วยเร่งการพัฒนาซอฟต์แวร์และการอัปเกรดโปรเจกต์ของคุณได้อย่างมาก และทําให้การวิเคราะห์แม่นยํายิ่งขึ้น

คุณสามารถโคลนฐานข้อมูล Neptune ได้ด้วยขั้นตอนเพียงไม่กี่ขั้นในคอนโซลการจัดการของ AWS โดยไม่ส่งผลกระทบต่อสภาพแวดล้อมการใช้งานจริง ตัวโคลนจะถูกกระจายและจําลองแบบใน Availability Zone สามแห่ง

Amazon Neptune ML ขับเคลื่อนโดย SageMaker ที่ใช้ GNN ซึ่งเป็นเทคนิค ML ที่สร้างขึ้นสําหรับกราฟโดยเฉพาะ เพื่อให้การคาดการณ์ที่รวดเร็วและแม่นยํายิ่งขึ้นโดยใช้ข้อมูลกราฟ ด้วย Neptune ML คุณสามารถปรับปรุงความแม่นยําของการคาดการณ์ส่วนใหญ่สําหรับกราฟได้มากกว่า 50% เมื่อเทียบกับการคาดคะเนโดยใช้วิธีการที่ไม่ใช่กราฟ

การคาดการณ์ที่แม่นยําบนกราฟที่มีความสัมพันธ์นับพันล้านอาจเป็นเรื่องยากและใช้เวลานาน วิธีการ ML ที่มีอยู่เช่น XGBoost ไม่สามารถทํางานได้อย่างมีประสิทธิภาพบนกราฟเนื่องจากได้รับการออกแบบมาสําหรับข้อมูลแบบตาราง ด้วยเหตุนี้ การใช้วิธีการเหล่านี้บนกราฟอาจต้องใช้เวลา ต้องใช้ทักษะพิเศษจากนักพัฒนา และทำให้เกิดการคาดการณ์ที่ยังไม่เหมาะสมที่สุด

การค้นหาเวกเตอร์ช่วยให้คุณสร้างประสบการณ์การค้นหาแบบมี ML ช่วยเสริมและแอปพลิเคชันปัญญาประดิษฐ์ช่วยสร้าง (AI ช่วยสร้าง) ได้อย่างง่ายดาย คุณควรใช้การค้นหาเวกเตอร์หากคุณต้องการสร้างแอปพลิเคชัน AI ช่วยสร้างที่รวมข้อมูลในโดเมนแอปพลิเคชันและการค้นหาความคล้ายคลึงกันในการฝังเวกเตอร์ การค้นหาเวกเตอร์ในข้อมูลกราฟช่วยให้คุณมีต้นทุนรวมในการเป็นเจ้าของโดยรวมที่ต่ําลงและค่าใช้จ่ายในการจัดการที่ง่ายขึ้น เนื่องจากคุณไม่จําเป็นต้องจัดการที่เก็บข้อมูลแยกต่างหาก สร้างไปป์ไลน์ หรือกังวลในการทําให้ที่เก็บข้อมูลซิงค์กัน

ลูกค้าที่สร้างแอปพลิเคชัน AI ช่วยสร้าง สามารถใช้การค้นหาเวกเตอร์เพื่อเพิ่มโมเดลภาษาขนาดใหญ่ (LLM) โดยการรวมการสืบค้นกราฟสําหรับบริบทเฉพาะโดเมนเข้ากับผลลัพธ์จากการค้นหาความคล้ายคลึงกันที่มีเวลาแฝงต่ำและใกล้เคียงที่สุดในการฝังที่นําเข้าจาก LLM ที่มีโฮสต์ใน Amazon Bedrock, GNNs ใน GraphStorm หรือแหล่งอื่น ๆ Neptune ถูกรวมเข้ากับ LangChain ซึ่งเป็นเฟรมเวิร์ก Python แบบโอเพนซอร์สที่ทําให้ง่ายต่อการพัฒนาแอปพลิเคชัน AI ช่วยสร้างโดยใช้ LLM

Property Graph เป็นที่นิยมเนื่องจากเป็นสิ่งที่นักพัฒนาที่ใช้โมเดลเชิงสัมพันธ์คุ้นเคย ภาษา Gremlin traversal เป็นวิธีการสํารวจ Property Graph ที่รวดเร็ว Amazon Neptune รองรับโมเดล Property Graph โดยใช้ภาษา Gremlin traversal ของ Apache TinkerPop แบบโอเพนซอร์ส และมีเซิร์ฟเวอร์ Gremlin Websockets ที่รองรับ TinkerPop เวอร์ชัน 3.3 Neptune ช่วยให้คุณสามารถสร้าง Gremlin traversal ที่รวดเร็วผ่านกราฟคุณสมบัติได้อย่างรวดเร็ว แอปพลิเคชัน Gremlin ที่มีอยู่สามารถใช้ Neptune ได้อย่างง่ายดายโดยการเปลี่ยนการกําหนดค่าบริการ Gremlin ให้ชี้ไปยังอินสแตนซ์ Neptune

Resource Description Framework (RDF) เป็นที่นิยมเนื่องจากมีความยืดหยุ่นในการสร้างแบบจําลองโดเมนข้อมูลที่ซับซ้อน มีชุดข้อมูลฟรีหรือสาธารณะที่มีอยู่ใน RDF รวมถึง Wikidata และ PubChemซึ่งเป็นฐานข้อมูลของโมเลกุลทางเคมี Amazon Neptune รองรับมาตรฐาน Semantic Web ของ W3C ที่ RDF 1.1 และ SPARQL 1.1 (Query and Update) และมีตําแหน่งข้อมูล HTTP REST ที่ใช้ SPARQL Protocol 1.1 Neptune ช่วยให้คุณสามารถใช้ตําแหน่งข้อมูล SPARQL สําหรับแอปพลิเคชันกราฟทั้งที่มีอยู่และใหม่ได้อย่างง่ายดาย

Neptune รองรับการสร้างแอปพลิเคชันกราฟโดยใช้ openCypher ซึ่งปัจจุบันเป็นหนึ่งในภาษาการสืบค้นที่ได้รับความนิยมมากที่สุดสําหรับนักพัฒนาที่ทํางานกับฐานข้อมูลแบบกราฟ นักพัฒนา นักวิเคราะห์ธุรกิจ และนักวิทยาศาสตร์ข้อมูลชอบไวยากรณ์ที่ได้รับแรงบันดาลใจจาก SQL ของ openCypher เนื่องจากมีโครงสร้างที่คุ้นเคยในการเขียนการสืบค้นสําหรับแอปพลิเคชันกราฟ สําหรับ Neptune Database สามารถใช้ภาษาการสืบค้น openCypher และ Gremlin ร่วมกันผ่านข้อมูลกราฟคุณสมบัติเดียวกันได้ การสนับสนุน openCypher เข้ากันได้กับโปรโตคอล Bolt เพื่อเรียกใช้แอปพลิเคชันที่ใช้โปรโตคอล Bolt เพื่อเชื่อมต่อกับ Neptune

Neptune รองรับการโหลดจํานวนมากแบบขนานอย่างรวดเร็วสําหรับข้อมูลกราฟคุณสมบัติที่จัดเก็บไว้ใน S3 คุณสามารถใช้อินเทอร์เฟซ REST เพื่อระบุตําแหน่ง S3 สําหรับข้อมูลได้ ใช้รูปแบบที่คั่นด้วย CSV เพื่อโหลดข้อมูลลงในโหนดและ Edge ดูเอกสารการโหลดจํานวนมากสำหรับกราฟคุณสมบัติของ Neptune สําหรับรายละเอียดเพิ่มเติม

Neptune Database รองรับการโหลดจํานวนมากแบบขนานที่รวดเร็วสําหรับข้อมูล RDF ที่จัดเก็บไว้ใน S3 คุณสามารถใช้อินเทอร์เฟซ REST เพื่อระบุตําแหน่ง S3 สําหรับข้อมูลได้ รองรับการออกหมายเลขกํากับ N-Triples (NT), N-Quads (NQ), RDF/XML และ Turtle RDF 1.1 ดูเอกสารการโหลดจํานวนมากของ Neptune RDF สําหรับรายละเอียดเพิ่มเติม

Neptune Analytics รองรับอัลกอริทึมสําหรับการค้นพบเส้นทาง การตรวจจับชุมชน (การจัดกลุ่ม) การระบุข้อมูลสําคัญ (ศูนย์กลาง) และการหาปริมาณความคล้ายคลึงกัน อัลกอริธึมการค้นพบเส้นทางจะกําหนดเส้นทางที่สั้นที่สุดหรือเหมาะสมที่สุดระหว่างสองโหนดได้อย่างมีประสิทธิภาพ อัลกอริธึมการค้นพบเส้นทางช่วยให้คุณสามารถจําลองสถานการณ์ในโลกแห่งความเป็นจริง เช่น เครือข่ายถนนหรือเครือข่ายสังคมออนไลน์เป็นโหนดและ Edge ที่เชื่อมต่อกัน การค้นพบเส้นทางที่สั้นที่สุดหรือเหมาะสมที่สุดระหว่างจุดต่าง ๆ เป็นสิ่งสําคัญในการใช้งาน เช่น การวางแผนเส้นทางสําหรับระบบ GPS การเพิ่มประสิทธิภาพโลจิสติกส์ และแม้แต่ในการแก้ปัญหาที่ซับซ้อนในสาขาต่าง ๆ เช่น ชีววิทยาหรือวิศวกรรม

อัลกอริธึมการตรวจจับชุมชนจะคํานวณกลุ่มหรือคลัสเตอร์โหนดที่มีความหมายภายในเครือข่าย โดยเปิดเผยรูปแบบและโครงสร้างที่ซ่อนอยู่ ซึ่งสามารถให้ข้อมูลเชิงลึกเกี่ยวกับองค์กรและพลวัตของระบบที่ซับซ้อนได้ สิ่งนี้มีค่าในสาขาต่าง ๆ เช่น การวิเคราะห์เครือข่ายสังคม ชีววิทยา (สําหรับการระบุโมดูลการทํางานในเครือข่ายปฏิสัมพันธ์ระหว่างโปรตีนกับโปรตีน) และแม้แต่ในการทําความเข้าใจโฟลว์ของข้อมูล และมีอิทธิพลต่อการแพร่ในโดเมนต่าง ๆ

อัลกอริธึมส่วนกลางช่วยระบุโหนดที่มีอิทธิพลหรือสําคัญที่สุดภายในเครือข่าย ให้ข้อมูลเชิงลึกเกี่ยวกับผู้เล่นหลักหรือจุดสําคัญของการโต้ตอบ สิ่งนี้มีค่าในด้านต่าง ๆ เช่น การวิเคราะห์เครือข่ายสังคมออนไลน์ ซึ่งช่วยระบุบุคคลที่มีอิทธิพล หรือในเครือข่ายการขนส่งซึ่งช่วยในการระบุฮับที่สําคัญสําหรับการกําหนดเส้นทางและการจัดสรรทรัพยากรที่มีประสิทธิภาพ

อัลกอริธึมความคล้ายคลึงกันของกราฟช่วยให้คุณสามารถเปรียบเทียบและวิเคราะห์ความคล้ายคลึงหรือความแตกต่างระหว่างโครงสร้างกราฟที่แตกต่างกัน ทําให้สามารถเข้าใจความสัมพันธ์ รูปแบบ และลักษณะที่มีร่วมกันในชุดข้อมูลที่หลากหลาย สิ่งนี้มีค่าในด้านต่าง ๆ เช่น ชีววิทยา (สําหรับการเปรียบเทียบโครงสร้างโมเลกุล) เครือข่ายทางสังคม (สําหรับการระบุชุมชนที่คล้ายกัน) และระบบคําแนะนํา (สําหรับการแนะนํารายการที่คล้ายกันตามความต้องการของผู้ใช้)

Neptune อยู่ในขอบเขตสําหรับมาตรฐานการปฏิบัติตามข้อกําหนดระหว่างประเทศมากกว่า 20 มาตรฐาน ตั้งแต่ FedRAMP (ปานกลางและสูง) ถึง SOC (1,2,3) และยังมีสิทธิ์ HIPAA รายการมาตรฐานทั้งหมดที่ Neptune ปฏิบัติตาม สามารถดูได้ใน บริการของ AWS ในขอบเขตตามโปรแกรมการปฏิบัติตามข้อกําหนด

ไม่มีข้อผูกมัดล่วงหน้ากับ Neptune คุณจ่ายค่าบริการรายชั่วโมงสําหรับแต่ละอินสแตนซ์ที่คุณเปิดใช้งาน หรือทรัพยากรฐานข้อมูลที่คุณใช้สําหรับแบบไม่ต้องใช้เซิร์ฟเวอร์ และเมื่อเสร็จสิ้นการใช้งานอินสแตนซ์ฐานข้อมูล Neptune แล้ว คุณสามารถลบได้ คุณจึงไม่ต้องเตรียมพื้นที่เก็บข้อมูลเผื่อไว้และชำระค่าบริการสำหรับพื้นที่เก็บข้อมูลที่ใช้ไปจริง ๆ เท่านั้น หากต้องการดูข้อมูลเพิ่มเติม โปรดไปที่หน้า ราคา Neptune