การเริ่มต้นใช้งาน Amazon Neptune
ภาพรวม
ฐานข้อมูลแบบกราฟ เช่น Amazon Neptune Database และ Amazon Neptune Analyticsสร้างขึ้นเพื่อจัดเก็บและนําทางความสัมพันธ์ ซึ่งมีข้อดีกว่าฐานข้อมูลแบบเชิงสัมพันธ์สำหรับกรณีใช้งาน อย่างเช่น เครือข่ายสังคม กลไกการแนะนำ และการตรวจจับการปลอมแปลง เมื่อคุณจำเป็นต้องสร้างความสัมพันธ์ระหว่างข้อมูลและสืบค้นความสัมพันธ์นี้อย่างรวดเร็ว Amazon Neptune ใช้โครงสร้างแบบกราฟ เช่น โหนด (เอนทิตีข้อมูล), Edge (ความสัมพันธ์) และลักษณะ เพื่อแสดงและจัดเก็บข้อมูล ความสัมพันธ์ถูกจัดเก็บเป็นพลเมืองชั้นหนึ่งของโมเดลข้อมูล ซึ่งทำให้ข้อมูลในโหนดสามารถเชื่อมโยงได้โดยตรง และปรับปรุงประสิทธิภาพของการสืบค้นที่นำทางความสัมพันธ์ในข้อมูลได้อย่างมาก
เริ่มต้นใช้งาน Amazon Neptune Database
หากคุณมีข้อมูลในโมเดลกราฟอยู่แล้ว คุณสามารถเริ่มต้นใช้งาน Amazon Neptune Database ได้อย่างง่ายดาย คุณสามารถโหลดข้อมูลในรูปแบบ CSV หรือ RDF และเริ่มเขียนการสืบค้นกราฟด้วย Apache TinkerPop Gremlin, SPARQL หรือ openCypher คุณสามารถใช้เอกสารประกอบการเริ่มต้นใช้งานหรือดูการเสวนาเชิงเทคนิคออนไลน์ของ AWS ผ่านลิงก์ต่อไปนี้ นอกจากนี้เรายังได้รวมแนวทางปฏิบัติที่ดีที่สุดสําหรับ Neptune Database ด้วย
เริ่มต้นใช้งาน Amazon Neptune Analytics
คุณสามารถเริ่มต้นใช้งาน Neptune Analytics ได้ในไม่กี่ขั้นตอนโดยการสร้างกราฟโดยใช้คอนโซลการจัดการของ AWS หรือ CDK, SDK หรือ CLI การสนับสนุน AWS CloudFormation จะมาในเร็ว ๆ นี้ คุณสามารถโหลดกราฟลงใน Neptune Analytics จากข้อมูลในบัคเก็ต Amazon S3 หรือจาก Neptune Database คุณสามารถส่งคําขอโดยใช้ภาษาการสืบค้น openCypher ไปยังกราฟใน Neptune Analytics ได้โดยตรงจากแอปพลิเคชันกราฟของคุณ คุณยังสามารถเชื่อมต่อกับกราฟใน Neptune Analytics จาก Jupyter Notebook เพื่อเรียกใช้การสืบค้นและอัลกอริทึมกราฟ ผลลัพธ์ของการสืบค้นเชิงวิเคราะห์สามารถเขียนกลับเข้าไปในกราฟ Neptune Analytics เพื่อให้บริการการสืบค้นที่เข้ามาหรือจัดเก็บไว้ใน S3 เพื่อการประมวลผลเพิ่มเติม Neptune Analytics รองรับการผสานรวมกับไลบรารี LangChain แบบโอเพนซอร์สเพื่อทํางานกับแอปพลิเคชันที่มีอยู่ซึ่งขับเคลื่อนโดยโมเดลภาษาขนาดใหญ่
เริ่มต้นใช้งาน Amazon Neptune ML
- การตั้งค่าสภาพแวดล้อมการทดสอบ
- การเปิดตัวตัวอย่าง Notebook การจัดประเภทโหนด
- การโหลดข้อมูลตัวอย่างลงในคลัสเตอร์
- การส่งออกกราฟ
- การดําเนินการฝึกอบรม ML
- การเรียกใช้การสืบค้น Gremlin ด้วย Neptune ML
เริ่มต้นใช้งานการแสดงภาพกราฟ
ถ้าคุณคุ้นเคยกับภาษาการสืบค้นกราฟหรือการเรียกใช้เวิร์กโหลดกราฟในสภาพแวดล้อมของ Notebook คุณสามารถเริ่มต้นด้วย Neptune Notebook ได้ Neptune ให้บริการ Jupyter และ JupyterLab Notebook ในโครงการ Notebook กราฟ Neptune แบบโอเพนซอร์สบน GitHub และในเวิร์กเบนช์ Neptune Notebook เหล่านี้มีตัวอย่างบทช่วยสอนการใช้งานและตัวอย่างโค้ดในสภาพแวดล้อมการเข้ารหัสแบบโต้ตอบ ซึ่งคุณสามารถเรียนรู้เกี่ยวกับเทคโนโลยีกราฟและ Neptune
Neptune Notebook สามารถทำได้ทั้งแสดงภาพผลลัพธ์การสืบค้นและให้อินเทอร์เฟซที่เหมือน IDE เพื่อการพัฒนาและทดสอบแอปพลิเคชัน หรือคุณสามารถใช้ Neptune Notebook กับคุณสมบัติ Neptune อื่น ๆ เช่น Neptune Streams และ Neptune ML นอกจากนี้ Neptune Notebook แต่ละอันยังโฮสต์ตำแหน่งข้อมูล Graph Explorer อีกด้วย คุณสามารถค้นหาลิงก์เพื่อเปิด Graph Explorer บนอินสแตนซ์ Notebook แต่ละรายการได้ใน Amazon Neptune Console