Amazon Neptune 資源
文件
下面的文件連接提供了 Neptune 資料庫和 Neptune Analytics 相關文件：
影片
#GraphThat 影片系列
Amazon Neptune #GraphThat 系列第 1 集 – Amtrak 網路
Amazon Neptune #GraphThat 系列第 2 集 – 軟體材料清單
Re:invent 2023
AWS re:Invent 2023 – 實現擴展、可用性和洞察的 Amazon Neptune 架構 (DAT406)
AWS re:Invent 2023 – 深入探討 Amazon Neptune Analytics 及其生成式 AI 功能 (DAT325)
AWS re:Invent 2023 – Amazon Neptune Analytics︰圖形分析與生成式 AI 的新功能 (DAT208)
Twitch 會議
其他
Amazon Neptune：使用 LLM 和 LangChain 簡化圖形查詢
Amazon Neptune 的安全圖形
網路天才：藉助 Graph ML 和生成式 AI 變革營運
課程
AWS 參考架構
我們已發佈 AWS 參考架構，使用 Amazon Neptune 來協助通知您對圖形資料模型和查詢語言的選擇以及提供參考部署架構。
開放原始碼專案和範例
影片
客戶案例
Accenture: Natural Language Processing and Graph Databases for the Oil and Gas Industry (6:23)
Nike: A Social Graph at Scale with Amazon Neptune (7:00)
AWS re:Invent 2020: Building the post-cookie identity graph for marketing (30:48)
AWS re:Invent 2020: ADP’s next-generation platform powers dynamic teams with Amazon Neptune (26:02)
AWS re:Invent 2019: Real-world customer use cases with Amazon Neptune (30:25)
AWS re:Invent 2018: Building a Social Graph at Nike with Amazon Neptune (53:46)
AWS re:Invent 2018: Data & Analysis with Amazon Neptune: A Study in Healthcare Billing (48:49)
AWS re:Invent 2017: Amazon Neptune Overview and Customer Use Cases (1:00:56)
AWS re:Invent 2022
AWS re:Invent 2022 - Deep dive into Amazon Neptune Serverless (53:04)
AWS Summit SF 2022 - Amazon Neptune: Using graphs to gain security insights (56:43)
AWS re:Invent 2021 - Real-world use cases with graph databases (31:25)
AWS re:Invent 2020
AWS re:Invent 2020: Deep dive on Amazon Neptune (29:50)
AWS re:Invent 2020: New capabilities to build graph apps quickly with Amazon Neptune (26:54)
AWS 技術講座
AWS on Air 2020: AWS What’s Next ft.Amazon Neptune ML (24:05)
Build Event Driven Graph Applications with AWS Purpose-Built Databases (48:03)
Understanding Game Changes and Player Behavior with Graph Databases (50:21)
AWS DMS supports copying data from relational databases to Amazon Neptune (1:02:34)
Amazon Neptune: Build Applications for Highly Connected Datasets (32:33)
AWS Tel Aviv Summit 2018: How Amazon Neptune and Graph Databases Can Transform Your Business (38:39)
AWS re:Invent 2018: How Do I Know I Need an Amazon Neptune Graph Database? (46:12)
客戶案例研究
-
Audible for Business
圖形資料庫的彈性比關聯系統更高。我們可能需要在 [關聯模型中的] 資料表進行很多聯結，而這麼做會對許多商業邏輯造成很高的延遲。我們針對使用案例將圖形資料表最佳化。Amazon Neptune 解決了我們嘗試解決的問題。
Audible for Business 軟體工程師 Mayank Gupta -
Siemens
閱讀使用案例 »metaphactory and Amazon Neptune 協助 Siemens Energy 打造渦輪機知識圖形，並將整組燃氣渦輪機中相似部件之間的連結視覺化。受管圖形資料庫服務 Amazon Neptune 非常適合 Siemens Energy IT 部門所推動的雲端優先策略，服務著重在可靠性、可擴展性、減少維護作業，並可在 Amazon Web Services (AWS) 上與其現有平台整合。
-
Zerobase
我們選擇 Neptune 是因為這是強而有力的圖形資料庫，不僅安全、效能佳，而且適合分析。在我們的 [聯絡追蹤] 模型中，每個使用者節點都連接到裝置節點。當裝置在某個地點簽入時，即會在該裝置和可掃描的項目 (QR 碼) 建立邊緣，此邊緣會與特定網站 (實體商店) 和連線的組織 (公司實體) 建立關聯。Neptune 允許我們存放使用者、簽入和地點之間的多樣關係，以獲取與病毒蔓延相關的洞見。
Zerobase 共同創辦人 Aron Szanto -
ADP
除了資料庫層級加密之外，我們也很喜歡應用程式層級加密。當我們使用 Amazon Neptune，資料抵達資料庫之前就已加密，之後會再靜態加密一次。
ADP's next gen HCM 架構長 Zaid Masud
