Databázy grafov: nový spôsob premýšľania o údajoch

Autor: Louise Ward
Dátum Stvorenia: 5 Február 2021
Dátum Aktualizácie: 28 V Júni 2024
Anonim
Databázy grafov: nový spôsob premýšľania o údajoch - Technológie
Databázy grafov: nový spôsob premýšľania o údajoch - Technológie

Obsah


Zdroj: Blueximages / Dreamstime.com

Zobrať:

Grafické databázy využívajú mnohé odvetvia pre svoju jedinečnú schopnosť analyzovať vzťahy medzi časťami údajov.

Význam veľkých údajov stúpa. Aby sa však údaje čo najlepšie využili, spoločnosti musia byť schopné nájsť z nich praktické informácie. Ak chcete nájsť silné informácie, je potrebné, aby sa pri vrátených údajoch vyskytli hlboké otázky a dobrá analýza. Tradičné dotazy SQL čelia obmedzeniam, pokiaľ ide o zložité viacvrstvové dotazy, čo obmedzuje cieľ spoločnosti získavať zmysluplné údaje.

Grafové databázy umožnili spoločnostiam spustiť komplexné viacvrstvové dotazy, na ktoré je možné okamžite odpovedať, zatiaľ čo tradičné databázy SQL by na takéto otázky mali veľmi ťažké odpovedať. Zložité otázky prinášajú nevídané a cenné poznatky. Grafové databázy sa používajú v mnohých odvetviach, ako sú sociálne médiá, zdravotníctvo a online zoznamka. Zdá sa, že grafová databáza poskytuje nový spôsob pohľadu na údaje.


Čo je grafová databáza?

Grafová databáza sa používa na ukladanie informácií o rôznych entitách, mapovanie vzťahov medzi entitami a dopytovanie vzťahov medzi entitami. V tejto súvislosti môžu byť subjekty mnohými vecami, ako sú ľudské bytosti, spoločnosti, zvieratá a autá. Účtovná jednotka môže mať špecifický vzťah s inou účtovnou jednotkou. Napríklad, Martin, entita, je priateľom Jima, inej entity. Martin môže vlastniť auto BMW. V obidvoch príkladoch sú Martin, Jim a BMW subjektmi s osobitnými vzťahmi medzi nimi. „Martin je Jimovým priateľom“ znamená, že priateľstvo je vzťah medzi týmito dvoma entitami. Podobne „Martin vlastní BMW“ znamená, že vlastníctvo je vzťah medzi Martinom a jeho BMW. V jazyku grafickej databázy sú vzťahy známe ako hrany. Vzťahy sú zobrazené vo forme grafu, a preto je tento koncept známy ako grafová databáza. (Viac informácií o databázach grafov nájdete v časti Ako grafové databázy prinášajú údaje do sietí.)


Koncept grafovej databázy sa implementuje naprieč odvetviami, ako sú zdravotníctvo, sociálne médiá a elektronický obchod. Príklady uvedené v tomto článku sú jednoduché a priame, ale prípady použitia v priemysle sú veľmi zložité. Zoberme si príklad webovej stránky elektronického obchodu, ktorá poskytuje odporúčania zákazníkom. Ako poskytuje webová stránka odporúčania produktu, ktoré sú vhodné pre zákazníka? Ako vie webová stránka potreby a preferencie zákazníka? Kľúč spočíva v produkte, ktorý si zákazník prezerá.Ak si zákazník prezerá knihu o riadení ľudských zdrojov, logika odporúčania na webe hľadá ďalších zákazníkov, ktorí si rovnakú knihu prezerali alebo si ju kúpili. Logika zároveň určuje aj ďalšie podobné alebo príbuzné knihy, ktoré si prezerali alebo kúpili iní používatelia s podobnými záujmami, a podobné knihy sa používateľovi odporúčajú.

Ako funguje databáza grafov

Pozrime sa bližšie na databázy grafov pomocou príkladu. Umožňuje predpokladať, že výrobca smartfónov chce spustiť smartphone s niekoľkými pokročilými funkciami. Produktový manažment rozhodne o vlastnostiach po určení potrieb a preferencií svojej cieľovej skupiny, ktorou sú vedúci pracovníci spoločnosti. Výrobca smartfónov má jednu alebo viac databáz, ktoré zhromažďujú a ukladajú údaje o výkonných profiloch z viacerých zdrojov údajov. Produktoví manažéri teraz vytvárajú grafovú dátovú štruktúru na základe údajov, ktoré vyzerajú takto:

Z vyššie uvedeného obrázka vyplýva, že produktoví manažéri odvodzujú nasledujúce závery alebo obchodné rozhodnutia:

  • Steve je manažér ľudských zdrojov, ktorý používa posla vo veľkej miere. Jeho spojenia v oddelení ľudských zdrojov pravdepodobne používajú aj messengera kvôli jeho pracovnému profilu. Preto môžu byť dôležití dobrí poslovia v telefóne.
  • Hlavným dôvodom, prečo Debra a jej manžel Trevor často používajú antivírusové fóra, môžu byť bezpečnostné problémy v ich smartfónoch alebo počítačoch. Nový smartphone tak môže mať zabudované bezpečnostné funkcie.
  • Abraham používa Fitbit, čo naznačuje, že monitoruje svoju kondíciu. Bolo by preto dobré, keby nový smartphone dokázal synchronizovať údaje zo zariadení Fitbit a zobrazovať ich užívateľsky príjemným spôsobom.

Vyššie uvedený príklad ukazuje, ako sa dajú grafové údaje použiť na riešenie obchodných problémov.

Žiadne chyby, žiadny stres - Váš sprievodca krok za krokom k vytvoreniu softvéru na zmenu života bez zničenia vášho života

Nemôžete zlepšiť svoje programovacie schopnosti, keď sa nikoho nezaujíma o kvalitu softvéru.

Prípadové štúdie

Prípadové štúdie uvedené nižšie ukazujú, ako databázy grafov pomohli vyriešiť zložité problémy v odvetviach online datovania a online vyhľadávania kariéry.

Prípadová štúdia - Online zoznamka

problém: Portály online zoznamky chcú nájsť vhodné zápasy pre svojich predplatiteľov. Portály preto potrebujú informácie o ostatných členoch webovej stránky, ktorí by mohli mať podobný vkus, preferencie, zázemie a ďalšie informácie.

Riešenie: Mnoho online portálov používa databázy grafov na cestovanie cez podrobnosti miliónov členov a vyhľadávanie informácií. Na základe toho webová stránka pripravuje zápasy založené na vkusu, vzdelaní, záľubách a ďalších detailoch. Webové stránky určujú, že tieto profily sa najpravdepodobnejšie hodia do konkrétneho profilu, a podľa toho poskytuje odporúčania.

Prípadová štúdia - Profesionálne webové stránky na vytváranie sietí

problém: Profesionálne sieťové webové stránky, ako je napríklad LinkedIn, chcú odporučiť najvhodnejšie pripojenia a úlohy na základe množstva parametrov, ako sú profil, pohľady na pripojenie, zobrazenie profilu a členstvo v skupine, ktoré odrážajú záujmy a preferencie.

Riešenie: Aby to bolo možné dosiahnuť, takéto sieťové webové stránky cestujú cez viacero vrstiev spojení, ako sú spojenia pripojení spojení atď. Grafická logika potom nájde spoločné profesijné záujmy, kariéru, profily pracovných miest, členstvo v skupine a ďalšie informácie a na základe zistení poskytuje odporúčania pre siete aj pracovné miesta.

Fakty a čísla z priemyslu

Fakty a čísla uvedené nižšie ukazujú, do akej miery bola databáza grafov prijatá v celom odvetví:

  • Viac ako 30 spoločností z celého sveta 2000, medzi ktoré patria Wal-Mart, eBay, Lufthansa a Deutsche Telekom, si osvojili najpopulárnejšiu grafovú databázu Neo4j, ktorú vytvorila Neo Technology.
  • Odvetvový pozorovateľ DB-Engines hovorí o popularite a prijatí grafových databáz: „Graf DBMS získava na popularite rýchlejšie ako ktorákoľvek iná kategória databáz,“ keďže od januára 2013 rastie takmer o 300 percent.
  • Od mája 2013 začalo mnoho významných online zoznamovacích serverov prijímať grafové databázy.
  • LinkedIn má veľký tím pracujúci na svojom proprietárnom grafovom databázovom systéme.
  • Do značnej miery závisí od grafovej databázy a vydala tiež FlockDB, grafovú databázu s otvoreným zdrojom. (Viac informácií o databázach s otvoreným zdrojom nájdete v téme Prečo si databázy s otvoreným zdrojom získavajú na popularite.)
  • S cieľom zjednodušiť používanie grafových databáz pre podnikových používateľov, Teradata vydala nový typ SQL známy ako SQL-GR.

záver

Grafová databáza predstavuje nový spôsob pohľadu na veľké dáta. Grafové dáta majú dve jasné výhody:

  1. Systémy správy relačných databáz (RDBMS) nedokážu v krátkom časovom období spracovať obrovské objemy údajov. Okrem toho nie je schopný zorganizovať veľké množstvo údajov. Grafová databáza môže prechádzať akýmkoľvek počtom vzťahov medzi entitami a logicky usporiadať informácie.
  2. Databázy grafov sú mimoriadne efektívne pri získavaní relevantných informácií po odfiltrovaní viacerých entít a vzťahov. Ako už bolo uvedené, môžu sa pýtať a vracať mimoriadne cenné informácie, ktoré systémy BI môžu prezentovať užívateľsky prívetivým spôsobom.

Zdá sa, že je len otázkou času, kým iné odvetvia, ktoré sa zaoberajú obrovským množstvom údajov, ako sú bankovníctvo a financie, farmaceutický priemysel, obrana a spravodajstvo, budú používať aj grafové databázy. V skutočnosti bude odhaľovanie zločinov a identifikácia poistných podvodov pomocou sietí, vzťahov a subjektov s grafovými údajmi určite zaujímavou úlohou.