Начало работы с Amazon Neptune
Обзор
Графовые базы данных, такие как база данных Amazon Neptune и аналитика Amazon Neptune, специально созданы для хранения взаимосвязей и навигации по ним. Они имеют ряд преимуществ перед реляционными базами данных в таких случаях использования, как социальные сети, сервисы рекомендаций и системы выявления мошенничества, когда требуется создавать сложные взаимосвязи между данными и быстро их запрашивать. Amazon Neptune использует структуры графов, такие как узлы (объекты данных), края (взаимосвязи) и свойства для представления и хранения данных. Эти взаимосвязи сохраняются как элементы первого порядка модели данных. Это позволяет напрямую связывать данные в узлах и значительно повышать производительность запросов, используемых для навигации по взаимосвязям в данных.
Начало работы с базой данных Amazon Neptune
Если ваши данные уже представлены в графовой модели, начать работу с базой данных Amazon Neptune не составит труда. Сервис позволяет загружать данные в формате CSV или RDF и создавать запросы графов с помощью Apache TinkerPop Gremlin, SPARQL или openCypher. Можно воспользоваться документацией для начала работы или просмотреть вебинар AWS Online Tech Talk по приведенным ниже ссылкам. Кроме того, мы составили рекомендации по работе с базой данных Neptune.
Начало работы с аналитикой Amazon Neptune
Начать работу с аналитикой Neptune можно в несколько шагов, создав граф с помощью консоли управления AWS или CDK, SDK или интерфейса командной строки. Скоро появится поддержка AWS CloudFormation. В аналитику Neptune можно загрузить граф из данных в корзине Amazon S3 или из базы данных Neptune. Вы можете отправлять запросы с помощью языка запросов openCypher в граф в аналитике Neptune непосредственно из графовых приложений. Кроме того, можно подключиться к графу в аналитике Neptune из блокнота Jupyter для выполнения запросов и графовых алгоритмов. Результаты аналитических запросов можно записать обратно в граф аналитики Neptune для обработки входящих запросов или сохранить в S3 для дальнейшей обработки. Аналитика Neptune поддерживает интеграцию с библиотекой LangChain с открытым исходным кодом для работы с существующими приложениями, основанными на больших языковых моделях.
Начало работы с Amazon Neptune ML
- Настройка среды тестирования
- Запуск примера блокнота по классификации узлов
- Загрузка образцов данных в кластер
- Экспорт графа
- Изучение машинного обучения
- Выполнение запросов Gremlin с помощью Neptune ML
Начало работы с визуализацией графов
Если вы знакомы с языками запросов к графам или выполняете графовые рабочие нагрузки в среде блокнотов, вы можете начать с блокнотов Neptune. Neptune предоставляет блокноты Jupyter и JupyterLab в проекте графовых блокнотов Neptune с открытым исходным кодом на GitHub и в рабочей среде Neptune. В этих блокнотах представлены примеры руководств по применению и фрагменты кода в интерактивной среде программирования, где можно узнать о технологии графов и Neptune.
Блокноты Neptune могут одновременно визуализировать результаты запросов и предоставлять интерфейс, подобный IDE, для разработки и тестирования приложений. Кроме того, блокноты Neptune можно использовать с другими функциями Neptune, такими как Neptune Streams и Neptune ML. Более того, каждый блокнот Neptune содержит адрес Graph Explorer. Ссылку для открытия Graph Explorer в каждом инстансе блокнота можно найти в консоли Amazon Neptune.