Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Spanner Graph kombiniert speziell entwickelte Graphdatenbankfunktionen mit Spanner, das branchenführende Skalierbarkeit, Verfügbarkeit und Konsistenz bietet.
Spanner Graph unterstützt eine Graph-Abfrageschnittstelle, die mit den ISO-GQL-Standards (Graph Query Language) kompatibel ist. Spanner Graph unterstützt die Interoperabilität zwischen relationalen und Diagrammmodellen und kombiniert die etablierten SQL-Funktionen mit der Ausdrucksstärke des Diagrammmusterabgleichs von GQL.
Sie können Tabellen mithilfe eines deklarativen Schemas ohne Datenmigration Diagrammen zuordnen. So lassen sich Diagramme für tabellarische Datasets erstellen. Sie können auch die Auswahl des Datenmodells pro Abfrage verzögert binden, was die Auswahl des richtigen Tools für Ihre Workflows erleichtert.
Graphen sind ein natürlicher Mechanismus zur Darstellung von Beziehungen in Daten.
Beispiele für Anwendungsfälle für Graphdatenbanken sind Betrugserkennung, Empfehlungen, Community-Erkennung, Wissensgraph, Customer 360, Datenkatalogisierung und Lineage-Tracking.
Traditionell werden diese Arten von Diagrammdaten als Tabellen in einer relationalen Datenbank dargestellt, wobei Anwendungen mehrere Joins verwenden, um das Diagramm zu durchlaufen.
Wenn Sie die Logik für das Durchlaufen von Grafen in SQL ausdrücken, führt das zu komplexen Abfragen, die schwer zu schreiben, zu warten und zu debuggen sind.
Mit der Grafikschnittstelle in Spanner Graph können Sie Beziehungen auf intuitive Weise durchsuchen und Muster im Graphen erkennen. Darüber hinaus bietet Spanner Graph für Online-Analyse- und Transaktions-Graph-Arbeitslasten optimierte Speicher- und Abfrageverbesserungen, die in die Kernfunktionen von Spanner integriert sind.
Dieser Ansatz macht Spanner Graph zur idealen Lösung für selbst die geschäftskritischsten Grafanwendungen. Insbesondere die transparente Shardierung von Spanner kann elastisch auf sehr große Datasets skaliert werden und massive Parallelverarbeitung ohne Nutzereingriff nutzen.
Anwendungsfälle
Mit Spanner Graph können Sie viele Arten von Online-Graphanwendungen erstellen, darunter:
Erkennung von Finanzbetrug: Analysieren Sie komplexe Beziehungen zwischen Nutzern, Konten und Transaktionen, um verdächtige Muster und Anomalien wie Geldwäsche und ungewöhnliche Verbindungen zwischen Einheiten zu erkennen, die mit relationalen Datenbanken nur schwer zu erkennen sind.
Customer 360: Kundenbeziehungen, ‑präferenzen und ‑kaufhistorien im Blick behalten. Sie erhalten ein ganzheitliches Bild von jedem Kunden und können personalisierte Empfehlungen, gezielte Marketingkampagnen und einen besseren Kundenservice anbieten.
Soziale Netzwerke: Nutzeraktivitäten und ‑interaktionen erfassen und Graph-Mustervergleich für Freundesempfehlungen und die Suche nach Inhalten verwenden.
Fertigung und Lieferkettenmanagement: Mit Diagrammmustern lassen sich Teile, Lieferanten, Bestellungen, Verfügbarkeit und Mängel im Diagramm modellieren, um effiziente Wirkungsanalysen, Kostenkonsolidierungen und Compliance-Prüfungen durchzuführen.
Gesundheitswesen: Erfassen Sie Patientenbeziehungen, Erkrankungen, Diagnosen und Behandlungen, um die Analyse der Ähnlichkeit von Patienten und die Behandlungsplanung zu erleichtern.
Transport: Modellieren Sie Orte, Verbindungen, Entfernungen und Kosten im Diagramm und verwenden Sie dann Diagrammabfragen, um die optimale Route zu finden.
Hauptmerkmale
Spanner Graph führt eine einheitliche Datenbank ein, die Graph-, relationale, Such- und KI-Funktionen mit hoher Leistung und Skalierbarkeit kombiniert, um Folgendes zu ermöglichen:
Native Grafikumgebung: Die ISO GQL-Schnittstelle bietet eine vertraute, speziell entwickelte Grafikumgebung, die auf offenen Standards basiert.
GraphRAG-Workflowanwendungen erstellen: Spanner Graph ist in LangChain integriert, sodass Sie Prototypen von GraphRAG-Anwendungen erstellen können. Um ein LLM zu fundieren, stellt die herkömmliche Retrieval-Augmented Generation (RAG) dem LLM mithilfe der Vektorsuche relevanten Kontext aus Ihren Daten zur Verfügung. Es kann jedoch nicht die impliziten Beziehungen in Ihren Daten nutzen. Um diese Einschränkung zu überwinden, erstellt GraphRAG einen Graphen aus Ihren Daten, um komplexe Beziehungen zu erfassen.
Im Vergleich zu herkömmlichem RAG verwendet GraphRAG die Diagrammabfragen mit Vektorsuche, um zum Zeitpunkt des Abrufs genauere und relevantere Antworten zu generieren. Weitere Informationen finden Sie unter LLM-gestützte Anwendungen mit LangChain erstellen.
Informationen dazu, wie Sie Spanner Graph mit Vertex AI verwenden können, um eine Infrastruktur für eine GraphRAG-fähige generative KI-Anwendung zu erstellen, finden Sie unter GraphRAG-Infrastruktur für generative KI mit Vertex AI und Spanner Graph.
Einheitliche relationale und Diagrammdatenbank: Die vollständige Interoperabilität zwischen GQL und SQL beseitigt Datensilos und ermöglicht es Ihnen, das optimale Tool für jeden Anwendungsfall auszuwählen, ohne dass betrieblicher Aufwand für das Extrahieren, Transformieren und Laden (ETL) anfällt.
Integrierte Suchfunktionen: Umfangreiche Vektor- und Volltextsuchfunktionen sind in Graph integriert, sodass Sie semantische Bedeutung und Keywords in der Graphanalyse verwenden können.
KI-basierte Statistiken: Die enge Integration mit Vertex AI ermöglicht den Zugriff auf eine Reihe von KI-Modellen direkt in Spanner Graph, was Ihre KI-Workflows beschleunigt.
Skalierbarkeit, Verfügbarkeit und Konsistenz: Die etablierte Skalierbarkeit, Verfügbarkeit und Konsistenz von Spanner bieten eine solide Grundlage, auf die Sie sich verlassen können.
Support anfordern
Wenn Sie nach dem Lesen unseres Nutzerhandbuchs weitere Fragen zu Spanner Graph und seinen Funktionen haben, wenden Sie sich bitte an spanner-graph-feedback@google.com.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-08-25 (UTC)."],[],[],null,["# Spanner Graph overview\n\n| **PostgreSQL interface note:** The examples in topics for Spanner Graph are intended for GoogleSQL-dialect databases. Spanner Graph doesn't support the PostgreSQL interface.\n\n\u003cbr /\u003e\n\n\n| **Note:** This feature is available with the Spanner Enterprise edition and Enterprise Plus edition. For more information, see the [Spanner editions overview](/spanner/docs/editions-overview).\n\n\u003cbr /\u003e\n\nSpanner Graph combines graph database capabilities with\n[Spanner](/spanner/docs) scalability, availability, and consistency.\nSpanner Graph supports an ISO Graph Query Language (GQL)-compatible graph\nquery interface and enables interoperability between relational and graph\nmodels.\n\nSpanner Graph lets you map tables to property graphs using declarative\nschema without data migration, bringing graphs to tabular datasets. You can also\nlate-bind data model choices per query, which helps you choose the right tool\nfor your workflows.\n\nTo get started with Spanner Graph, see\n[Set up and query Spanner Graph](/spanner/docs/graph/set-up) and the\n[Spanner Graph codelab](https://codelabs.developers.google.com/codelabs/spanner-graph-getting-started).\n\nBenefits of Spanner Graph databases\n-----------------------------------\n\nGraphs provide a natural mechanism for representing relationships in data.\nExample use cases for graph databases include fraud detection, recommendations,\ncyber security, community detection, knowledge graphs, customer 360, data\ncataloging, and lineage tracking.\n\nTraditionally, applications represent this type of graph data as tables in a\nrelational database, using multiple joins to traverse the graph. Expressing\ngraph traversal logic in SQL creates complex queries that are difficult to\nwrite, maintain, and debug.\n\nThe graph interface in Spanner Graph lets you navigate relationships and\nidentify patterns in the graph in intuitive ways. In addition, Spanner Graph\nprovides graph-optimized storage and query enhancements suited for online\nanalytical and transactional graph workloads, all built into\nSpanner's core capabilities.\n\nThis approach makes Spanner Graph the ideal solution for even\nmission-critical graph applications. In particular, Spanner's\ntransparent sharding scales elastically to very large datasets. It uses\nmassively parallel processing without user intervention.\n\nUse cases for Spanner Graph\n---------------------------\n\nYou can use Spanner Graph to build many types of online Graph applications,\nincluding the following:\n\n- **Detect financial fraud**: Analyze complex relationships among users,\n accounts, and transactions to identify suspicious patterns and anomalies,\n such as money laundering and unusual connections between entities, which can\n be difficult to detect using relational databases.\n\n- **Track customer relationships**: Track customer relationships, preferences,\n and purchase histories. Gain a holistic understanding of each customer,\n enable personalized recommendations, targeted marketing campaigns, and\n improved customer service experiences.\n\n- **Capture social networks**: Capture user activities and interactions, and\n use graph pattern matching for friend recommendations and content discovery.\n\n- **Manage manufacturing and supply chains**: Model parts, suppliers, orders,\n availability, and defects in the graph to analyze impact, roll up costs, and\n check compliance.\n\n- **Analyze healthcare data**: Capture patient relationships, conditions,\n diagnoses, and treatments to facilitate patient similarity analysis and\n treatment planning.\n\n- **Manage supply chains**: Given a shipment routing plan, evaluate route\n segments to identify violations of segment rules.\n\nKey capabilities\n----------------\n\nSpanner Graph is a multi-model database that integrates graph, relational,\nsearch, and AI capabilities. It offers high performance and scalability,\ndelivering the following:\n\n- **Native graph experience**: The ISO GQL interface offers a familiar,\n purpose-built graph experience that's based on open standards.\n\n- **Build GraphRAG workflow applications** : Spanner Graph integrates with\n LangChain to help you build GraphRAG applications. While conventional\n retrieval-augmented generation (RAG) uses vector search to provide context\n to a large language model (LLM), it can't use the implicit relationships in\n your data. GraphRAG overcomes this limitation by building a graph from your\n data to capture these complex relationships. It then combines graph search\n (for relationship-based context) with vector search (for semantic\n similarity), generating more accurate, relevant, and complete answers than\n using either method alone. For more information, see\n [Build LLM-powered applications using LangChain](/spanner/docs/langchain).\n To learn how you can use Spanner Graph with\n Vertex AI to build infrastructure for a GraphRAG-capable generative\n AI application, see\n [GraphRAG infrastructure for generative AI using Vertex AI and Spanner Graph](/architecture/gen-ai-graphrag-spanner).\n\n- **Unified relational and graph**: Full interoperability between GQL and SQL\n breaks down data silos. This lets you choose the optimal tool for each use\n case, without any operational overheads to extract, transform, and load\n (ETL).\n\n- **Built-in search capabilities**: Rich vector and full-text search\n capabilities are integrated with graph, letting you use semantic meaning and\n keywords in graph analysis.\n\n- **AI-powered insights**: Deep integration with Vertex AI unlocks a\n suite of AI models directly in Spanner Graph, helping you accelerate\n your AI workflows.\n\n- **Scalability, availability, and consistency**: Spanner's\n established scalability, availability, and consistency provide a solid\n foundation.\n\nGet support\n-----------\n\nIf you have additional questions about Spanner Graph and its features after\nreading this user guide, send an email to\n[spanner-graph-feedback@google.com](mailto:spanner-graph-feedback@google.com).\n\nWhat's next\n-----------\n\n- Get started with the [Spanner Graph codelab](https://codelabs.developers.google.com/codelabs/spanner-graph-getting-started).\n- Set up and query [Spanner Graph](/spanner/docs/graph/set-up).\n- Learn about the [Spanner Graph schema](/spanner/docs/graph/schema-overview).\n- Learn how to create, update, or drop a [Spanner Graph schema](/spanner/docs/graph/create-update-drop-schema)."]]
