Tetap teratur dengan koleksi
Simpan dan kategorikan konten berdasarkan preferensi Anda.
Spanner Graph menggabungkan kemampuan database grafik yang dibuat khusus dengan
Spanner, yang menawarkan skalabilitas, ketersediaan, dan konsistensi terbaik di industri.
Spanner Graph mendukung antarmuka kueri grafik yang kompatibel dengan standar ISO GQL (Graph Query Language). Spanner Graph mendukung interoperabilitas antara model relasional dan grafik serta menggabungkan kemampuan SQL yang sudah mapan dengan ekspresivitas pencocokan pola grafik dari GQL.
Anda dapat memetakan tabel ke grafik menggunakan skema deklaratif tanpa migrasi data,
yang menghadirkan grafik ke set data tabular. Anda juga dapat mengikat pilihan model data secara terlambat per kueri, sehingga lebih mudah memilih alat yang tepat untuk alur kerja Anda.
Grafik menyediakan mekanisme alami untuk merepresentasikan hubungan dalam data.
Contoh kasus penggunaan database grafik mencakup deteksi penipuan, rekomendasi,
deteksi komunitas, pustaka pengetahuan, customer 360, pembuatan katalog data, dan
pelacakan silsilah.
Biasanya, jenis data grafik ini direpresentasikan sebagai tabel dalam database relasional, dengan aplikasi menggunakan beberapa gabungan untuk menjelajahi grafik.
Mengekspresikan logika traversal grafik dalam SQL menghasilkan kueri kompleks yang sulit ditulis, dikelola, dan di-debug.
Antarmuka grafik di Spanner Graph memungkinkan Anda menavigasi hubungan dan mengidentifikasi pola dalam grafik dengan cara yang intuitif. Selain itu, Spanner Graph
menyediakan peningkatan penyimpanan dan kueri yang dioptimalkan untuk grafik yang cocok untuk beban kerja grafik analitis dan transaksional online, semuanya dibangun ke dalam
kemampuan inti Spanner.
Pendekatan ini menjadikan Spanner Graph sebagai solusi ideal bahkan untuk aplikasi grafik yang paling penting. Secara khusus, sharding transparan Spanner dapat diskalakan secara elastis ke set data yang sangat besar dan menggunakan pemrosesan paralel secara masif tanpa intervensi pengguna.
Kasus penggunaan
Anda dapat menggunakan Spanner Graph untuk membangun berbagai jenis aplikasi Grafik online, termasuk yang berikut:
Deteksi penipuan keuangan: menganalisis hubungan kompleks antara pengguna, akun, dan transaksi untuk mengidentifikasi pola dan anomali yang mencurigakan, seperti pencucian uang dan koneksi yang tidak biasa antar-entitas, yang sulit dideteksi menggunakan database relasional.
Customer 360: melacak hubungan pelanggan, preferensi, dan histori pembelian. Dapatkan pemahaman menyeluruh tentang setiap pelanggan, aktifkan rekomendasi yang dipersonalisasi, kampanye pemasaran yang ditargetkan, dan pengalaman layanan pelanggan yang lebih baik.
Jaringan sosial: merekam aktivitas dan interaksi pengguna, serta menggunakan pencocokan pola grafik untuk rekomendasi teman dan penemuan konten.
Pengelolaan manufaktur dan rantai pasokan: Gunakan pola grafik untuk
analisis dampak yang efisien, penggabungan biaya, dan pemeriksaan kepatuhan dengan memodelkan
suku cadang, pemasok, pesanan, ketersediaan, dan kerusakan dalam grafik.
Layanan Kesehatan: merekam hubungan pasien, kondisi, diagnosis, dan perawatan untuk memfasilitasi analisis kesamaan pasien dan perencanaan perawatan.
Transportasi: memodelkan tempat, koneksi, jarak, dan biaya dalam
grafik, lalu menggunakan kueri grafik untuk menemukan rute optimal.
Kemampuan utama
Spanner Graph memperkenalkan database terpadu yang mengintegrasikan kemampuan grafik, relasional, penelusuran, dan AI dengan performa dan skalabilitas tinggi untuk memberikan hasil berikut:
Pengalaman grafik native: Antarmuka ISO GQL menawarkan pengalaman grafik yang familiar dan dibuat khusus berdasarkan standar terbuka.
Membangun aplikasi alur kerja GraphRAG: Spanner Graph terintegrasi dengan LangChain, yang memungkinkan Anda membuat prototipe aplikasi GraphRAG. Untuk melakukan grounding LLM,
Retrieval-Augmented Generation (RAG) konvensional menyediakan konteks yang relevan
ke LLM dari data Anda menggunakan penelusuran vektor. Namun, model ini tidak dapat menggunakan
hubungan implisit yang ada dalam data Anda. Untuk mengatasi batasan ini,
GraphRAG membuat grafik dari data Anda untuk merekam hubungan yang kompleks.
Dibandingkan dengan RAG konvensional, GraphRAG menggunakan kueri grafik dengan penelusuran vektor untuk menghasilkan jawaban yang lebih akurat dan relevan pada waktu pengambilan. Untuk
informasi selengkapnya, lihat
Membangun aplikasi yang didukung LLM menggunakan LangChain.
Untuk mempelajari cara menggunakan Spanner Graph dengan Vertex AI untuk membangun infrastruktur bagi aplikasi AI generatif yang kompatibel dengan GraphRAG, lihat Infrastruktur GraphRAG untuk AI generatif menggunakan Vertex AI dan Spanner Graph.
Grafik dan relasional terpadu: Interoperabilitas penuh antara GQL dan SQL
menghilangkan silo data dan memungkinkan Anda memilih alat yang optimal untuk setiap kasus
penggunaan, tanpa overhead operasional untuk mengekstrak, mentransformasi, dan memuat
(ETL).
Kemampuan penelusuran bawaan: Kemampuan penelusuran vektor dan teks lengkap yang canggih diintegrasikan dengan grafik, sehingga Anda dapat menggunakan makna semantik dan kata kunci dalam analisis grafik.
Insight yang didukung AI: Integrasi yang mendalam dengan Vertex AI memungkinkan serangkaian model AI langsung di Spanner Graph, sehingga membantu Anda mempercepat alur kerja AI.
Skalabilitas, ketersediaan, dan konsistensi: Skalabilitas, ketersediaan, dan konsistensi Spanner yang sudah terbukti memberikan fondasi yang solid dan dapat Anda percayai.
Mendapatkan dukungan
Jika ada pertanyaan tambahan tentang Spanner Graph dan fiturnya setelah membaca panduan pengguna kami, hubungi kami di spanner-graph-feedback@google.com.
[[["Mudah dipahami","easyToUnderstand","thumb-up"],["Memecahkan masalah saya","solvedMyProblem","thumb-up"],["Lainnya","otherUp","thumb-up"]],[["Sulit dipahami","hardToUnderstand","thumb-down"],["Informasi atau kode contoh salah","incorrectInformationOrSampleCode","thumb-down"],["Informasi/contoh yang saya butuhkan tidak ada","missingTheInformationSamplesINeed","thumb-down"],["Masalah terjemahan","translationIssue","thumb-down"],["Lainnya","otherDown","thumb-down"]],["Terakhir diperbarui pada 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)."]]
