Informações gerais do Spanner Graph

O Spanner Graph combina recursos de banco de dados de gráfico criados especificamente com o Spanner, que oferece escalonamento, disponibilidade e consistência líderes do setor.

O Spanner Graph oferece suporte a uma interface de consulta de gráfico compatível com os padrões ISO GQL (linguagem de consulta de gráfico). O Spanner Graph oferece suporte à interoperabilidade entre modelos relacionais e de gráficos e combina os recursos bem estabelecidos do SQL com a expressividade da correspondência de padrões de gráficos do GQL.

É possível mapear tabelas para gráficos usando o esquema declarativo sem migração de dados, que traz gráficos para conjuntos de dados tabulares. Também é possível vincular tardiamente as escolhas do modelo de dados por consulta, o que facilita a escolha da ferramenta certa para seus fluxos de trabalho.

Para começar a usar o Spanner Graph, consulte Configurar e consultar o Spanner Graph e o codelab do Spanner Graph.

Benefícios dos bancos de dados de gráficos

Os gráficos oferecem um mecanismo natural para representar relacionamentos entre dados. Exemplos de casos de uso para bancos de dados de gráficos incluem detecção de fraudes, recomendações, detecção de comunidades, mapa de informações, cliente 360, catalogação de dados e rastreamento de linhagem.

Tradicionalmente, esse tipo de dados de gráfico é representado como tabelas em um banco de dados relacional, com aplicativos que usam várias junções para percorrer o gráfico. Expressar a lógica de travessia de gráfico em SQL leva a consultas complexas que são difíceis de escrever, manter e depurar.

A interface de grafos no Spanner Graph permite navegar pelas relações e identificar padrões no grafo de maneira intuitiva. Além disso, o Spanner Graph oferece melhorias de armazenamento e consulta otimizadas para gráficos adequadas a cargas de trabalho de gráficos analíticos e transacionais on-line, tudo integrado aos recursos principais do Spanner.

Essa abordagem torna o Spanner Graph a solução ideal até mesmo para os aplicativos de gráfico mais importantes. Em particular, o sharding transparente do Spanner pode ser escalonado de forma elástica para conjuntos de dados muito grandes e usar o processamento em paralelo massivo sem intervenção do usuário.

Casos de uso

Você pode usar o Spanner Graph para criar vários tipos de aplicativos do Graph on-line, incluindo os seguintes:

  • Detecção de fraude financeira: analise relações complexas entre usuários, contas e transações para identificar padrões e anomalias suspeitas, como lavagem de dinheiro e conexões incomuns entre entidades, que podem ser difíceis de detectar usando bancos de dados relacionais.
  • Perfil completo do cliente: rastreie relacionamentos, preferências e históricos de compras dos clientes. Entenda melhor cada cliente, ative recomendações personalizadas, campanhas de marketing segmentadas e melhore as experiências de atendimento ao cliente.
  • Redes sociais: capture atividades e interações do usuário e use a correspondência de padrões de gráfico para recomendações de amigos e descoberta de conteúdo.
  • Gerenciamento de fabricação e da cadeia de suprimentos: use padrões de gráfico para análise de impacto eficiente, custos acumulados e verificações de compliance, modelando peças, fornecedores, pedidos, disponibilidade e defeitos no gráfico.
  • Cuidados de saúde: capture relações, condições, diagnósticos e tratamentos de pacientes para facilitar a análise de semelhanças e o planejamento do tratamento.
  • Transporte: modele lugares, conexões, distâncias e custos no gráfico e use consultas de gráfico para encontrar a rota ideal.

Principais recursos

O Spanner Graph apresenta um banco de dados unificado que integra recursos de gráficos, relacionais, de pesquisa e de IA com alto desempenho e escalonamento para oferecer o seguinte:

  • Experiência de gráfico nativo: a interface ISO GQL oferece uma experiência de gráfico conhecida e específica, baseada em padrões abertos.
  • Criar aplicativos de fluxo de trabalho do GraphRAG: o Spanner Graph se integra ao LangChain, que permite criar protótipos de aplicativos GraphRAG. A RAG convencional fundamenta um LLM fornecendo contexto relevante dos seus dados usando a pesquisa vetorial. No entanto, ele não pode usar as relações implícitas presentes nos seus dados. Para superar essa limitação, o GraphRAG constrói um gráfico com seus dados para capturar relações complexas. Em comparação com a RAG convencional, no momento da recuperação, a GraphRAG usa as consultas de grafo com a pesquisa vetorial para gerar respostas mais precisas e relevantes. Para mais informações, consulte Criar aplicativos com tecnologia de LLM usando o LangChain.
  • Relacional e gráfico unificado: a interoperabilidade completa entre GQL e SQL quebra os silos de dados e permite que você escolha a ferramenta ideal para cada caso de uso, sem nenhum custo operacional para extrair, transformar e carregar (ETL).
  • Recursos de pesquisa integrados: os recursos de pesquisa vetorial e de texto completo são integrados ao gráfico, permitindo que você use o significado semântico e as palavras-chave na análise de gráficos.
  • Insights com tecnologia de IA: a integração profunda com a Vertex AI desbloqueia um pacote de modelos de IA diretamente no Spanner Graph, ajudando a acelerar seus fluxos de trabalho de IA.
  • Escalonabilidade, disponibilidade e consistência: a escalonabilidade, a disponibilidade e a consistência estabelecidas do Spanner fornecem uma base sólida em que você pode confiar.

Receber suporte

Se você tiver outras dúvidas sobre o Spanner Graph e os recursos dele depois de ler o guia do usuário, entre em contato pelo e-mail spanner-graph-feedback@google.com.

A seguir