Panoramica
Esperienza di grafi nativa
Spanner Graph supporta ISO Graph Query Language (GQL), gli standard internazionali per i database di grafi. Offre un modo intuitivo e conciso per abbinare i modelli, attraversare le relazioni e filtrare i risultati nei dati di grafi, facilitando la scoperta di relazioni e informazioni nascoste.
Modelli relazionali e di grafi unificati
Spanner Graph collega il mondo relazionale a quello dei grafi. Grazie alla combinazione dei punti di forza di SQL e GQL, consente agli analisti e agli sviluppatori di eseguire query su dati strutturati e connessi in un'unica operazione. Inoltre, Spanner Graph semplifica la creazione di grafi con uno schema dichiarativo, trasformando i dati relazionali in grafi ricchi e interconnessi, pronti per l'esplorazione e l'analisi.
Funzionalità di ricerca integrate
Le funzionalità di ricerca vettoriale e a testo intero integrate in Spanner Graph ti consentono di offrire una nuova classe di applicazioni basate sull'AI. Puoi cercare nodi e archi pertinenti in base alla somiglianza semantica utilizzando la ricerca vettoriale o parole chiave specifiche utilizzando la ricerca a testo intero, rispettivamente, quindi puoi esplorare il ricco contesto che circonda questi elementi utilizzando il grafo.
Scalabilità, disponibilità e coerenza leader del settore
Basato sull'impareggiabile scalabilità, sulla disponibilità del 99,999% e sulla coerenza di Spanner, Spanner Graph è la scelta ideale anche per le applicazioni mission-critical. Lo sharding integrato distribuisce automaticamente i dati per la scalabilità orizzontale e aiuta a garantire l'accesso ininterrotto ai dati di grafi critici. Mantenendo una visione coerente di nodi e archi nell'intero grafo, elimina il rischio di archi sospesi o altre incoerenze.
Informazioni basate sull'AI
Spanner Graph è integrato con Vertex AI. Puoi accedere direttamente all'ampia suite di modelli predittivi e generativi di Vertex AI attraverso schema e query Spanner Graph, che semplificano il tuo workflow AI.
Livello enterprise
Spanner Graph eredita tutta la prontezza per le aziende da Spanner, offrendo chiavi di crittografia gestite dal cliente (CMEK), crittografia a livello dati, integrazione IAM per l'accesso e i controlli e audit logging completo. Inoltre, supporta VPC-SC, Access Transparency e Access Approval. In più, un controllo dell'accesso granulare ti consente di autorizzare l'accesso ai dati di Spanner a livello di tabella e colonna.
Come funziona
Per creare un grafo, prima crea delle tabelle in Spanner per archiviare le entità e le relazioni, poi mappa le tabelle a un grafo usando lo schema del grafo. Puoi utilizzare GQL per eseguire query sul grafo o combinare GQL con SQL per eseguire query sul grafo e sulle tabelle insieme.
Per creare un grafo, prima crea delle tabelle in Spanner per archiviare le entità e le relazioni, poi mappa le tabelle a un grafo usando lo schema del grafo. Puoi utilizzare GQL per eseguire query sul grafo o combinare GQL con SQL per eseguire query sul grafo e sulle tabelle insieme.
Utilizzi comuni
Knowledge Graph
Con Spanner Graph puoi sviluppare Knowledge Graph che acquisiscono le connessioni complesse tra le entità, rappresentate come nodi, e le loro relazioni, rappresentate da archi. Queste connessioni forniscono un contesto dettagliato, rendendo i Knowledge Graph indispensabili per lo sviluppo di sistemi di knowledge base e motori per suggerimenti. Con le funzionalità di ricerca integrate, puoi combinare perfettamente comprensione semantica, recupero basato su parole chiave e grafici per risultati completi.
Procedure
Con Spanner Graph puoi sviluppare Knowledge Graph che acquisiscono le connessioni complesse tra le entità, rappresentate come nodi, e le loro relazioni, rappresentate da archi. Queste connessioni forniscono un contesto dettagliato, rendendo i Knowledge Graph indispensabili per lo sviluppo di sistemi di knowledge base e motori per suggerimenti. Con le funzionalità di ricerca integrate, puoi combinare perfettamente comprensione semantica, recupero basato su parole chiave e grafici per risultati completi.
Motore per suggerimenti
Spanner Graph modella in modo naturale le relazioni tra le entità (ad esempio utenti, prodotti o amici), semplificando la consultazione delle connessioni e la scoperta di potenziali relazioni. La ricerca vettoriale e la ricerca a testo intero integrate consentono di fornire consigli basati sulla somiglianza in base al profilo utente del prodotto, alle descrizioni dei prodotti e alle recensioni. Questa combinazione consente di fornire consigli altamente pertinenti e personalizzati in diversi ambiti, il tutto all'interno di Spanner Graph.
Procedure
Spanner Graph modella in modo naturale le relazioni tra le entità (ad esempio utenti, prodotti o amici), semplificando la consultazione delle connessioni e la scoperta di potenziali relazioni. La ricerca vettoriale e la ricerca a testo intero integrate consentono di fornire consigli basati sulla somiglianza in base al profilo utente del prodotto, alle descrizioni dei prodotti e alle recensioni. Questa combinazione consente di fornire consigli altamente pertinenti e personalizzati in diversi ambiti, il tutto all'interno di Spanner Graph.
Rilevamento delle frodi finanziarie
Spanner Graph modella in modo naturale le relazioni complesse tra entità finanziarie come account, transazioni e persone, facilitando l'identificazione di pattern e connessioni sospette che potrebbero segnalare attività fraudolente. Inoltre, la ricerca vettoriale integrata rivela connessioni nascoste e anomalie nello spazio di embedding. Combinando queste tecnologie, gli istituti finanziari possono creare sistemi completi di rilevamento delle frodi in grado di identificare in modo rapido e accurato le potenziali minacce, riducendo al minimo le perdite.
Procedure
Spanner Graph modella in modo naturale le relazioni complesse tra entità finanziarie come account, transazioni e persone, facilitando l'identificazione di pattern e connessioni sospette che potrebbero segnalare attività fraudolente. Inoltre, la ricerca vettoriale integrata rivela connessioni nascoste e anomalie nello spazio di embedding. Combinando queste tecnologie, gli istituti finanziari possono creare sistemi completi di rilevamento delle frodi in grado di identificare in modo rapido e accurato le potenziali minacce, riducendo al minimo le perdite.
GraphRAG
Spanner Graph porta la generazione RAG (Retrieval Augmented Generation) a un livello superiore basando i foundation model su informazioni contestuali ricche archiviate in un grafo della conoscenza. Mentre la RAG tradizionale fornisce agli LLM blocchi di dati estratti da un documento di origine, GraphRAG fa un ulteriore passo in avanti includendo le relazioni con altri contenuti per facilitare una comprensione e un'inferenza più complete.
Procedure
Spanner Graph porta la generazione RAG (Retrieval Augmented Generation) a un livello superiore basando i foundation model su informazioni contestuali ricche archiviate in un grafo della conoscenza. Mentre la RAG tradizionale fornisce agli LLM blocchi di dati estratti da un documento di origine, GraphRAG fa un ulteriore passo in avanti includendo le relazioni con altri contenuti per facilitare una comprensione e un'inferenza più complete.
Videogiochi
I mondi di gioco possono essere rappresentati come entità, di tipo giocatori, personaggi, oggetti e i luoghi come nodi, e le relazioni tra di loro come archi. Questa struttura consente un attraversamento efficiente delle connessioni, essenziale per le meccaniche di gioco come il rilevamento del percorso, la gestione dell'inventario e le interazioni sociali. La scalabilità di Spanner Graph assicura che il database possa gestire l'afflusso di giocatori durante i picchi di utilizzo o gli eventi principali, prevenendo i ritardi e gli arresti anomali del server che potrebbero interrompere il gameplay e deludere gli utenti.
Procedure
I mondi di gioco possono essere rappresentati come entità, di tipo giocatori, personaggi, oggetti e i luoghi come nodi, e le relazioni tra di loro come archi. Questa struttura consente un attraversamento efficiente delle connessioni, essenziale per le meccaniche di gioco come il rilevamento del percorso, la gestione dell'inventario e le interazioni sociali. La scalabilità di Spanner Graph assicura che il database possa gestire l'afflusso di giocatori durante i picchi di utilizzo o gli eventi principali, prevenendo i ritardi e gli arresti anomali del server che potrebbero interrompere il gameplay e deludere gli utenti.
Inizia a utilizzare Spanner Graph
Scopri come utilizzare Spanner Graph
Crea un'istanza Spanner di 90 giorni senza costi aggiuntivi
Introduzione a Spanner Graph: ricreare i database a grafo
Esplora le funzionalità dei grafi
Scopri di più su Spanner
Business case
"Per Credit Karma, garantire la sicurezza dei dati dei nostri oltre 130 milioni di membri è la nostra massima priorità. Per contrastare ed eliminare le attività fraudolente nei nostri sistemi, abbiamo collaborato con Google per migliorare le nostre capacità di mitigazione delle attività fraudolente implementando il database di Google Spanner Graph. Questa funzionalità avanzata della piattaforma ci consente di rilevare potenziali minacce di frode prima che si verifichino. Con Spanner Graph, rileviamo e preveniamo in modo efficace le transazioni fraudolente, le cessioni di account e altre attività fraudolente. " - Credit Karma
ContattaciVantaggi in primo piano
Migliora le tue applicazioni di AI generativa con l'intelligence basata sui grafi di conoscenza.
Scopri connessioni e relazioni nascoste tra i tuoi dati.
Semplifica le operazioni con un unico database unificato, integrando funzionalità relazionali, di grafi, di ricerca e di coppie chiave-valore.
Social network
Individui, gruppi, interessi e interazioni possono essere rappresentati come nodi e archi per un'analisi efficiente delle connessioni e scoperta di modelli come amici comuni, interessi condivisi o appartenenze a gruppi sovrapposti. Queste informazioni possono essere sfruttate per generare consigli personalizzati su amici e contenuti, nonché per il targeting degli annunci. Inoltre, la ricerca a testo intero integrata consente di trovare facilmente persone, gruppi, post o argomenti specifici utilizzando query in linguaggio naturale.
Procedure
Individui, gruppi, interessi e interazioni possono essere rappresentati come nodi e archi per un'analisi efficiente delle connessioni e scoperta di modelli come amici comuni, interessi condivisi o appartenenze a gruppi sovrapposti. Queste informazioni possono essere sfruttate per generare consigli personalizzati su amici e contenuti, nonché per il targeting degli annunci. Inoltre, la ricerca a testo intero integrata consente di trovare facilmente persone, gruppi, post o argomenti specifici utilizzando query in linguaggio naturale.