概要
Spanner Graph は、グラフ データベースの国際標準である ISO Graph Query Language(GQL)をサポートしています。グラフデータ内のパターンのマッチング、関係の走査、結果のフィルタリングを直感的かつ簡潔に行えるため、隠れた関係性や分析情報が容易に明らかになります。
Spanner Graph はリレーショナルとグラフを結びつけるものです。SQL と GQL の長所を組み合わせることで、アナリストやデベロッパーは構造化データや連結データを 1 回の操作でクエリできます。さらに、Spanner Graph は宣言型スキーマを使用してグラフの作成を簡素化し、リレーショナル データを豊富で相互接続されたグラフに変換し、探索や分析をすぐに行えるようにします。
Spanner Graph に統合された全文検索とベクトル検索機能を使用すると、新しいクラスの AI 対応アプリケーションを実現できます。ベクトル検索を使用した意味的類似性に基づいて、または全文検索を使用した特定のキーワードに基づいて、関連するノードとエッジをそれぞれ検索し、グラフを使用してこれらの要素を取り巻く豊富なコンテキストを探索できます。
Spanner の比類ないスケール、99.999% の可用性、整合性を基盤とする Spanner Graph は、ミッション クリティカルなアプリケーションにとっても理想的な選択肢です。組み込みのシャーディングにより、データを自動的に分散して水平方向のスケーラビリティを実現し、重要なグラフデータに途切れることなくアクセスできるようにします。グラフ全体でノードとエッジのビューを一貫して維持することで、エッジがぶつかるなどの不整合が発生するリスクがなくなります。
Spanner Graph は Vertex AI と統合されています。Spanner Graph のスキーマとクエリを使用して Vertex AI の広範な予測モデルと生成モデルに直接アクセスし、AI ワークフローを合理化できます。
Spanner のエンタープライズ向け機能をすべて継承する Spanner Graph は、顧客管理の暗号鍵(CMEK)、データレイヤの暗号化、アクセスと管理のための IAM インテグレーション、包括的な監査ロギングを提供します。また、VPC-SC、アクセスの透明性、アクセス承認にも対応しています。さらに、きめ細かなアクセス制御により、テーブルと列のレベルで Spanner データへのアクセスを承認できます。
仕組み
グラフを作成するには、まず Spanner でエンティティとリレーションシップを保存するテーブルを作成してから、グラフスキーマを使用してそのテーブルをグラフにマッピングします。GQL を使用してグラフをクエリすることも、GQL と SQL を組み合わせてグラフとテーブルをクエリすることもできます。
一般的な使用例
Spanner Graph は、ナレッジグラフに保存された豊富なコンテキスト情報を使用して基盤モデルをグラウンディングすることで、検索拡張生成(RAG)をいっそう強化できます。従来の RAG がソース ドキュメントから抽出したデータのチャンクを LLM に提供するのに対し、GraphRAG はさらに一歩進んで、他のコンテンツとの関係を含めることでより包括的な理解と推論を促進します。
Spanner Graph は、ナレッジグラフに保存された豊富なコンテキスト情報を使用して基盤モデルをグラウンディングすることで、検索拡張生成(RAG)をいっそう強化できます。従来の RAG がソース ドキュメントから抽出したデータのチャンクを LLM に提供するのに対し、GraphRAG はさらに一歩進んで、他のコンテンツとの関係を含めることでより包括的な理解と推論を促進します。
ゲームの世界を、プレーヤー、キャラクター、アイテム、位置などのエンティティとしてノードとして表現し、それらの間の関係をエッジとして表現できます。この構造により、接続を効率的に走査できるようになります。これは、経路探索、インベントリの管理、ソーシャル インタラクションなどのゲームの仕組みに不可欠です。Spanner Graph のスケーラビリティにより、データベースはピーク時や大規模イベント中にプレーヤーの流入に対処でき、ユーザーの不満につながるゲームプレイの中断、ラグ、サーバーのクラッシュなどを防ぐことができます。
ゲームの世界を、プレーヤー、キャラクター、アイテム、位置などのエンティティとしてノードとして表現し、それらの間の関係をエッジとして表現できます。この構造により、接続を効率的に走査できるようになります。これは、経路探索、インベントリの管理、ソーシャル インタラクションなどのゲームの仕組みに不可欠です。Spanner Graph のスケーラビリティにより、データベースはピーク時や大規模イベント中にプレーヤーの流入に対処でき、ユーザーの不満につながるゲームプレイの中断、ラグ、サーバーのクラッシュなどを防ぐことができます。
ビジネスケース
「Credit Karma では、1 億 3,000 万人以上のメンバーのデータの安全性を確保することが最優先事項です。当社のシステムで発生する不正行為に対抗して根絶するために、私たちは Google と提携して Spanner Graph データベースを実装し、不正行為の防止機能を強化しています。この最先端のプラットフォーム機能によって、不正行為が発生する前に潜在的な脅威を特定できるようになりました。Spanner Graph があれば、不正なトランザクションやアカウントの乗っ取りなどの不正行為を効果的に検出、防止できます。」 - Credit Karma
お問い合わせ注目のメリット
ナレッジグラフを活用したインテリジェンスで生成 AI アプリケーションを強化できます。
データに隠されたつながりや関連性を発見できます。
リレーショナル、グラフ、検索、Key-Value 機能を統合した単一の統合データベースで業務を効率化します。
ソーシャル ネットワーク
個人、グループ、関心事、やり取りをノードとエッジとして表現することで、つながりの効率的な分析とパターンの発見(共通の友達、共通の関心、重複したグループ メンバーシップなど)が可能になります。これらの分析情報は、パーソナライズされた友だちやコンテンツのレコメンデーションや広告のターゲット設定に利用できます。さらに、統合された全文検索により、自然言語クエリを使用してユーザー、グループ、投稿、特定のトピックを簡単に見つけることができます。
入門ガイド
個人、グループ、関心事、やり取りをノードとエッジとして表現することで、つながりの効率的な分析とパターンの発見(共通の友達、共通の関心、重複したグループ メンバーシップなど)が可能になります。これらの分析情報は、パーソナライズされた友だちやコンテンツのレコメンデーションや広告のターゲット設定に利用できます。さらに、統合された全文検索により、自然言語クエリを使用してユーザー、グループ、投稿、特定のトピックを簡単に見つけることができます。