Spanner Graph는 특화된 그래프 데이터베이스 기능과 업계 최고의 확장성, 가용성, 일관성을 제공하는 Spanner를 통합합니다.
Spanner Graph는 ISO GQL(Graph Query Language) 표준과 호환되는 그래프 쿼리 인터페이스를 지원합니다. Spanner Graph는 관계형 모델과 그래프 모델 간의 상호 운용성을 지원하고 올바르게 확립된 SQL 기능을 GQL의 그래프 패턴 일치 표현력과 결합합니다.
데이터 마이그레이션 없이 선언적 스키마를 사용하여 테이블을 그래프에 매핑할 수 있어 그래프를 테이블 형식의 데이터 세트로 가져옵니다. 쿼리별로 데이터 모델 선택을 지연 바인딩할 수도 있으므로 워크플로에 적합한 도구를 더 쉽게 선택할 수 있습니다.
그래프는 데이터의 관계를 표현하는 자연스러운 메커니즘을 제공합니다.
그래프 데이터베이스 사용 사례의 예로는 사기 행위 감지, 추천, 커뮤니티 감지, 지식 그래프, 다각적인 고객 파악, 데이터 카탈로그 작성, 계보 추적이 있습니다.
전통적으로 이러한 유형의 그래프 데이터는 여러 조인을 사용하여 그래프를 순회하는 애플리케이션을 통해 관계형 데이터베이스에서 테이블로 표시됩니다.
SQL로 그래프 순회 로직을 표현하면 작성, 유지보수, 디버그하기 어려운 복잡한 쿼리가 생성됩니다.
Spanner Graph의 그래프 인터페이스를 사용하면 직관적인 방식으로 관계를 탐색하고 그래프에서 패턴을 식별할 수 있습니다. 또한 Spanner Graph는 온라인 분석 및 트랜잭션 그래프 워크로드에 적합한 그래프 최적화 스토리지와 쿼리 개선사항을 제공하며 이 모든 것이 Spanner의 핵심 기능에 기본 제공됩니다.
이러한 방식으로 인해 Spanner Graph는 대부분의 업무에 중요한 그래프 애플리케이션에도 적합한 솔루션입니다. 특히 Spanner의 투명 샤딩은 대규모 데이터 세트로 탄력적으로 확장하고 사용자 개입 없이 대규모 병렬 처리를 사용할 수 있습니다.
사용 사례
Spanner Graph를 사용하여 다음을 포함한 다양한 유형의 온라인 그래프 애플리케이션을 빌드할 수 있습니다.
금융 사기 행위 감지: 사용자, 계좌, 거래 간의 복잡한 관계를 분석하여 관계형 데이터베이스를 사용하면 감지하기 어려울 수 있는 자금 세탁 및 항목 간의 불규칙한 연결과 같은 의심스러운 패턴과 이상치를 식별합니다.
다각적인 고객 파악: 고객 관계, 선호도, 구매 내역을 추적합니다. 각 고객을 전체적으로 이해하고 맞춤 추천, 타겟팅된 마케팅 캠페인, 개선된 고객 서비스 경험을 사용할 수 있습니다.
소셜 네트워크: 사용자 활동과 상호작용을 캡처하고 친구 추천 및 콘텐츠 탐색에 그래프 패턴 일치를 사용합니다.
제조 및 공급망 관리: 그래프에서 부품, 공급업체, 주문, 재고, 결함을 모델링하여 효과적인 영향 분석, 비용 롤업, 규정 준수 검사에 그래프 패턴을 사용합니다.
의료: 환자 관계, 상태, 진단, 치료를 파악하여 환자 유사성 분석과 치료 계획을 지원합니다.
교통: 그래프에서 장소, 연결, 거리, 비용을 모델링한 후 그래프 쿼리를 사용하여 최상의 경로를 찾습니다.
주요 기능
Spanner Graph는 그래프, 관계형, 검색, AI 기능을 고성능 및 확장성과 통합하는 통합 데이터베이스를 도입하여 다음을 제공합니다.
기본 그래프 환경: ISO GQL 인터페이스는 개방형 표준을 기반으로 익숙하고 특화된 그래프 환경을 제공합니다.
GraphRAG 워크플로 애플리케이션 빌드: Spanner Graph는 LangChain과 통합되므로 GraphRAG 애플리케이션의 프로토타입을 제작할 수 있습니다. LLM을 그라운딩하기 위해 기존 검색 증강 생성(RAG)은 벡터 검색을 사용하여 데이터에서 관련 컨텍스트를 LLM에 제공합니다. 하지만 데이터에 있는 암시적 관계를 사용할 수 없습니다. 이 제한을 극복하기 위해 GraphRAG는 데이터에서 그래프를 빌드하여 복잡한 관계를 캡처합니다.
기존 RAG와 비교하여 GraphRAG는 벡터 검색과 함께 그래프 쿼리를 사용하여 검색 시 더 정확하고 관련성 높은 답변을 생성합니다. 자세한 내용은 LangChain을 사용하여 LLM 기반 애플리케이션 빌드를 참조하세요.
Vertex AI와 함께 Spanner Graph를 사용하여 GraphRAG 지원 생성형 AI 애플리케이션을 위한 인프라를 빌드하는 방법을 알아보려면 Vertex AI 및 Spanner Graph를 사용하는 생성형 AI용 GraphRAG 인프라를 참고하세요.
통합 관계형 및 그래프: GQL 및 SQL 간의 완전한 상호 운용성을 통해 데이터 사일로를 해소하고 추출, 변환, 로드(ETL)에 대한 운영 오버헤드 없이 각 사용 사례에 적합한 도구를 선택할 수 있습니다.
기본 제공되는 검색 기능: 풍부한 벡터 및 전체 텍스트 검색 기능이 그래프와 통합되어 있으므로 그래프 분석에서 시맨틱 의미와 키워드를 사용할 수 있습니다.
AI 기반 인사이트: Vertex AI와의 긴밀한 통합을 통해 Spanner Graph에서 직접 AI 모델 모음을 활용하여 AI 워크플로를 가속화할 수 있습니다.
확장성, 가용성, 일관성: 설정되어 있는 Spanner의 확장성, 가용성, 일관성이 신뢰할 수 있는 견고한 기반을 제공합니다.
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["이해하기 어려움","hardToUnderstand","thumb-down"],["잘못된 정보 또는 샘플 코드","incorrectInformationOrSampleCode","thumb-down"],["필요한 정보/샘플이 없음","missingTheInformationSamplesINeed","thumb-down"],["번역 문제","translationIssue","thumb-down"],["기타","otherDown","thumb-down"]],["최종 업데이트: 2025-08-17(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)."]]
