Spanner Graph 總覽

Spanner Graph 結合了圖形資料庫功能與 Spanner 的擴充性、可用性和一致性。Spanner Graph 支援與 ISO Graph Query Language (GQL) 相容的圖形查詢介面，並可讓關聯式和圖形模型互通。

Spanner Graph 可讓您使用宣告式結構定義，將資料表對應至屬性圖形，不必遷移資料，即可將圖形帶入表格資料集。您也可以根據查詢延遲繫結資料模型選項，選擇適合工作流程的工具。

如要開始使用 Spanner Graph，請參閱「設定及查詢 Spanner Graph」和「Spanner Graph 程式碼研究室」。

Spanner Graph 資料庫的優點

圖形能夠以自然的方式呈現資料中的關係。圖形資料庫的用途包括偵測詐欺、提供建議、網路安全、偵測社群、知識圖譜、徹底瞭解客戶、建立資料目錄，以及追蹤歷程。

傳統上，應用程式會使用多個聯結來遍歷圖表，將這類圖表資料表示為關聯式資料庫中的表格。以 SQL 表示圖形遍歷邏輯會產生複雜的查詢，難以編寫、維護及偵錯。

Spanner Graph 的圖形介面可讓您以直覺方式瀏覽關係，並找出圖形中的模式。此外，Spanner Graph 還提供圖形最佳化儲存空間和查詢強化功能，適用於線上分析和交易圖形工作負載，全都內建於 Spanner 的核心功能中。

因此，即使是重要業務圖形應用程式，Spanner Graph 也是理想的解決方案。特別是 Spanner 的透明分片功能，可彈性擴充至非常龐大的資料集。這項服務會使用大量平行處理，不需使用者介入。

Spanner Graph 的用途

您可以使用 Spanner Graph 建構多種線上圖形應用程式，包括：

  • 偵測金融詐欺：分析使用者、帳戶和交易之間的複雜關係，找出可疑模式和異常狀況，例如洗錢和實體間的異常連結，這些狀況難以使用關聯式資料庫偵測。

  • 追蹤顧客關係：追蹤顧客關係、偏好設定和購買記錄。全面瞭解每位顧客、提供個人化建議、指定行銷廣告活動，以及提升顧客服務體驗。

  • 擷取社交網路：擷取使用者活動和互動，並使用圖形模式比對功能，推薦好友和探索內容。

  • 管理製造和供應鏈：在圖表中建立模型零件、供應商、訂單、供應情形和瑕疵，以便分析影響、匯總成本及檢查法規遵循情形。

  • 分析醫療保健資料：擷取病患關係、病況、診斷和治療方式，以利進行病患相似度分析和治療規劃。

  • 管理供應鏈：根據貨運路線規劃，評估路線區段，找出違反區段規則的行為。

主要功能

Spanner Graph 是多模態資料庫，整合了圖形、關聯、搜尋和 AI 功能。這項服務效能卓越且可擴充，提供下列功能：

  • 原生圖形體驗：ISO GQL 介面提供以開放標準為基礎的專用圖形體驗，讓您輕鬆上手。

  • 建構 GraphRAG 工作流程應用程式：Spanner Graph 與 LangChain 整合，可協助您建構 GraphRAG 應用程式。傳統的檢索增強生成 (RAG) 會使用向量搜尋向大型語言模型 (LLM) 提供脈絡，但無法使用資料中的隱含關係。GraphRAG 會從資料建構圖形，擷取這些複雜關係，藉此克服這項限制。然後結合圖表搜尋 (以關係為基礎的情境) 和向量搜尋 (語意相似度)，生成比單獨使用任一方法更準確、相關且完整的答案。詳情請參閱「使用 LangChain 建構採用 LLM 的應用程式」。如要瞭解如何搭配使用 Spanner Graph 和 Vertex AI，為具備 GraphRAG 功能的生成式 AI 應用程式建構基礎架構，請參閱「使用 Vertex AI 和 Spanner Graph 建構生成式 AI 的 GraphRAG 基礎架構」。

  • 統一的關聯和圖形：GQL 和 SQL 之間完全互通，可打破資料孤島。這樣一來，您就能為每個用途選擇最合適的工具，不必為了擷取、轉換及載入 (ETL) 資料而增加任何作業負擔。

  • 內建搜尋功能：圖形整合了豐富的向量和全文搜尋功能，可讓您在圖形分析中使用語意和關鍵字。

  • AI 輔助洞察：與 Vertex AI 深度整合後，您就能直接在 Spanner Graph 中使用一系列 AI 模型，加速 AI 工作流程。

  • 可擴充性、可用性和一致性：Spanner 具備完善的可擴充性、可用性和一致性，可提供穩固的基礎。

取得支援

閱讀本使用者指南後，如對 Spanner Graph 及其功能有其他疑問，請傳送電子郵件至 spanner-graph-feedback@google.com。

後續步驟