Spanner Graph 概览

Spanner Graph 将图表数据库功能与 Spanner 可伸缩性、可用性和一致性相结合。Spanner Graph 支持与 ISO Graph Query Language (GQL) 兼容的图表查询接口，并可实现关系型模型和图表模型之间的互操作性。

借助 Spanner Graph，您可以使用声明式架构将表映射到属性图表，而无需进行数据迁移，从而将图表引入到表格式数据集。您还可以根据查询对数据模型选择进行后期绑定，从而帮助您更轻松地为工作流选择合适的工具。

如需开始使用 Spanner Graph，请参阅设置和查询 Spanner Graph 和 Spanner Graph Codelab。

Spanner Graph 数据库的优势

图表提供了一种原生机制来表示数据关系。 图表数据库的应用场景示例包括欺诈检测、建议、网络安全、社区检测、知识图谱、全面了解客户、数据编目和沿袭跟踪。

传统上，应用在关系型数据库中以表的形式表示这种类型的图表数据，并使用多个联接来遍历图表。在 SQL 中表示图表遍历逻辑会创建难以编写、维护和调试的复杂查询。

借助 Spanner Graph 中的图形界面，您可以以直观的方式浏览关系并识别图表中的模式。此外，Spanner Graph 还提供适合于在线分析和事务图表工作负载的图表优化存储空间和查询增强功能，所有这些功能都内置在 Spanner 的核心功能中。

此方法使 Spanner Graph 成为任务关键型图表应用的理想解决方案。特别是，Spanner 的透明分片可以弹性地扩展到非常大的数据集。它使用大规模并行处理，无需用户干预。

Spanner Graph 的应用场景

您可以使用 Spanner Graph 构建多种类型的在线图表应用，包括：

  • 检测金融欺诈：分析用户、账号和交易之间的复杂关系，以识别可疑模式和异常情况，例如洗钱以及实体之间的异常关联，使用关系型数据库可能难以检测到这些情况。

  • 跟踪客户关系：跟踪客户关系、偏好设置和交易记录。全面了解每位客户，可提供个性化建议、有针对性的营销活动以及经过改进的客户服务体验。

  • 捕获社交网络：捕获用户活动和互动，并将图表模式匹配用于好友推荐和内容发现。

  • 管理制造和供应链：在图表中对零件、供应商、订单、库存状况和缺陷进行建模，以分析影响、汇总成本和检查合规性。

  • 分析医疗保健数据：捕获患者关系、病情、诊断和治疗情况，以便进行患者相似度分析和治疗方案规划。

  • 管理供应链：根据配送路线计划，评估路线段以识别违反路线段规则的情况。

主要功能

Spanner Graph 是一种多模型数据库，集成了图表、关系型、搜索和 AI 功能。它具有出色的性能和可伸缩性，可提供以下优势：

  • 原生图表体验：ISO GQL 接口提供基于开放标准的熟悉的专用图表体验。

  • 构建 GraphRAG 工作流应用：Spanner Graph 与 LangChain 集成，可帮助您构建 GraphRAG 应用。虽然传统检索增强生成 (RAG) 可使用向量搜索为大语言模型 (LLM) 提供上下文，但它无法使用数据中的隐式关系。GraphRAG 会根据您的数据构建图表以捕获这些复杂的关系，从而克服此限制。因而它可将图表搜索（用于基于关系的上下文）与向量搜索（用于语义相似度）相结合，生成比单独使用任一方法更加准确、相关且完整的答案。如需了解详情，请参阅使用 LangChain 构建依托 LLM 的应用。 如需了解如何将 Spanner Graph 与 Vertex AI 搭配使用，为支持 GraphRAG 的生成式 AI 应用构建基础设施，请参阅使用 Vertex AI 和 Spanner Graph 为生成式 AI 构建 GraphRAG 基础设施。

  • 统一的关系型和图表：GQL 和 SQL 之间的完全互操作性打破了数据孤岛。这让您可以针对每种应用场景选择最合适的工具，而无需进行提取、转换和加载 (ETL) 操作，从而避免任何运营开销。

  • 内置搜索功能：丰富的向量和全文搜索功能与图表集成，让您可以在图表分析中使用语义和关键字。

  • 依托 AI 技术的分析洞见：与 Vertex AI 的深度集成可直接在 Spanner Graph 中解锁一系列 AI 模型，帮助您加速 AI 工作流。

  • 可伸缩性、可用性和一致性：Spanner 已建立的可伸缩性、可用性和一致性为您提供了坚实的基础。

获取支持

如果您在阅读本用户指南后对 Spanner Graph 及其功能有其他疑问，请发送邮件至 spanner-graph-feedback@google.com。

后续步骤