Spanner Graph 개요

Spanner Graph는 그래프 데이터베이스 기능과 Spanner 확장성, 가용성, 일관성을 결합합니다. Spanner Graph는 ISO 그래프 쿼리 언어 (GQL)와 호환되는 그래프 쿼리 인터페이스를 지원하며 관계형 모델과 그래프 모델 간의 상호 운용성을 지원합니다.

Spanner Graph를 사용하면 데이터 마이그레이션 없이 선언적 스키마를 사용하여 테이블을 속성 그래프에 매핑할 수 있어 그래프를 테이블 형식의 데이터 세트로 가져옵니다. 쿼리별로 데이터 모델 선택을 지연 바인딩할 수도 있으므로 워크플로에 적합한 도구를 선택하는 데 도움이 됩니다.

Spanner Graph를 시작하려면 Spanner Graph 설정 및 쿼리와 Spanner Graph Codelab을 참고하세요.

Spanner Graph 데이터베이스의 이점

그래프는 데이터의 관계를 표현하는 자연스러운 메커니즘을 제공합니다. 그래프 데이터베이스 사용 사례의 예로는 사기 행위 감지, 추천, 사이버 보안, 커뮤니티 감지, 지식 그래프, 다각적인 고객 파악, 데이터 카탈로그 작성, 계보 추적이 있습니다.

전통적으로 애플리케이션은 여러 조인을 사용하여 그래프를 순회하는 관계형 데이터베이스에서 이러한 유형의 그래프 데이터를 테이블로 나타냅니다. 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 내장되어 있습니다.

이러한 방식으로 인해 Spanner Graph는 업무에 중요한 그래프 애플리케이션에도 적합한 솔루션입니다. 특히 Spanner의 투명 샤딩은 대규모 데이터 세트로 탄력적으로 확장됩니다. 사용자 개입 없이 대규모 병렬 처리를 사용합니다.

Spanner Graph 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.

  • 고객 관계 추적: 고객 관계, 선호도, 구매 내역을 추적합니다. 각 고객을 전체적으로 이해하고 맞춤 추천, 타겟팅된 마케팅 캠페인, 개선된 고객 서비스 경험을 사용할 수 있습니다.

  • 소셜 네트워크 캡처: 사용자 활동과 상호작용을 캡처하고 친구 추천 및 콘텐츠 탐색에 그래프 패턴 일치를 사용합니다.

  • 제조 및 공급망 관리: 그래프에서 부품, 공급업체, 주문, 재고, 결함을 모델링하여 영향을 분석하고, 비용을 롤업하고, 규정 준수를 확인합니다.

  • 의료 데이터 분석: 환자 관계, 상태, 진단, 치료를 파악하여 환자 유사성 분석 및 치료 계획을 지원합니다.

  • 공급망 관리: 배송 라우팅 계획이 주어지면 경로 세그먼트를 평가하여 세그먼트 규칙 위반을 식별합니다.

주요 기능

Spanner Graph는 그래프, 관계형, 검색, AI 기능을 통합하는 멀티 모델 데이터베이스입니다. 고성능과 확장성을 제공하며 다음을 제공합니다.

  • 기본 그래프 환경: ISO GQL 인터페이스는 개방형 표준을 기반으로 익숙하고 특화된 그래프 환경을 제공합니다.

  • GraphRAG 워크플로 애플리케이션 빌드: Spanner Graph는 LangChain과 통합되어 GraphRAG 애플리케이션을 빌드하는 데 도움이 됩니다. 기존 검색 증강 생성 (RAG)은 벡터 검색을 사용하여 대규모 언어 모델 (LLM)에 컨텍스트를 제공하지만 데이터의 암시적 관계는 사용할 수 없습니다. GraphRAG는 데이터에서 그래프를 빌드하여 이러한 복잡한 관계를 캡처함으로써 이 제한을 극복합니다. 그런 다음 그래프 검색(관계 기반 컨텍스트용)과 벡터 검색 (시맨틱 유사성용)을 결합하여 한 가지 방법만 사용하는 것보다 더 정확하고 관련성 높으며 완전한 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: GQL과 SQL 간의 완전한 상호 운용성을 통해 데이터 사일로를 해소할 수 있습니다. 이렇게 하면 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 견고한 기반을 제공합니다.

지원 받기

이 사용자 가이드를 읽은 후 Spanner Graph 및 기능에 관해 추가로 궁금한 점이 있으면 spanner-graph-feedback@google.com으로 이메일을 보내세요.

다음 단계