Mit Sammlungen den Überblick behalten
Sie können Inhalte basierend auf Ihren Einstellungen speichern und kategorisieren.
Spanner Graph kombiniert die Funktionen einer Graphdatenbank mit der Skalierbarkeit, Verfügbarkeit und Konsistenz von Spanner.
Spanner Graph unterstützt eine ISO Graph Query Language (GQL)-kompatible Graphabfrageschnittstelle und ermöglicht die Interoperabilität zwischen relationalen und Graphmodellen.
Mit Spanner Graph können Sie Tabellen mithilfe eines deklarativen Schemas Property-Graphen zuordnen, ohne dass eine Datenmigration erforderlich ist. So lassen sich Graphen in tabellarischen Datasets verwenden. Sie können auch Datenmodelloptionen pro Abfrage spät binden, was Ihnen hilft, das richtige Tool für Ihre Workflows auszuwählen.
Graphen sind ein natürlicher Mechanismus zur Darstellung von Beziehungen in Daten.
Beispiele für Anwendungsfälle für Graphdatenbanken sind Betrugserkennung, Empfehlungen, Cybersicherheit, Community-Erkennung, Wissensgraphen, Customer 360, Datenkatalogisierung und Lineage-Tracking.
Normalerweise werden diese Arten von Grafen in Anwendungen als Tabellen in einer relationalen Datenbank dargestellt. Dabei werden mehrere Joins verwendet, um den Graphen zu durchlaufen. Wenn Sie die Logik für das Durchlaufen von Grafiken in SQL ausdrücken, entstehen komplexe Abfragen, die schwer zu schreiben, zu warten und zu debuggen sind.
Mit der Grafikschnittstelle in Spanner Graph können Sie Beziehungen auf intuitive Weise durchsuchen und Muster im Graphen erkennen. Außerdem bietet Spanner Graph graphoptimierte Speicher- und Abfrageverbesserungen, die für analytische und transaktionale Online-Grapharbeitslasten geeignet sind. Diese sind in die Kernfunktionen von Spanner integriert.
Dieser Ansatz macht Spanner Graph zur idealen Lösung für geschäftskritische Grafikanwendungen. Insbesondere die transparente Shardierung von Spanner lässt sich elastisch auf sehr große Datasets skalieren. Dabei wird die massive Parallelverarbeitung ohne Eingriff des Nutzers verwendet.
Anwendungsfälle für Spanner Graph
Mit Spanner Graph können Sie viele Arten von Online-Graphanwendungen erstellen, darunter:
Finanzbetrug erkennen: Analysieren Sie komplexe Beziehungen zwischen Nutzern, Konten und Transaktionen, um verdächtige Muster und Anomalien wie Geldwäsche und ungewöhnliche Verbindungen zwischen Einheiten zu erkennen, die mit relationalen Datenbanken nur schwer zu erkennen sind.
Kundenbeziehungen im Blick behalten: Kundenbeziehungen, ‑präferenzen und ‑einkaufsverläufe im Blick behalten. Sie erhalten einen ganzheitlichen Überblick über jeden Kunden und können personalisierte Empfehlungen, gezielte Marketingkampagnen und einen besseren Kundenservice anbieten.
Soziale Netzwerke erfassen: Erfassen Sie Nutzeraktivitäten und ‑interaktionen und verwenden Sie den Abgleich von Diagrammmustern für Freundesempfehlungen und die Suche nach Inhalten.
Fertigung und Lieferketten verwalten: Modellieren Sie Teile, Lieferanten, Bestellungen, Verfügbarkeit und Mängel im Diagramm, um Auswirkungen zu analysieren, Kosten zu konsolidieren und die Einhaltung von Vorschriften zu prüfen.
Gesundheitsdaten analysieren: Erfassen Sie Patientenbeziehungen, Erkrankungen, Diagnosen und Behandlungen, um die Analyse der Ähnlichkeit von Patienten und die Behandlungsplanung zu erleichtern.
Lieferketten verwalten: Anhand eines Versandroutenplans Routensegmente bewerten, um Verstöße gegen Segmentregeln zu erkennen.
Hauptmerkmale
Spanner Graph ist eine Multi-Modell-Datenbank, in die Graph-, relationale, Such- und KI-Funktionen integriert sind. Sie bietet hohe Leistung und Skalierbarkeit und bietet Folgendes:
Native Grafikumgebung: Die ISO GQL-Schnittstelle bietet eine vertraute, speziell entwickelte Grafikumgebung, die auf offenen Standards basiert.
GraphRAG-Workflowanwendungen erstellen: Spanner Graph lässt sich in LangChain einbinden, um Ihnen beim Erstellen von GraphRAG-Anwendungen zu helfen. Bei der herkömmlichen Retrieval-Augmented Generation (RAG) wird die Vektorsuche verwendet, um einem Large Language Model (LLM) Kontext bereitzustellen. Die impliziten Beziehungen in Ihren Daten können jedoch nicht genutzt werden. GraphRAG überwindet diese Einschränkung, indem ein Graph aus Ihren Daten erstellt wird, um diese komplexen Beziehungen zu erfassen. Anschließend wird die Graphsuche (für beziehungsbasierten Kontext) mit der Vektorsuche (für semantische Ähnlichkeit) kombiniert, um genauere, relevantere und vollständigere Antworten zu generieren, als wenn nur eine der beiden Methoden verwendet würde. Weitere Informationen finden Sie unter LLM-gestützte Anwendungen mit LangChain erstellen.
Informationen dazu, wie Sie Spanner Graph mit Vertex AI verwenden können, um eine Infrastruktur für eine GraphRAG-fähige generative KI-Anwendung zu erstellen, finden Sie unter GraphRAG-Infrastruktur für generative KI mit Vertex AI und Spanner Graph.
Einheitliche relationale und Graphdatenbank: Die vollständige Interoperabilität zwischen GQL und SQL beseitigt Datensilos. So können Sie das optimale Tool für jeden Anwendungsfall auswählen, ohne dass zusätzlicher Aufwand für das Extrahieren, Transformieren und Laden (ETL) entsteht.
Integrierte Suchfunktionen: Umfangreiche Vektor- und Volltextsuchfunktionen sind in Graph integriert. So können Sie semantische Bedeutung und Keywords in der Graphanalyse verwenden.
KI-basierte Statistiken: Die enge Integration mit Vertex AI ermöglicht den Zugriff auf eine Reihe von KI-Modellen direkt in Spanner Graph, was Ihre KI-Workflows beschleunigt.
Skalierbarkeit, Verfügbarkeit und Konsistenz: Die etablierte Skalierbarkeit, Verfügbarkeit und Konsistenz von Spanner bilden eine solide Grundlage.
Support anfordern
Wenn Sie nach dem Lesen dieses Nutzerhandbuchs weitere Fragen zu Spanner Graph und seinen Funktionen haben, senden Sie eine E-Mail an spanner-graph-feedback@google.com.
[[["Leicht verständlich","easyToUnderstand","thumb-up"],["Mein Problem wurde gelöst","solvedMyProblem","thumb-up"],["Sonstiges","otherUp","thumb-up"]],[["Schwer verständlich","hardToUnderstand","thumb-down"],["Informationen oder Beispielcode falsch","incorrectInformationOrSampleCode","thumb-down"],["Benötigte Informationen/Beispiele nicht gefunden","missingTheInformationSamplesINeed","thumb-down"],["Problem mit der Übersetzung","translationIssue","thumb-down"],["Sonstiges","otherDown","thumb-down"]],["Zuletzt aktualisiert: 2025-09-05 (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)."]]
