Spanner Graph 結合了專為圖形資料庫打造的功能，以及 Spanner 提供的業界領先擴充性、可用性和一致性。
Spanner Graph 支援與 ISO GQL (Graph Query Language) 標準相容的圖形查詢介面。Spanner Graph 支援關聯和圖形模型之間的互通性，並結合了成熟的 SQL 功能，以及 GQL 的圖形模式比對功能。
您可以使用宣告式結構定義將資料表對應至圖表，無須遷移資料，即可將圖表帶入表格資料集。您也可以根據查詢延遲繫結資料模型選項，更輕鬆地為工作流程選擇合適的工具。
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。
圖形資料庫的優點
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、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，這類圖形資料會以關聯式資料庫中的資料表表示，應用程式則會使用多個聯結來遍歷圖形。以 SQL 表示圖形遍歷邏輯會導致查詢複雜，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 也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，所有功能都內建於 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。具體來說，Spanner 的透明分片功能可彈性擴充至超大型資料集，並使用大規模平行處理，無需使用者介入。
用途
您可以使用 Spanner Graph 建構多種線上圖形應用程式，包括：
- 金融詐欺偵測：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，這些情況很難透過關聯式資料庫偵測到。
- 顧客 360：追蹤顧客關係、偏好設定和購物記錄。全面瞭解每位顧客，提供個人化建議、放送目標行銷活動，並提升顧客服務體驗。
- 社群網路：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。
- 製造和供應鏈管理：在圖表中建立零件、供應商、訂單、供應情形和瑕疵的模型，運用圖表模式有效分析影響、匯總成本及檢查法規遵循情形。
- 醫療照護：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。
- 交通運輸：在圖表中建立地點、連結、距離和費用的模型，然後使用圖表查詢找出最佳路線。
主要功能
Spanner Graph 推出整合式資料庫，整合圖表、關聯、搜尋和 AI 功能，並提供高效能和擴充性，可實現下列目標：
- 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，可讓您製作 GraphRAG 應用程式原型。如要為 LLM 連結可驗證的資訊來源，傳統的檢索增強生成 (RAG) 會使用向量搜尋，從您的資料為 LLM 提供相關脈絡。不過，這項功能無法使用資料中的隱含關係。為克服這項限制，GraphRAG 會從資料建構圖形，擷取複雜關係。相較於傳統 RAG，GraphRAG 會在擷取時使用圖形查詢和向量搜尋，生成更準確且相關的回覆。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」。
- 統一關聯式和圖形：GQL 和 SQL 之間完全可互通，打破資料孤島，讓您為每個用途選擇最佳工具，不必為了擷取、轉換及載入 (ETL) 而產生任何作業負擔。
- 內建搜尋功能：圖形整合了豐富的向量和全文搜尋功能，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。
- 擴充性、可用性和一致性：Spanner 具備完善的擴充性、可用性和一致性，可做為您信賴的穩固基礎。
取得支援
閱讀本使用者指南後，如果對 Spanner Graph 及其功能仍有其他疑問，請透過 spanner-graph-feedback@google.com 與我們聯絡。