Organiza tus páginas con colecciones
Guarda y categoriza el contenido según tus preferencias.
Spanner Graph combina las capacidades de la base de datos de grafos con la escalabilidad, la disponibilidad y la coherencia de Spanner.
Spanner Graph admite una interfaz de consulta de gráficos compatible con el lenguaje ISO Graph Query Language (GQL) y permite la interoperabilidad entre modelos relacionales y de gráficos.
Spanner Graph te permite asignar tablas a gráficos de propiedades con un esquema declarativo sin migración de datos, lo que lleva los gráficos a los conjuntos de datos tabulares. También puedes vincular las opciones del modelo de datos de forma tardía por consulta, lo que te ayuda a elegir la herramienta adecuada para tus flujos de trabajo.
Los gráficos proporcionan un mecanismo natural para representar las relaciones entre los datos.
Entre los casos de uso de ejemplo de las bases de datos de gráficos, se incluyen la detección de fraudes, las recomendaciones, la ciberseguridad, la detección de comunidades, los gráficos de conocimiento, la vista integral del cliente, la catalogación de datos y el seguimiento del linaje.
Tradicionalmente, las aplicaciones representan este tipo de datos de gráficos como tablas en una base de datos relacional, con varias uniones para recorrer el gráfico. Expresar la lógica de recorrido de grafos en SQL crea consultas complejas que son difíciles de escribir, mantener y depurar.
La interfaz de gráficos de Spanner Graph te permite navegar por las relaciones y detectar patrones en el gráfico de forma intuitiva. Además, Spanner Graph proporciona mejoras en el almacenamiento y las consultas optimizadas para gráficos, adecuadas para cargas de trabajo de gráficos transaccionales y analíticos en línea, todo integrado en las capacidades principales de Spanner.
Este enfoque convierte a Spanner Graph en la solución ideal incluso para las aplicaciones de grafos fundamentales. En particular, el sharding transparente de Spanner se escala de forma elástica para adaptarse a conjuntos de datos muy grandes. Utiliza un procesamiento masivamente paralelo sin intervención del usuario.
Casos de uso de Spanner Graph
Puedes usar Spanner Graph para compilar muchos tipos de aplicaciones de gráficos en línea, incluidos los siguientes:
Detectar fraudes financieros: Analiza relaciones complejas entre usuarios, cuentas y transacciones para identificar patrones y anomalías sospechosos, como el lavado de dinero y las conexiones inusuales entre entidades, que pueden ser difíciles de detectar con bases de datos relacionales.
Hacer un seguimiento de las relaciones con los clientes: Realiza un seguimiento de las relaciones con los clientes, sus preferencias y sus historiales de compra. Obtén una comprensión integral de cada cliente, habilita recomendaciones personalizadas, campañas de marketing segmentadas y experiencias de servicio al cliente mejoradas.
Captura redes sociales: Captura las actividades y las interacciones de los usuarios, y usa la correlación de patrones de gráficos para las recomendaciones de amigos y el descubrimiento de contenido.
Administra las cadenas de suministro y fabricación: Modela piezas, proveedores, pedidos, disponibilidad y defectos en el grafo para analizar el impacto, acumular costos y verificar el cumplimiento.
Analiza datos de atención médica: Captura las relaciones, las afecciones, los diagnósticos y los tratamientos de los pacientes para facilitar el análisis de similitud entre pacientes y la planificación del tratamiento.
Administrar cadenas de suministro: Dado un plan de enrutamiento de envíos, evalúa los tramos de la ruta para identificar incumplimientos de las reglas de los tramos.
Funciones clave
Spanner Graph es una base de datos de varios modelos que integra capacidades de gráficos, relacionales, de búsqueda y de IA. Ofrece alto rendimiento y escalabilidad, y proporciona lo siguiente:
Experiencia de gráfico nativo: La interfaz ISO GQL ofrece una experiencia de gráfico familiar y creada para un propósito específico que se basa en estándares abiertos.
Compila aplicaciones de flujo de trabajo de GraphRAG: Spanner Graph se integra con LangChain para ayudarte a compilar aplicaciones de GraphRAG. Si bien la generación mejorada por recuperación (RAG) convencional usa la búsqueda de vectores para proporcionar contexto a un modelo de lenguaje grande (LLM), no puede usar las relaciones implícitas en tus datos. GraphRAG supera esta limitación creando un gráfico a partir de tus datos para capturar estas relaciones complejas. Luego, combina la búsqueda de gráficos (para el contexto basado en relaciones) con la búsqueda de vectores (para la similitud semántica), lo que genera respuestas más precisas, pertinentes y completas que si se usara solo uno de los métodos. Para obtener más información, consulta Compila aplicaciones con tecnología de LLM a través de LangChain.
Para obtener información sobre cómo puedes usar Spanner Graph con Vertex AI para compilar infraestructura para una aplicación de IA generativa compatible con GraphRAG, consulta Infraestructura de GraphRAG para IA generativa con Vertex AI y Spanner Graph.
Unificación de relaciones y gráficos: La total interoperabilidad entre GQL y SQL elimina los silos de datos. Esto te permite elegir la herramienta óptima para cada caso de uso, sin ninguna sobrecarga operativa para extraer, transformar y cargar (ETL).
Capacidades de búsqueda integradas: Las capacidades de búsqueda de vectores y de texto completo enriquecidas se integran con el gráfico, lo que te permite usar el significado semántico y las palabras clave en el análisis de gráficos.
Estadísticas potenciadas por IA: La integración profunda con Vertex AI desbloquea un conjunto de modelos de IA directamente en Spanner Graph, lo que te ayuda a acelerar tus flujos de trabajo de IA.
Escalabilidad, disponibilidad y coherencia: La escalabilidad, la disponibilidad y la coherencia establecidas de Spanner proporcionan una base sólida.
Obtenga asistencia
Si tienes más preguntas sobre Spanner Graph y sus funciones después de leer esta guía del usuario, envía un correo electrónico a spanner-graph-feedback@google.com.
[[["Fácil de comprender","easyToUnderstand","thumb-up"],["Resolvió mi problema","solvedMyProblem","thumb-up"],["Otro","otherUp","thumb-up"]],[["Difícil de entender","hardToUnderstand","thumb-down"],["Información o código de muestra incorrectos","incorrectInformationOrSampleCode","thumb-down"],["Faltan la información o los ejemplos que necesito","missingTheInformationSamplesINeed","thumb-down"],["Problema de traducción","translationIssue","thumb-down"],["Otro","otherDown","thumb-down"]],["Última actualización: 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)."]]