Restez organisé à l'aide des collections
Enregistrez et classez les contenus selon vos préférences.
Spanner Graph combine les fonctionnalités de base de données de graphes avec l'évolutivité, la disponibilité et la cohérence de Spanner.
Spanner Graph est compatible avec une interface de requête de graphe ISO GQL (Graph Query Language) et permet l'interopérabilité entre les modèles relationnels et de graphe.
Spanner Graph vous permet de mapper des tables à des graphiques de propriétés à l'aide d'un schéma déclaratif sans migration de données, ce qui permet d'appliquer des graphiques à des ensembles de données tabulaires. Vous pouvez également associer tardivement les choix de modèle de données par requête, ce qui vous aide à choisir l'outil adapté à vos workflows.
Les graphiques constituent un mécanisme naturel pour représenter les relations dans les données.
Parmi les cas d'utilisation des bases de données graphiques, citons la détection des fraudes, les recommandations, la cybersécurité, la détection de communautés, les graphiques de connaissances, la vue à 360° des clients, le catalogage des données et le suivi de la lignée.
Traditionnellement, les applications représentent ce type de données graphiques sous forme de tables dans une base de données relationnelle, en utilisant plusieurs jointures pour parcourir le graphique. L'expression de la logique de parcours de graphe en SQL crée des requêtes complexes difficiles à écrire, à gérer et à déboguer.
L'interface graphique de Spanner Graph vous permet de parcourir les relations et d'identifier les modèles dans le graphique de manière intuitive. De plus, Spanner Graph fournit des améliorations de stockage et de requêtes optimisées pour les graphiques, adaptées aux charges de travail analytiques et transactionnelles en ligne, le tout intégré aux fonctionnalités de base de Spanner.
Cette approche fait de Spanner Graph la solution idéale, même pour les applications graphiques critiques. En particulier, le partitionnement transparent de Spanner s'adapte de manière élastique aux ensembles de données très volumineux. Il utilise un traitement massivement parallèle sans intervention de l'utilisateur.
Cas d'utilisation de Spanner Graph
Vous pouvez utiliser Spanner Graph pour créer de nombreux types d'applications graphiques en ligne, y compris les suivants :
Détecter les fraudes financières : analysez les relations complexes entre les utilisateurs, les comptes et les transactions pour identifier les modèles et les anomalies suspects, tels que le blanchiment d'argent et les connexions inhabituelles entre les entités, qui peuvent être difficiles à détecter à l'aide de bases de données relationnelles.
Suivez les relations client : suivez les relations client, les préférences et l'historique des achats. Obtenez une compréhension globale de chaque client, activez des recommandations personnalisées et des campagnes marketing ciblées, et améliorez l'expérience du service client.
Capturer les réseaux sociaux : capturez les activités et les interactions des utilisateurs, et utilisez la correspondance de modèles de graphiques pour les recommandations d'amis et la découverte de contenus.
Gérez les chaînes de fabrication et d'approvisionnement : modélisez les pièces, les fournisseurs, les commandes, la disponibilité et les défauts dans le graphique pour analyser l'impact, cumuler les coûts et vérifier la conformité.
Analyser les données de santé : capturez les relations, les conditions, les diagnostics et les traitements des patients pour faciliter l'analyse de similarité des patients et la planification des traitements.
Gérer les chaînes d'approvisionnement : à partir d'un plan de routage des expéditions, évaluez les segments de route pour identifier les cas de non-respect des règles de segment.
Capacités clés
Spanner Graph est une base de données multimodèle qui intègre des fonctionnalités graphiques, relationnelles, de recherche et d'IA. Il offre des performances et une évolutivité élevées, et propose les fonctionnalités suivantes :
Expérience de graphe native : l'interface ISO GQL offre une expérience de graphe familière et spécialement conçue, basée sur des normes ouvertes.
Créer des applications de workflow GraphRAG : Spanner Graph s'intègre à LangChain pour vous aider à créer des applications GraphRAG. Alors que la génération augmentée par récupération (RAG) conventionnelle utilise la recherche vectorielle pour fournir du contexte à un grand modèle de langage (LLM), elle ne peut pas utiliser les relations implicites dans vos données. GraphRAG surmonte cette limite en créant un graphique à partir de vos données pour capturer ces relations complexes. Il combine ensuite la recherche dans un graphe (pour le contexte basé sur les relations) avec la recherche vectorielle (pour la similarité sémantique), ce qui permet de générer des réponses plus précises, pertinentes et complètes que si l'une ou l'autre de ces méthodes était utilisée seule. Pour en savoir plus, consultez Créer des applications basées sur un LLM avec LangChain.
Pour découvrir comment utiliser Spanner Graph avec Vertex AI afin de créer une infrastructure pour une application d'IA générative compatible avec GraphRAG, consultez Infrastructure GraphRAG pour l'IA générative à l'aide de Vertex AI et Spanner Graph.
Relationnel et graphique unifiés : l'interopérabilité totale entre GQL et SQL élimine les silos de données. Cela vous permet de choisir l'outil optimal pour chaque cas d'utilisation, sans frais opérationnels pour l'extraction, la transformation et le chargement (ETL).
Fonctionnalités de recherche intégrées : de riches fonctionnalités de recherche vectorielle et en texte intégral sont intégrées aux graphes, ce qui vous permet d'utiliser la signification sémantique et les mots clés dans l'analyse des graphes.
Insights optimisés par l'IA : l'intégration étroite avec Vertex AI vous permet d'accéder à une suite de modèles d'IA directement dans Spanner Graph, ce qui vous aide à accélérer vos workflows d'IA.
Évolutivité, disponibilité et cohérence : l'évolutivité, la disponibilité et la cohérence établies de Spanner constituent une base solide.
Obtenir de l'aide
Si vous avez d'autres questions sur Spanner Graph et ses fonctionnalités après avoir lu ce guide de l'utilisateur, envoyez un e-mail à l'adresse spanner-graph-feedback@google.com.
Sauf indication contraire, le contenu de cette page est régi par une licence Creative Commons Attribution 4.0, et les échantillons de code sont régis par une licence Apache 2.0. Pour en savoir plus, consultez les Règles du site Google Developers. Java est une marque déposée d'Oracle et/ou de ses sociétés affiliées.
Dernière mise à jour le 2025/09/05 (UTC).
[[["Facile à comprendre","easyToUnderstand","thumb-up"],["J'ai pu résoudre mon problème","solvedMyProblem","thumb-up"],["Autre","otherUp","thumb-up"]],[["Difficile à comprendre","hardToUnderstand","thumb-down"],["Informations ou exemple de code incorrects","incorrectInformationOrSampleCode","thumb-down"],["Il n'y a pas l'information/les exemples dont j'ai besoin","missingTheInformationSamplesINeed","thumb-down"],["Problème de traduction","translationIssue","thumb-down"],["Autre","otherDown","thumb-down"]],["Dernière mise à jour le 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)."]]