Ringkasan Spanner Graph

Spanner Graph menggabungkan kemampuan database grafik dengan skalabilitas, ketersediaan, dan konsistensi Spanner. Spanner Graph mendukung antarmuka kueri grafik yang kompatibel dengan ISO Graph Query Language (GQL) dan memungkinkan interoperabilitas antara model relasional dan grafik.

Spanner Graph memungkinkan Anda memetakan tabel ke grafik properti menggunakan skema deklaratif tanpa migrasi data, sehingga menghadirkan grafik ke set data tabular. Anda juga dapat mengikat pilihan model data di akhir per kueri, yang membantu Anda memilih alat yang tepat untuk alur kerja Anda.

Untuk mulai menggunakan Spanner Graph, lihat Menyiapkan dan membuat kueri Spanner Graph dan codelab Spanner Graph.

Manfaat database Spanner Graph

Grafik menyediakan mekanisme alami untuk merepresentasikan hubungan dalam data. Contoh kasus penggunaan database grafik mencakup deteksi penipuan, rekomendasi, keamanan siber, deteksi komunitas, pustaka pengetahuan, customer 360, pembuatan katalog data, dan pelacakan silsilah.

Biasanya, aplikasi merepresentasikan jenis data grafik ini sebagai tabel dalam database relasional, menggunakan beberapa gabungan untuk menjelajahi grafik. Mengekspresikan logika traversal grafik dalam SQL akan membuat kueri kompleks yang sulit ditulis, dikelola, dan di-debug.

Antarmuka grafik di Spanner Graph memungkinkan Anda menavigasi hubungan dan mengidentifikasi pola dalam grafik dengan cara yang intuitif. Selain itu, Spanner Graph menyediakan peningkatan penyimpanan dan kueri yang dioptimalkan untuk grafik yang cocok untuk workload grafik analitis dan transaksional online, semuanya dibangun ke dalam kemampuan inti Spanner.

Pendekatan ini menjadikan Spanner Graph sebagai solusi ideal bahkan untuk aplikasi grafik yang sangat penting. Secara khusus, penskalaan sharding transparan Spanner diskalakan secara elastis ke set data yang sangat besar. Fitur ini menggunakan pemrosesan paralel secara masif tanpa campur tangan pengguna.

Kasus penggunaan untuk Spanner Graph

Anda dapat menggunakan Spanner Graph untuk membangun berbagai jenis aplikasi Grafik online, termasuk yang berikut:

  • Mendeteksi penipuan keuangan: Menganalisis hubungan kompleks antara pengguna, akun, dan transaksi untuk mengidentifikasi pola dan anomali yang mencurigakan, seperti pencucian uang dan koneksi yang tidak biasa antara entitas, yang sulit dideteksi menggunakan database relasional.

  • Melacak hubungan pelanggan: Lacak hubungan pelanggan, preferensi, dan histori pembelian. Dapatkan pemahaman menyeluruh tentang setiap pelanggan, aktifkan rekomendasi yang dipersonalisasi, kampanye pemasaran bertarget, dan tingkatkan pengalaman layanan pelanggan.

  • Merekam jaringan sosial: Merekam aktivitas dan interaksi pengguna, serta menggunakan pencocokan pola grafik untuk rekomendasi teman dan penemuan konten.

  • Mengelola manufaktur dan rantai pasokan: Modelkan suku cadang, pemasok, pesanan, ketersediaan, dan kerusakan dalam grafik untuk menganalisis dampak, menghitung biaya, dan memeriksa kepatuhan.

  • Menganalisis data layanan kesehatan: Mencatat hubungan, kondisi, diagnosis, dan perawatan pasien untuk memfasilitasi analisis kesamaan pasien dan perencanaan perawatan.

  • Mengelola rantai pasokan: Berdasarkan rencana pemilihan rute pengiriman, evaluasi segmen rute untuk mengidentifikasi pelanggaran aturan segmen.

Kemampuan utama

Spanner Graph adalah database multi-model yang mengintegrasikan kemampuan grafik, relasional, penelusuran, dan AI. Layanan ini menawarkan performa dan skalabilitas tinggi, serta memberikan hal berikut:

  • Pengalaman grafik native: Antarmuka ISO GQL menawarkan pengalaman grafik yang familiar dan dibuat khusus berdasarkan standar terbuka.

  • Membangun aplikasi alur kerja GraphRAG: Spanner Graph terintegrasi dengan LangChain untuk membantu Anda membangun aplikasi GraphRAG. Meskipun retrieval-augmented generation (RAG) konvensional menggunakan penelusuran vektor untuk memberikan konteks ke model bahasa besar (LLM), RAG tersebut tidak dapat menggunakan hubungan implisit dalam data Anda. GraphRAG mengatasi batasan ini dengan membuat grafik dari data Anda untuk menangkap hubungan yang kompleks ini. Kemudian, alat ini menggabungkan penelusuran grafik (untuk konteks berbasis hubungan) dengan penelusuran vektor (untuk kemiripan semantik), sehingga menghasilkan jawaban yang lebih akurat, relevan, dan lengkap daripada hanya menggunakan salah satu metode. Untuk mengetahui informasi selengkapnya, lihat Membangun aplikasi yang didukung LLM menggunakan LangChain. Untuk mempelajari cara menggunakan Spanner Graph dengan Vertex AI untuk membangun infrastruktur bagi aplikasi AI generatif yang kompatibel dengan GraphRAG, lihat Infrastruktur GraphRAG untuk AI generatif menggunakan Vertex AI dan Spanner Graph.

  • Grafik dan relasional terpadu: Interoperabilitas penuh antara GQL dan SQL menghilangkan silo data. Dengan begitu, Anda dapat memilih alat yang optimal untuk setiap kasus penggunaan, tanpa overhead operasional untuk mengekstrak, mengubah, dan memuat (ETL).

  • Kemampuan penelusuran bawaan: Kemampuan penelusuran vektor dan teks lengkap yang canggih terintegrasi dengan grafik, sehingga Anda dapat menggunakan makna semantik dan kata kunci dalam analisis grafik.

  • Insight yang didukung AI: Integrasi yang mendalam dengan Vertex AI memungkinkan serangkaian model AI langsung di Spanner Graph, sehingga membantu Anda mempercepat alur kerja AI.

  • Skalabilitas, ketersediaan, dan konsistensi: Skalabilitas, ketersediaan, dan konsistensi Spanner yang sudah teruji memberikan fondasi yang kuat.

Mendapatkan dukungan

Jika ada pertanyaan lain tentang Spanner Graph dan fiturnya setelah membaca panduan pengguna ini, kirim email ke spanner-graph-feedback@google.com.

Langkah berikutnya