Informações gerais do Spanner Graph

O Spanner Graph combina recursos de banco de dados de gráficos com a escalonabilidade, a disponibilidade e a consistência do Spanner. O Spanner Graph oferece suporte a uma interface de consulta de gráfico compatível com a linguagem de consulta ISO Graph (GQL) e permite a interoperabilidade entre modelos relacionais e de gráficos.

Com o Spanner Graph, é possível mapear tabelas para gráficos de propriedades usando um esquema declarativo sem migração de dados, trazendo gráficos para conjuntos de dados tabulares. Também é possível fazer vinculação tardia de opções de modelo de dados por consulta, o que ajuda a escolher a ferramenta certa para seus fluxos de trabalho.

Para começar a usar o Spanner Graph, consulte Configurar e consultar o Spanner Graph e o Codelab do Spanner Graph.

Benefícios dos bancos de dados do Spanner Graph

Os gráficos oferecem um mecanismo natural para representar os relacionamentos entre dados. Exemplos de casos de uso para bancos de dados de grafos incluem detecção de fraudes, recomendações, segurança cibernética, detecção de comunidades, mapas de informações, cliente 360, catalogação de dados e rastreamento de linhagem.

Tradicionalmente, os aplicativos representam esse tipo de dados de gráfico como tabelas em um banco de dados relacional, usando várias junções para percorrer o gráfico. Expressar a lógica de travessia de gráficos em SQL cria consultas complexas que são difíceis de escrever, manter e depurar.

Com a interface de gráfico do Spanner Graph, é possível navegar pelas relações e identificar padrões de maneira intuitiva. Além disso, o Spanner Graph oferece melhorias de armazenamento e consultas otimizadas para gráficos adequadas para cargas de trabalho de gráficos analíticos e transacionais on-line, tudo integrado aos recursos principais do Spanner.

Essa abordagem torna o Spanner Graph a solução ideal até mesmo para aplicativos de gráficos de missão crítica. Em particular, o particionamento transparente do Spanner é escalonado de forma elástica para conjuntos de dados muito grandes. Ele usa processamento paralelo em massa sem intervenção do usuário.

Casos de uso do Spanner Graph

É possível usar o Spanner Graph para criar vários tipos de aplicativos de gráficos on-line, incluindo:

  • Detectar fraudes financeiras: analise relações complexas entre usuários, contas e transações para identificar padrões e anomalias suspeitas, como lavagem de dinheiro e conexões incomuns entre entidades, que podem ser difíceis de detectar usando bancos de dados relacionais.

  • Acompanhe os relacionamentos com os clientes: acompanhe os relacionamentos, as preferências e os históricos de compras dos clientes. Tenha uma compreensão abrangente de cada cliente, ofereça recomendações personalizadas, campanhas de marketing segmentadas e experiências de atendimento ao cliente aprimoradas.

  • Capturar redes sociais: capture atividades e interações dos usuários e use a correspondência de padrões de gráficos para recomendações de amigos e descoberta de conteúdo.

  • Gerenciar cadeias de produção e suprimentos: modele peças, fornecedores, pedidos, disponibilidade e defeitos no gráfico para analisar o impacto, acumular custos e verificar a conformidade.

  • Analisar dados de saúde: capture relações, condições, diagnósticos e tratamentos de pacientes para facilitar a análise de similaridade e o planejamento de tratamento.

  • Gerenciar cadeias de suprimentos: com um plano de roteamento de remessas, avalie os segmentos de rota para identificar violações das regras de segmento.

Principais recursos

O Spanner Graph é um banco de dados multimodelo que integra recursos gráficos, relacionais, de pesquisa e de IA. Ele oferece alto desempenho e escalonabilidade, com os seguintes benefícios:

  • Experiência de gráfico nativo: a interface ISO GQL oferece uma experiência de gráfico familiar e criada para fins específicos com base em padrões abertos.

  • Criar aplicativos de fluxo de trabalho GraphRAG: o Spanner Graph se integra ao LangChain para ajudar você a criar aplicativos GraphRAG. Embora a geração aumentada de recuperação (RAG) convencional use a pesquisa vetorial para fornecer contexto a um modelo de linguagem grande (LLM), ela não pode usar as relações implícitas nos seus dados. O GraphRAG supera essa limitação criando um gráfico com seus dados para capturar essas relações complexas. Em seguida, ele combina a pesquisa de grafo (para contexto baseado em relacionamento) com a pesquisa vetorial (para similaridade semântica), gerando respostas mais precisas, relevantes e completas do que usando qualquer um dos métodos isoladamente. Para mais informações, consulte Criar aplicativos com tecnologia de LLM usando o LangChain. Para saber como usar o Spanner Graph com a Vertex AI para criar uma infraestrutura para um aplicativo de IA generativa compatível com GraphRAG, consulte Infraestrutura do GraphRAG para IA generativa usando a Vertex AI e o Spanner Graph.

  • Relacional e gráfico unificados: a interoperabilidade total entre GQL e SQL elimina os silos de dados. Assim, você escolhe a ferramenta ideal para cada caso de uso, sem sobrecarga operacional para extrair, transformar e carregar (ETL).

  • Recursos de pesquisa integrados: recursos avançados de pesquisa vetorial e de texto completo são integrados ao gráfico, permitindo que você use o significado semântico e as palavras-chave na análise de gráficos.

  • Insights com tecnologia de IA: a integração avançada com a Vertex AI desbloqueia um conjunto de modelos de IA diretamente no Spanner Graph, ajudando você a acelerar seus fluxos de trabalho de IA.

  • Escalonabilidade, disponibilidade e consistência: a escalonabilidade, a disponibilidade e a consistência estabelecidas do Spanner oferecem uma base sólida.

Receber suporte

Se você tiver mais dúvidas sobre o Spanner Graph e os recursos dele depois de ler este guia do usuário, envie um e-mail para spanner-graph-feedback@google.com.

A seguir