Τι είναι μια βάση δεδομένων γραφημάτων;

Σημείωμα

Αυτή η δυνατότητα βρίσκεται αυτήν τη στιγμή σε δημόσια προεπισκόπηση. Αυτή η προεπισκόπηση παρέχεται χωρίς σύμβαση παροχής υπηρεσιών και δεν συνιστάται για φόρτους εργασίας παραγωγής. Ορισμένες δυνατότητες ενδέχεται να μην υποστηρίζονται ή να έχουν περιορισμένες δυνατότητες. Για περισσότερες πληροφορίες, ανατρέξτε στην ενότητα Συμπληρωματικοί Όροι Χρήσης για Microsoft Azure Προεπισκοπήσεις.

Μια βάση δεδομένων γραφημάτων είναι ένας τύπος βάσης δεδομένων που αντιπροσωπεύει πληροφορίες ως κόμβους (οντότητες) και ακμές (σχέσεις) αντί για πίνακες και σειρές. Αυτή η δομή καθιστά εύκολη την εξερεύνηση πολύπλοκων συνδέσεων και μοτίβων στα δεδομένα σας.

Ο πιο συχνά χρησιμοποιούμενος τύπος βάσης δεδομένων γραφημάτων υλοποιεί το μοντέλο γραφήματος ιδιοτήτων με ετικέτα (LPG): οι οντότητες (κόμβοι) και οι σχέσεις (ακμές) μπορούν να έχουν ετικέτες και ιδιότητες (ζεύγη κλειδιών-τιμών). Αυτό το ευέλικτο μοντέλο επιτρέπει τόσο προαιρετικά σχέδια όσο και σχέδια που βασίζονται σε σχήματα και σας επιτρέπει να εκφράσετε σύνθετες σχέσεις. Επειδή οι συνδέσεις αποθηκεύονται ρητά ως ακμές, τα ερωτήματα διασχίζουν τις σχέσεις ακολουθώντας τις ακμές αντί να υπολογίζουν ακριβούς συνδέσμους κατά τον χρόνο του ερωτήματος.

Σημείωμα

Τα παραδείγματα σε αυτό το άρθρο χρησιμοποιούν το σύνολο δεδομένων παραδειγμάτων γραφήματος κοινωνικού δικτύου.

Βασικές έννοιες βάσης δεδομένων γραφημάτων

Μια βάση δεδομένων γραφημάτων οργανώνει τα δεδομένα σε τρία θεμελιώδη δομικά στοιχεία:

  • Οι κόμβοι αντιπροσωπεύουν οντότητες όπως άτομα, προϊόντα ή μέρη. Οι κόμβοι μπορούν να έχουν ετικέτες και ιδιότητες που περιγράφουν τα χαρακτηριστικά τους. Για παράδειγμα, ένας κόμβος Person μπορεί να έχει ιδιότητες όπως firstName, lastName, και age.
  • Τα Edge αντιπροσωπεύουν τον τρόπο σύνδεσης των οντοτήτων, για παράδειγμα FRIENDS_WITH, PURCHASED, ή LOCATED_IN. Τα Edge μπορούν επίσης να φέρουν ιδιότητες και ετικέτες για την καταγραφή μετα-δεδομένων σχέσης.
  • Οι ιδιότητες επισυνάπτουν λεπτομέρειες σε κόμβους και ακμές (για παράδειγμα, το όνομα ενός ατόμου ή την ημερομηνία μιας ακμής).

Πώς λειτουργεί η υποβολή ερωτημάτων σε σχέσεις

Τα ερωτήματα γραφήματος ανακτούν συνδεδεμένες πληροφορίες μεταβαίνοντας από έναν κόμβο εκκίνησης στους γείτονές του, στη συνέχεια στους γείτονές τους και ούτω καθεξής. Το κόστος μιας διέλευσης εξαρτάται από τον αριθμό των ακμών που αγγίζει (την τοπική γειτονιά) και όχι από το συνολικό μέγεθος του συνόλου δεδομένων. Αυτό το χαρακτηριστικό κάνει ερωτήσεις σχετικά με μονοπάτια, συνδέσεις και μοτίβα - όπως φίλοι φίλων, συντομότερες διαδρομές ή εξαρτήσεις πολλαπλών άλματος - φυσικές και αποτελεσματικές στην έκφραση.

Οι βάσεις δεδομένων γραφημάτων χρησιμοποιούν γλώσσες ερωτημάτων που βασίζονται σε μοτίβα, όπως η Graph Query Language (GQL), για να περιγράψουν συνοπτικά αυτές τις διελεύσεις. Η ίδια διεθνής ομάδα εργασίας που επιβλέπει την SQL (ISO/IEC 39075) τυποποιεί την GQL, η οποία ευθυγραμμίζει την αναζήτηση γραφημάτων με τα καθιερωμένα πρότυπα βάσεων δεδομένων.

Παράδειγμα (αντιστοίχιση μοτίβων με GQL):

MATCH (p:Person {firstName: "Annemarie"})-[:knows]->(friend)-[:likes]->(c:Comment)
RETURN c
ORDER BY c.creationDate
LIMIT 100

Αυτό το μοτίβο διαβάζεται ως εξής: ξεκινώντας από τον κόμβο Person για την Annemarie, ακολουθήστε :knows τις ακμές σε κάθε κόμβο φίλου και, στη συνέχεια, ακολουθήστε :likes τις ακμές σε σχετικούς :Comment κόμβους. Επιστρέψτε τα 100 νεότερα από αυτά τα σχόλια ταξινομημένα με βάση την ημερομηνία δημιουργίας τους.

Συλλογισμός γραφήματος με τη βοήθεια AI (έκδοση προεπισκόπησης)

Οι βάσεις δεδομένων γραφημάτων είναι μια φυσική εφαρμογή για τη συλλογιστική της τεχνητής νοημοσύνης, επειδή κωδικοποιούν τις σχέσεις που χρειάζονται τα γλωσσικά μοντέλα για να απαντούν με ακρίβεια σε ερωτήσεις πολλαπλών βημάτων. Στο Microsoft Fabric, το Fabric Data Agent υποστηρίζει το γράφημα ως πηγή δεδομένων, επιτρέποντας στους χρήστες να κάνουν ερωτήσεις φυσικής γλώσσας στις οποίες απαντά ο πράκτορας ρωτώντας το γράφημα. Για λεπτομέρειες σχετικά με τον τρόπο με τον οποίο το NL2GQL μεταφράζει τη φυσική γλώσσα σε GQL, ανατρέξτε στην ανακοίνωση συλλογισμού AI που υποστηρίζεται από Graph.

Μοντέλο δεδομένων γραφήματος και ευελιξία σχήματος

Τα μοντέλα δεδομένων γραφημάτων είναι προαιρετικά σχήματος: μπορείτε να ξεκινήσετε με ένα ευέλικτο μοντέλο και να το επισημοποιήσετε με την πάροδο του χρόνου. Στο γράφημα στο Microsoft Fabric, οι δομικές αλλαγές — όπως η προσθήκη νέων ιδιοτήτων, η τροποποίηση ετικετών ή η αλλαγή τύπων σχέσεων — απαιτούν επί του παρόντος την εκ νέου έγχυση δεδομένων σε ένα νέο μοντέλο. Αυτή η προσέγγιση μειώνει την ανάγκη για αντιγραφή δεδομένων και επιτρέπει στις ομάδες να ενοποιούν δεδομένα από πολλές πηγές χωρίς βαρύ εκ των προτέρων επανασχεδιασμό. Για περισσότερες πληροφορίες σχετικά με το μοντέλο δεδομένων που χρησιμοποιείται στο γράφημα στο Microsoft Fabric, ανατρέξτε στο θέμα Γραφήματα ιδιοτήτων με ετικέτα.

Συνήθεις χρήσεις για βάσεις δεδομένων γράφων

Οι βάσεις δεδομένων γραφημάτων ευθυγραμμίζονται στενά με τομείς όπου οι συνδέσεις οδηγούν σε αξία, όπως:

  • Κοινωνικά δίκτυα — πρότυπες σχέσεις μεταξύ των ανθρώπων και των αλληλεπιδράσεών τους
  • Γραφήματα γνώσης — συνδέστε έννοιες, οντότητες και γεγονότα για σημασιολογική αναζήτηση και συλλογισμό
  • Συστήματα συστάσεων — διασχίστε τις αλληλεπιδράσεις χρήστη-στοιχείου για να εμφανίσετε εξατομικευμένες προτάσεις
  • Δίκτυα απάτης και κινδύνου — εντοπίστε ύποπτα μοτίβα σε λογαριασμούς, συναλλαγές και συσκευές
  • Τοπολογία δικτύου και πληροφορικής — αντιστοιχίστε τις εξαρτήσεις μεταξύ διακομιστών, υπηρεσιών και στοιχείων υποδομής
  • Ανάλυση εξάρτησης εφοδιαστικής αλυσίδας — ανίχνευση προέλευσης εξαρτημάτων και σχέσεων μεταξύ προμηθευτών
  • Ανάκτηση βάσει γραφήματος (RAG) — χρησιμοποιήστε τη δομή γραφήματος ως πηγή γνώσης για πράκτορες τεχνητής νοημοσύνης που χρειάζονται συλλογισμό πολλαπλών βημάτων με εξηγήσιμες, γειωμένες απαντήσεις

Σε αυτά τα σενάρια, οι ερωτήσεις αφορούν λιγότερο μεμονωμένες εγγραφές και περισσότερο σχετικά με το πόσες οντότητες σχετίζονται και αλληλεπιδρούν σε πολλά άλματα.

Πότε να εξετάσετε μια βάση δεδομένων γραφημάτων

Μια βάση δεδομένων γραφημάτων ταιριάζει πολύ όταν οι σχέσεις οδηγούν τις βασικές ερωτήσεις που πρέπει να απαντήσετε. Επιλέξτε μια βάση δεδομένων γραφημάτων όταν:

  • Οι κύριες ερωτήσεις σας περιλαμβάνουν διαδρομές, γειτονιές και μοτίβα σε συνδεδεμένα δεδομένα.
  • Ο αριθμός του λυκίσκου είναι μεταβλητός ή δεν είναι γνωστός εκ των προτέρων.
  • Πρέπει να συνδυάσετε και να περιηγηθείτε σε σχέσεις σε διαφορετικά σύνολα δεδομένων.

Εάν κάνετε τακτικά τέτοιου είδους ερωτήσεις, ένα μοντέλο γραφήματος ταιριάζει φυσικά.

Πώς συγκρίνεται το γράφημα στο Microsoft Fabric με τις αυτόνομες βάσεις δεδομένων γραφημάτων

Η αναπαράσταση των δεδομένων σας ως γράφημα και η αποθήκευσή τους σε μια ξεχωριστή, αυτόνομη βάση δεδομένων γραφημάτων συχνά εισάγει ETL (εξαγωγή, μετασχηματισμός, φόρτωση) και γενικά έξοδα διακυβέρνησης. Αντίθετα, το γράφημα στο Microsoft Fabric λειτουργεί απευθείας στο OneLake, γεγονός που μειώνει ή εξαλείφει την ανάγκη για ξεχωριστές διοχετεύσεις ETL και αντιγραφή δεδομένων. Εξετάστε αυτές τις ανταλλαγές:

  • Μετακίνηση και αντιγραφή δεδομένων: Οι αυτόνομες βάσεις δεδομένων γραφημάτων απαιτούν συνήθως εξαγωγή, μετατροπή και φόρτωση δεδομένων σε ξεχωριστό χώρο αποθήκευσης, γεγονός που αυξάνει την πολυπλοκότητα και μπορεί να οδηγήσει σε διπλά σύνολα δεδομένων. Το Graph λειτουργεί στο OneLake, ώστε να μπορείτε να μοντελοποιήσετε και να υποβάλετε ερωτήματα σε συνδεδεμένα δεδομένα χωρίς να τα μετακινήσετε.
  • Λειτουργικό κόστος: Οι αυτόνομες στοίβες γραφημάτων λειτουργούν ως ξεχωριστά συμπλέγματα ή υπηρεσίες και συχνά φέρουν χρεώσεις αδρανούς χωρητικότητας. Στο γράφημα, οι φόρτοι εργασίας καταναλώνουν συγκεντρωτικές μονάδες χωρητικότητας (CU) με αυτόματη μείωση και κεντρικές μετρήσεις, γεγονός που απλοποιεί τις λειτουργίες και μπορεί να μειώσει το κόστος.
  • Επεκτασιμότητα: Ορισμένες αυτόνομες βάσεις δεδομένων γραφημάτων εξαρτώνται από την κλιμάκωση ή την ομαδοποίηση για συγκεκριμένο προμηθευτή. Το Graph έχει σχεδιαστεί για γραφήματα μεγάλης κλίμακας και χρησιμοποιεί διαμοιρασμό κλιμάκωσης σε πολλούς εργαζόμενους για να χειρίζεται αποτελεσματικά τους φόρτους εργασίας μεγάλων δεδομένων.
  • Εργαλεία και δεξιότητες: Τα συστήματα γραφημάτων για συγκεκριμένους προμηθευτές μπορεί να απαιτούν εξειδικευμένες γλώσσες και ξεχωριστά πλαίσια ανάλυσης. Το Graph παρέχει ενοποιημένη μοντελοποίηση, ερωτήματα βάσει προτύπων (GQL), ενσωματωμένους αλγόριθμους ανάλυσης γραφημάτων, ενσωμάτωση BI και AI, συμπεριλαμβανομένων των Fabric Data Agent υποστήριξη για αναζήτηση γραφημάτων φυσικής γλώσσας (προεπισκόπηση) και εργαλεία εξερεύνησης χαμηλού/χωρίς κώδικα. Αυτές οι δυνατότητες επιτρέπουν σε ένα ευρύτερο σύνολο χρηστών να εργάζονται με συνδεδεμένα δεδομένα.
  • Διακυβέρνηση και ασφάλεια: Οι ξεχωριστές αναπτύξεις γραφημάτων χρειάζονται ανεξάρτητες ρυθμίσεις διακυβέρνησης και ασφάλειας. Το Graph χρησιμοποιεί τη διαχείριση, την καταγωγή και τον έλεγχο πρόσβασης βάσει ρόλων (RBAC) του OneLake, ώστε η συμμόρφωση, ο έλεγχος και τα δικαιώματα να παραμένουν συνεπή με το υπόλοιπο περιβάλλον Fabric.

Σχετικό περιεχόμενο

  • Last updated on