หมายเหตุ
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลอง ลงชื่อเข้าใช้หรือเปลี่ยนไดเรกทอรีได้
การเข้าถึงหน้านี้ต้องได้รับการอนุญาต คุณสามารถลองเปลี่ยนไดเรกทอรีได้
Note
คุณลักษณะนี้อยู่ในการแสดงตัวอย่างสาธารณะ การแสดงตัวอย่างนี้จะมีให้โดยไม่มีข้อตกลงระดับบริการ และไม่แนะนําสําหรับปริมาณงานการผลิต คุณลักษณะบางอย่างอาจไม่ได้รับการสนับสนุนหรืออาจมีความสามารถที่จํากัด สําหรับข้อมูลเพิ่มเติม โปรดดู ข้อกําหนดการใช้งานเพิ่มเติมสําหรับตัวอย่าง Microsoft Azure
ฐานข้อมูลกราฟจัดเก็บและสืบค้นข้อมูลเป็นเครือข่ายของโหนด (เอนทิตี) และขอบ (ความสัมพันธ์) วิธีการนี้แตกต่างจากรูปแบบตารางและแถวของฐานข้อมูลเชิงสัมพันธ์ ฐานข้อมูลกราฟมีความเชี่ยวชาญในการสร้างแบบจําลองและวิเคราะห์ข้อมูลที่เชื่อมต่อกันสูง เช่น โซเชียลเน็ตเวิร์ก กราฟความรู้ ระบบคําแนะนํา และการตรวจจับการฉ้อโกง
บทความนี้เปรียบเทียบฐานข้อมูลกราฟและฐานข้อมูลเชิงสัมพันธ์ เน้นความแตกต่างที่สําคัญ กรณีการใช้งาน และข้อดีในการวิเคราะห์ ใช้ข้อมูลนี้เพื่อตัดสินใจว่าจะใช้ กราฟใน Microsoft Fabric หรือฐานข้อมูลเชิงสัมพันธ์สําหรับความต้องการเฉพาะของคุณ
ความแตกต่างหลักระหว่างกราฟและฐานข้อมูลเชิงสัมพันธ์
- ฐานข้อมูลกราฟ: จัดระเบียบข้อมูลเป็นโหนดและขอบ จัดเก็บความสัมพันธ์อย่างชัดเจน การข้ามการเชื่อมต่อมีประสิทธิภาพและมักไม่ขึ้นกับขนาดชุดข้อมูลทั้งหมด
- ฐานข้อมูลเชิงสัมพันธ์: จัดระเบียบข้อมูลในตารางที่มีแถวและคอลัมน์ ใช้การดําเนินการ JOIN เพื่ออนุมานความสัมพันธ์ในเวลาคิวรี สําหรับข้อมูลที่เชื่อมต่อกันสูง การดําเนินการเหล่านี้อาจซับซ้อนและช้าลง
การสืบค้นความสัมพันธ์: การรวมกับการข้าม
การสืบค้นฐานข้อมูลเชิงสัมพันธ์: คีย์นอกเชื่อมโยงข้อมูลในตารางต่างๆ ในการดึงข้อมูลที่เกี่ยวข้อง ฐานข้อมูลเชิงสัมพันธ์จะใช้การดําเนินการ JOIN เพื่อรวมแถวจากหลายตาราง สําหรับความสัมพันธ์ที่เรียบง่าย JOIN ทํางานได้ดี แต่สําหรับการเชื่อมต่อที่ลึกหรือแบบแปรผันอาจมีราคาแพงและซับซ้อน
การสืบค้นฐานข้อมูลกราฟ: จัดเก็บความสัมพันธ์เป็นขอบ คุณจึงสามารถข้ามจากโหนดหนึ่งไปยังอีกโหนดหนึ่งได้โดยตรง การสืบค้นกราฟสามารถนําทางหลายฮ็อปและรูปแบบที่ซับซ้อนได้อย่างมีประสิทธิภาพ ภาษาการสืบค้นกราฟ เช่น Graph Query Language (GQL) ทําให้ง่ายต่อการแสดงการสํารวจและการจับคู่รูปแบบ
ตัวอย่าง:
จีคิวแอล:
MATCH (p:Person)-[:friendsWith]->(friend)-[:purchased]->(o:Order)
WHERE p.name = 'Alice';
RETURN o
SQL (เทียบเท่า):
SELECT o.*
FROM Person AS p
JOIN Friends_With AS fw ON p.id = fw.person_id
JOIN Person AS friend ON fw.friend_id = friend.id
JOIN Purchased AS pur ON friend.id = pur.person_id
JOIN "Order" AS o ON pur.order_id = o.id
WHERE p.name = 'Alice';
Note
GQL เป็นภาษาสืบค้นที่ได้มาตรฐาน ISO สําหรับฐานข้อมูลกราฟ ออกแบบมาเพื่อการสืบค้นและการจัดการข้อมูลที่มีโครงสร้างกราฟอย่างมีประสิทธิภาพ คณะทํางานระหว่างประเทศเดียวกันกับที่ดูแล SQL กําลังพัฒนา
ผลกระทบด้านประสิทธิภาพสําหรับกราฟและฐานข้อมูลเชิงสัมพันธ์
ฐานข้อมูลกราฟสามารถมีประสิทธิภาพเหนือกว่าฐานข้อมูลเชิงสัมพันธ์สําหรับการค้นหาที่เกี่ยวข้องกับขอบจํานวนมากหรือความลึกที่ไม่รู้จัก โดยเฉพาะอย่างยิ่งสําหรับการวิเคราะห์ลิงก์ลึกหรือการสืบค้นแบบเรียกซ้ํา ฐานข้อมูลเชิงสัมพันธ์มีความเชี่ยวชาญในการดําเนินการและการรวมที่มุ่งเน้นชุดเนื่องจากการเพิ่มประสิทธิภาพมานานหลายทศวรรษ ในกราฟใน Microsoft Fabric กลไกจัดการคิวรีได้รับการปรับให้เหมาะสมสําหรับการข้ามและการจับคู่รูปแบบในกราฟขนาดใหญ่ที่จัดเก็บไว้ใน OneLake
ข้อควรพิจารณาในการปรับขนาดสําหรับกราฟและฐานข้อมูลเชิงสัมพันธ์
- ฐานข้อมูลเชิงสัมพันธ์: โดยทั่วไปจะปรับขนาดในแนวตั้ง (เครื่องจักรที่ใหญ่กว่า) และสามารถปรับขนาดในแนวนอนผ่านการแบ่งส่วนและการจําลองแบบ การแบ่งส่วนสคีมาที่เชื่อมต่อกันสูงนั้นซับซ้อนและอาจทําให้เกิดค่าใช้จ่ายข้ามเครือข่าย
- ฐานข้อมูลกราฟ: ปรับขนาดในแนวตั้งและแนวนอน ฐานข้อมูลกราฟแบบกระจายจะแบ่งพาร์ติชันกราฟข้ามเครื่อง โดยมีเป้าหมายเพื่อเก็บโหนดที่เกี่ยวข้องไว้ด้วยกันเพื่อการสํารวจที่มีประสิทธิภาพ
เมื่อใดควรใช้ฐานข้อมูลกราฟหรือฐานข้อมูลเชิงสัมพันธ์
ใช้ฐานข้อมูลกราฟในกรณีต่อไปนี้
- ข้อมูลของคุณมีการเชื่อมต่อสูงและมีความสัมพันธ์สูง (โซเชียลเน็ตเวิร์ก กราฟความรู้ และคําแนะนํา)
- คุณต้องสํารวจจํานวนฮ็อพที่ไม่รู้จักหรือแปรผัน
- สคีมากําลังพัฒนาหรือกึ่งโครงสร้าง
- คุณต้องการการสร้างแบบจําลองที่ใช้งานง่ายสําหรับโดเมนที่มีความสัมพันธ์เป็นศูนย์กลาง
ใช้ฐานข้อมูลเชิงสัมพันธ์ในกรณีต่อไปนี้
- ข้อมูลของคุณส่วนใหญ่เป็นแบบตารางหรือเหมาะกับโครงสร้างที่กําหนดไว้อย่างดี
- คิวรีของคุณเกี่ยวข้องกับการรวมจํานวนมากหรือการดําเนินการชุดใหญ่
- คุณมีเครื่องมือหรือความเชี่ยวชาญที่สอดคล้องกับ SQL อยู่แล้ว
แนวทางแบบไฮบริดกับกราฟและฐานข้อมูลเชิงสัมพันธ์
หลายโครงการใช้ฐานข้อมูลทั้งสองประเภท: ฐานข้อมูลเชิงสัมพันธ์สําหรับข้อมูลธุรกรรมหลักและฐานข้อมูลกราฟสําหรับการวิเคราะห์เฉพาะทางหรือคุณสมบัติการวิเคราะห์เครือข่าย ใน Microsoft Fabric คุณสามารถรวมกราฟกับที่เก็บข้อมูลอื่นๆ ในพื้นที่ทํางานเดียวกัน ซึ่งให้ความสามารถทั้งเชิงสัมพันธ์และกราฟโดยไม่ต้องย้ายข้อมูลระหว่างระบบที่แยกจากกัน