Sisältö
- Mikä on kuvaajatietokanta?
- Kuinka graafitietokanta toimii?
- Ei vikoja, ei stressiä - vaiheittaiset ohjeet elämää muuttavien ohjelmistojen luomiseen tuhoamatta elämääsi
- Ero graafitietokantojen ja relaatiotietokantojen välillä
- Graafitietokannan tapaustutkimukset
- Yhteenveto
Lähde: Nongpimmy / Dreamstime.com
Ottaa mukaan:
Graafitietokannat käyttävät verkostokonsepteja tietojen käsittelemiseen paljon nopeammin ja tehokkaammin kuin perinteiset tietokannat.
Nykypäivän datavetoiset sovellukset ovat suurelta osin riippuvaisia asiaankuuluvista käsityksistä, jotka saadaan valtavasta tietomäärästä, jota he käsittelevät päivittäin. Parempien käsitysten saamiseksi joka kerta sovellusten on kyettävä suorittamaan monimutkaisia kyselyjä ja tietokannan on pystyttävä vastaamaan monimutkaisiin kyselyihin. SQL: ään luottavat perinteiset RDBMS-järjestelmät eivät pysty käsittelemään erittäin monimutkaisia kyselyitä. Graafitietokannat ovat kyenneet ratkaisemaan tämän ongelman, koska ne luottavat objekteihin ja objektien välisiin suhteisiin. Tämän lähtökohdan perusteella on mahdollista saada syviä oivalluksia. Graafitietokantojen käyttö on kuitenkin edelleen rajallista, vaikkakin on olemassa selviä merkkejä siitä, että sillä tulee olemaan tärkeä rooli, koska yritykset luottavat yhä enemmän näkemyksiin saadakseen liiketoimintaansa. (Lisätietoja tietokannoista yleensä, katso Johdanto tietokantoihin.)
Mikä on kuvaajatietokanta?
Käytämme alla olevaa esimerkkiä ymmärtääksesi kuvaajatietokantoja:
Bill ja hänen perheensä haluavat suunnitella lomaan paikkaan, joka tarjoaa upeita aasialaisia ruokia. Hän on aloittanut suunnittelun varhain, ja yksi tapa löytää tietoa on tietysti Google. Vaikka Googlen tiedot ovat luotettavia ja hyviä, Billille on tärkeää saada mahdollisimman tarkat tiedot. Joten hän alkaa kysyä ystäviään, tuttaviaan ja kollegoitaan. Oletetaan, että Bill kysyy Ryanilta, Sheenalta ja Johnilta, jotka ovat hänen pääkontaktinsa (kontaktitaso 1). Kaikki kolme lupaavat vastata tietoihin mahdollisimman pian. Ryan kysyy hänen ystävänsä Gregiltä, joka kysyi serkkunsa Martinin, joka on ollut Bangkokissa muutaman kerran. Martin suosittelee kaikkien aasialaisista ruuistaan tunnettujen Bangkokin suosikkipaikkojensa nimiä ja yksityiskohtia. Nämä tiedot välitetään takaisin Billille.
Olet juuri nähnyt tosielämän esimerkin monimutkaisesta kyselystä, joka perustuu esineisiin ja suhteisiin. Graafitietokanta toimii samalla periaatteella. Kyse on verkosta, esineistä ja niiden suhteista verkossa.
Pohjimmiltaan kuvaajatietokanta pystyy muodostamaan erittäin monimutkaisia kuvaajia ja tarjoaa oivalluksia, joita SQL-kyselypohjaiset RDBMS-järjestelmät eivät pysty. Ja se on graafisten tietokantojen ainutlaatuinen myyntikohta.
Kuinka graafitietokanta toimii?
Yllä oleva kuvaajatietokannan kuvaus antaa jonkinlaisen käsityksen periaatteista, joita kuvaajatietokanta soveltaa etsiessäsi tietoja tai oivalluksia. Pohjimmiltaan se kulkee objektien ja suhteiden verkon kyselyn perusteella ja palauttaa tulokset.
Jos otamme yllä olevan esimerkin Billistä, miten graafitietokanta toimisi työssään? On selvää, että esimerkissä on paljon suhteita ja solmuja. Jos näemme suhteiden etäisyyden, se näyttää seuraavalta:
Lasku = 0 (alkuperä)
Ei vikoja, ei stressiä - vaiheittaiset ohjeet elämää muuttavien ohjelmistojen luomiseen tuhoamatta elämääsi
Et voi parantaa ohjelmointitaitojasi, kun kukaan ei välitä ohjelmiston laadusta.
Ryan = 1
Sheena = 1
John = 1
Greg = 2
Martin = 3
Etäisyys lähteen (nolla) ja informaation tarjoavan solmun välillä voi olla entistä suurempi tosielämässä - näin verkko toimii.
Kuvittele sovellus, joka sisältää kyselyn Billin vaatimuksen perusteella. Se olisi jotain:
Löydä kaikki ystävät, jotka ovat yhteydessä viiteen ystävään, jotka pitävät aasialaisesta ruuasta, jotka ovat käyneet Thaimaassa ja asuvat 5 mailin päässä Dallasista.
Markkinoilla on saatavana paljon kuvaajatietokantoja, ja Neo4j on suosituin niiden joukossa. Neo4j voi katsoa suosionsa tosiasioihin, että se on sekä tehokas että avoin lähdekoodi. Joten kun kysely Neo4j: lle ratkaisee Billin ongelman, kysely voi näyttää siltä, että:
// valitse ystäviä ja ystävien ystäviä, aasialaisen ruuan avainsana, Bangkokin avainsana, järjestys suhteen syvyyden mukaan
Merkkijono findFriendsQuery = "alku n = solmu (*), henkilö = solmu ({userNode}) MATCH p = (henkilö) - (ystävä) palauttaa erillisen p-järjestyksen pituuden mukaan (p)";
Kyselyn perusteella Neo4j etsii käytettävissä olevasta verkostaan ja löytää lähimmät ottelut.
Ero graafitietokantojen ja relaatiotietokantojen välillä
Tärkein kohta, jota relaatiotietokantoja ja kuvaajatietokantoja verrataan, on tapahtumien nopeus, toisin sanoen kuinka nopeasti se voi käsitellä monimutkaista kyselyä suuressa tietojoukossa.
Emo Eifrem, Neo4j: n takana olevan yrityksen Neo Technology toimitusjohtaja, mittasi sekä relaatiotietojen että kuvaajatietokantojen suorituskykyä useilla parametreilla. Kysely oli: 1 000 käyttäjästä, jokaisella käyttäjällä, jolla on vähintään 50 kaveria, selvitä onko yksi käyttäjä yhteydessä toiseen 4 tai vähemmän hopia. Tulokset on annettu alla:
- Suosittu avoimen lähdekoodin relaatiotietokanta kesti 200 ms kyselyn käsittelemiseen, kun kuvaajatietokanta kesti 2 ms.
- Kun samaa kyselyä suoritettiin 1 000 000 käyttäjän käyttäjäkannalla, kuvaajatietokanta kesti 2 ms, kun relaatiotietokanta piti keskeyttää muutaman päivän loputtoman käsittelyn jälkeen.
Tärkein syy siihen, että relaatiotietokanta vie niin kauan kyselyjen käsittelyyn, oli se, että se etsi tietoja jokaisesta kyselyssä esitetystä termistä. Ei ihme, että se vei niin kauan! Suuremmassa tietokannassa se vie vielä kauemmin. Graafitietokanta puolestaan tarkastelee vain tietueita, jotka ovat suoraan yhteydessä tietokannan tietueisiin. Jos kuvaajatietokannalle sallitaan tietty määrä humalaa, niin se tarttuu siihen tarkalleen. Tästä syystä graafinen tietokanta pystyi käsittelemään monimutkaisia kyselyjä valtavista tietojoukoista suhteellisen helposti ja saavuttamaan nopeampia tuloksia. (Lisätietoja tietokantojen käsittelystä on Database Administration Careers 101. -sivulla).
Graafitietokannan tapaustutkimukset
Graafitietokantojen sovelluksia on ollut monia menestyviä eri toimialoilla. Suuret yritykset ovat osoittaneet tietä maailmanluokan tuotteiden rakentamisessa kuvaajatietokannan periaatteiden avulla. Alun perin ajateltiin, että koska kyse oli solmuista ja suhteista, tietyt toimialat, kuten sosiaalinen media, voisivat hyötyä tästä. Kuitenkin myös muut alat, kuten online-treffit, valmistus ja online-työportaalit, ovat hyötyneet siitä. Alla on muutama esimerkki:
- on onnistuneesti käyttänyt kuvaajatietokantaa maailmanluokan tuotteen rakentamisessa. Nykyään voit etsiä tietoja kulkemalla kavereiden ja heidän ystäviensä verkossa ja niin edelleen.
- LinkedIn on työskennellyt paljon julkistetun talouskaavionsa parissa. Economic Graph suunnittelee tarjoavan sopivat mahdollisuudet kaikille käyttäjilleen yhdistämällä käyttäjät yrityksiin ja niiden profiileihin tietylle tasolle.
- Suositusjärjestelmä, joka on erittäin tärkeä työkalu monille verkkokauppiaille, on käyttänyt kuvaajatietokantaperiaatteita tarjotakseen tehokkaita, asiaankuuluvia suosituksia potentiaalisille kuluttajille. Suositusmoottorit etsivät periaatteessa asiakkaiden verkostoa, jotka ovat tehneet samanlaisia ostoja tietyn ajanjakson ajan, ja olettaa, että vastaavia tuotteita selailevalla asiakkaalla on samat maut ja mieltymykset.
Yhteenveto
Kaikkien graafisten tietokantojen potentiaalin suhteen monet yritykset jatkavat edelleen trendiä. Joten, kuluu jonkin aikaa, ennen kuin kuvaajatietokannat hyväksytään laajasti. Vaikka kuvaajatietokannan mahdollisuuksia monimutkaisten ongelmien ratkaisemisessa ei enää ole epäilystäkään, relaatiotietokannan sijainti ei ole millään tavoin uhattuna. Graafitietokannan kannalta parasta on, että sitä voidaan tarjota avoimen lähdekoodin tekniikkana. Teollisuuden vastuulla on hyödyntää etuja.