Phenquestions
Tradisjonelle databaser er relasjonsdatabaser som lagrer data i rader og kolonner og understreker muligheten til å denormalisere dataene og knytte dem til primære og utenlandske nøkler. Dette egner seg godt til tradisjonelle brukstilfeller som en kunde- og ordredatabase for å lagre og spore kundene dine, varelageret, produktene og varene kunden har kjøpt.
Grafdatabaser løser et annet problem, de understreker forholdet mellom dataene i store tilkoblede nettverk, og tillater lagring, modellering og spørring av disse nye datasettene og brukssakene. Vi vil beskrive konteksten og noen av eksemplene bruker tilfeller der en grafdatabase er mer egnet enn en relasjonsdatabase.
Hva er en grafdatabase
Grafdatabaser gir en relasjon-første tilnærming til lagring og spørring av data. De lagrer data på en logisk måte som representerer det virkelige nettverket og prioriterer representasjoner, oppdagbarhet og vedlikehold av dataforhold.
Grafdatabaser bruker grafstrukturer for semantiske spørsmål med noder, kalt hjørner, kanter og egenskaper for å representere og lagre data.
- Vertex - representerer et objekt fra den virkelige verden som en film eller person.
- Kant - representerer et forhold mellom to hjørner.
- Eiendommer - ligner felt i et nettbrett, men mer fleksibelt. Kan påføres på en kant eller et toppunkt.
Grafdatabaser kan spørres ved hjelp av graforienterte språk som sparkql, som er egnet til å uttrykke problemer i store grafdomener.
Mest populære grafdatabaser
Det er dusinvis av åpen kildekode- og kommersielle grafdatabaser, men den mest populære grafdatabasen som for øyeblikket er tilgjengelig, er avgjørende Neo4j, som er en open source-grafdatabase beskrevet av utviklerne som en ACID-kompatibel transaksjonsdatabase med opprinnelig graflagring og -behandling.
Andre populære grafdatabaser inkluderer OrientDB (et åpen kildekode NoSQL-databasesystem skrevet i Java), ArangoDB (et naturlig multimodell-databasesystem utviklet av triAGENS GmbH), MarkLogic (en multimodelldatabase designet for NoSQL-hastighet og skala), og AllegroGraph (en triplestore med lukket kilde som er designet for å lagre RDF-tripler), bare for å nevne noen få.
Bruksområder for grafdatabaser
Grafdatabaser er tilgjengelige overalt der dataforhold er verdifulle i sanntid:
- Sosiale nettverk - Kanskje det mest typiske bruksområdet for en grafdatabase er sosiale nettverk, med deres komplekse forhold og brukeraktivitet.
- Svindeloppdagelse - For å avdekke svindel i sanntid er rask analyse av dataforhold viktig, og grafdatabaser gir den nødvendige ytelsen.
- Kunnskapsgrafer - Brukt av søkemotorer og bedrifter, samler kunnskapsdiagrammer informasjon fra et bredt utvalg av kilder, noe som gir bedre digital forvaltning og enklere informasjonshenting.
- IT-nettverksanalyse - Forvaltningen av nettverk og IT-infrastruktur dreier seg om komplekse gjensidige avhengigheter, og grafdatabaser er iboende mer egnet for denne brukssaken enn relasjonsdatabaser.
- Anbefalinger - Bedrifter kan bruke grafdatabaser for å drive sofistikerte anbefalingsmotorer for å tilpasse produkter, innhold og tjenester.
- Identitetsstyring - Grafdatabaser muliggjør effektiv brukeraktivitetssporing og raske autorisasjoner og kapitaladministrasjon.
Konklusjon
Grafdatabaser løser dagens datautfordringer ved ikke bare å fokusere på data, men også på forbindelsene mellom individuelle databaseoppføringer. De har mange bruksområder og er tilgjengelige både som fellesskapsdrevne programvareprodukter og som kommersiell programvare med bedriftsstøtte.
