For å imøtekomme kravene fra vår tilkoblede verden der enorme datamengder må representeres i sanntid og med lynets hastighet og utmerket effektivitet, har en ny type database dukket opp på midten av 2000-tallet: en grafdatabase.

Tradisjonelle databaser er relasjonsdatabaser, som lagrer data i rader og kolonner og legger vekt på muligheten til å denormalisere dataene og koble dem til primære og utenlandske nøkler. Dette er godt egnet for tradisjonelle brukssaker som en kunde- og bestillingsdatabase for å lagre og spore kundene dine, varelageret, produktene og varene kunden har kjøpt.

Grafdatabaser løser et annet problem, de legger vekt på forholdet mellom dataene i store tilkoblede nettverk, og gir mulighet for lagring, modellering og spørring av disse nye datasettene og brukssaker. 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 relasjons-første tilnærming til lagring og spørringsdata. De lagrer data på en logisk måte som representerer det virkelige nettverket og prioriterer representasjonene, oppdagbarheten og vedlikeholdbarheten av dataforhold.

Grafdatabaser bruker grafstrukturer for semantiske spørsmål med noder, kalt toppunkter, kanter og egenskaper for å representere og lagre data.

• Toppunkt - representerer et virkelighetsobjekt som en film eller person.
• Kant - representerer et forhold mellom to hjørner.
• Egenskaper - Ligner på felt i et nettbrett, men mer fleksibel. Kan brukes 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 open source og kommersielle grafdatabaser, men den mest populære grafdatabasen som for tiden er tilgjengelig, er avgjørende NEO4J, som er en open source grafdatabase beskrevet av utviklerne som en syre-kompatibel transaksjonsdatabase med naturlig graflagring og prosessering.

Andre populære grafdatabaser inkluderer OrientDB (et open source NoSQL-databasestyringssystem skrevet i Java), ARANGODB (et innfødt multimodelldatabasesystem utviklet av Triagens GmbH), markering (en multimodelldatabase designet for NoSQL hastighet og skala), og Allegraph (en lukket kilde -triplestore som er designet for å lagre RDF -tredeler), bare for å nevne noen.

Grafdatabasebrukssaker

Grafdatabaser er aktuelle overalt der dataforhold er verdifulle i sanntid:

• Sosiale nettverk - Kanskje den mest typiske brukssaken for en grafdatabase er sosiale nettverk, med deres komplekse forhold og brukeraktivitet.
• Svindeldeteksjon - For å avdekke svindel i sanntid, er rask analyse av dataforhold viktig, og grafdatabaser gir den nødvendige ytelsen.
• Kunnskapsgrafer - Brukes av både søkemotorer og bedrifter, samler kunnskapsgrafer informasjon fra et bredt utvalg av kilder, noe som gir bedre digital kapitalstyring og lettere informasjonsinnhenting.
• IT -nettverksanalyse - Styringen av nettverk og IT -infrastruktur dreier seg om komplekse gjensidig avhengighet, 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 sporing av brukeraktiviteter og raske autorisasjoner og kapitalforvaltning.

Konklusjon

Grafdatabaser løser dagens datautfordringer ved å fokusere ikke bare på data, men også på tilkoblingene mellom individuelle databaseoppføringer. De har mange brukssaker og er tilgjengelige både som samfunnsdrevne programvareprodukter og som kommersiell programvare med støtte for bedriftsklasse.