Graph-Datenbanken: Eine neue Art, über Daten nachzudenken

Autor: Louise Ward
Erstelldatum: 5 Februar 2021
Aktualisierungsdatum: 28 Juni 2024
Anonim
Graph-Datenbanken: Eine neue Art, über Daten nachzudenken - Technologie
Graph-Datenbanken: Eine neue Art, über Daten nachzudenken - Technologie

Inhalt


Quelle: Blueximages / Dreamstime.com

Wegbringen:

Graphendatenbanken werden von vielen Branchen wegen ihrer einzigartigen Fähigkeit verwendet, Beziehungen zwischen Datenelementen zu analysieren.

Die Bedeutung von Big Data hat zugenommen. Um die Daten jedoch optimal nutzen zu können, müssen Unternehmen in der Lage sein, umsetzbare Erkenntnisse daraus zu gewinnen. Um aussagekräftige Erkenntnisse zu erhalten, müssen die zurückgegebenen Daten sowohl gründlich abgefragt als auch analysiert werden. Herkömmliche SQL-Abfragen sind bei komplexen, mehrschichtigen Abfragen mit Einschränkungen verbunden. Dies schränkt das Ziel eines Unternehmens ein, aussagekräftige Daten abzurufen.

Graphendatenbanken haben es Unternehmen ermöglicht, komplexe, vielschichtige Abfragen zu starten, die sofort beantwortet werden können, während herkömmliche SQL-Datenbanken es äußerst schwierig finden würden, solche Abfragen zu beantworten. Komplexe Abfragen liefern beispiellose und wertvolle Erkenntnisse. Graphendatenbanken werden in vielen Branchen wie Social Media, Gesundheitswesen und Online-Dating eingesetzt. Die Graphendatenbank bietet anscheinend eine neue Sichtweise auf Daten.


Was ist eine Graph-Datenbank?

In einer Diagrammdatenbank werden Informationen zu verschiedenen Entitäten gespeichert, Beziehungen zwischen Entitäten zugeordnet und Beziehungen zwischen Entitäten abgefragt. In diesem Zusammenhang können Entitäten eine Vielzahl von Dingen sein, wie Menschen, Unternehmen, Tiere und Autos. Eine Entität kann eine bestimmte Beziehung zu einer anderen Entität haben. Zum Beispiel ist Martin, eine Entität, ein Freund von Jim, einer anderen Entität. Martin kann ein BMW Auto besitzen. In beiden Beispielen sind Martin, Jim und der BMW die Einheiten mit spezifischen Beziehungen zwischen ihnen. "Martin ist ein Freund von Jim" bedeutet Freundschaft ist die Beziehung zwischen den beiden Einheiten. In ähnlicher Weise bedeutet "Martin besitzt einen BMW", dass Eigentum die Beziehung zwischen Martin und seinem BMW ist. In der Umgangssprache der Graphendatenbank werden Beziehungen als Kanten bezeichnet. Die Beziehungen werden in Form eines Diagramms dargestellt, und daher wird das Konzept als Diagrammdatenbank bezeichnet. (Weitere Informationen zu Diagrammdatenbanken finden Sie unter So bringen Diagrammdatenbanken das Netzwerk zu Daten.)


Das Konzept der Grafikdatenbank wird branchenübergreifend in den Bereichen Gesundheitswesen, Social Media und E-Commerce umgesetzt. Die zuvor in diesem Artikel aufgeführten Beispiele sind einfach und unkompliziert, die in den Branchen implementierten Anwendungsfälle sind jedoch sehr komplex. Nehmen Sie das Beispiel einer E-Commerce-Website, die Kundenempfehlungen gibt. Wie bietet die Website Produktempfehlungen, die für einen Kunden geeignet sind? Woher kennt die Website die Bedürfnisse und Vorlieben des Kunden? Der Schlüssel liegt im Produkt, das der Kunde ansieht.Wenn der Kunde ein Buch zum Thema Personalmanagement anzeigt, sucht die Empfehlungslogik der Website nach anderen Kunden, die dasselbe Buch angesehen oder gekauft haben. Gleichzeitig bestimmt die Logik auch andere ähnliche oder verwandte Bücher, die andere Benutzer mit ähnlichen Interessen angesehen oder gekauft haben, und ähnliche Bücher werden dem Benutzer empfohlen.

So funktioniert eine Grafikdatenbank

Schauen wir uns die Graphendatenbanken anhand eines Beispiels genauer an. Nehmen wir an, dass ein Smartphone-Hersteller ein Smartphone mit mehreren erweiterten Funktionen starten möchte. Das Produktmanagement entscheidet über die Funktionen, nachdem es die Bedürfnisse und Präferenzen seiner Zielgruppe, der Führungskräfte des Unternehmens, ermittelt hat. Der Smartphone-Hersteller verfügt über eine oder mehrere Datenbanken, in denen Daten aus mehreren Datenquellen in Führungsprofilen gesammelt und gespeichert werden. Jetzt erstellen die Produktmanager eine Diagrammdatenstruktur auf der Grundlage der folgenden Daten:

Aus dem obigen Bild leiten die Produktmanager die folgenden Schlussfolgerungen oder Geschäftsentscheidungen ab:

  • Steve ist ein HR-Manager, der den Messenger ausgiebig nutzt. Seine Verbindungen in der Personalabteilung nutzen wahrscheinlich aufgrund ihres Arbeitsprofils auch den Messenger. Gute Messenger im Smartphone können also wichtig sein.
  • Der Hauptgrund, warum Debra und Trevor, die Freundin ihres Mannes, häufig in den Antivirenforen sind, können Sicherheitsbedenken in ihren Smartphones oder Computern sein. So kann das neue Smartphone integrierte Sicherheitsfunktionen haben.
  • Abraham benutzt einen Fitbit, der anzeigt, dass er seine Fitness überwacht. Daher wäre es eine gute Funktion, wenn das neue Smartphone Daten von Fitbit-Geräten synchronisieren und auf benutzerfreundliche Weise anzeigen könnte.

Das obige Beispiel zeigt, wie Diagrammdaten verwendet werden können, um geschäftliche Probleme zu lösen.

Keine Bugs, kein Stress - Ihre schrittweise Anleitung zur Erstellung lebensverändernder Software, ohne Ihr Leben zu zerstören

Sie können Ihre Programmierkenntnisse nicht verbessern, wenn sich niemand um die Softwarequalität kümmert.

Fallstudien

Die folgenden Fallstudien zeigen, wie Diagrammdatenbanken zur Lösung komplexer Probleme in der Online-Dating- und Online-Karrieresuche beigetragen haben.

Fallstudie - Online-Dating

Problem: Online-Dating-Portale möchten passende Übereinstimmungen für ihre Abonnenten finden. Dazu benötigen die Portale Informationen über andere Mitglieder der Website, die möglicherweise ähnliche Vorlieben, Vorlieben, Hintergründe und andere Informationen haben.

Lösung: Viele Online-Portale haben Graphendatenbanken verwendet, um die Details von Millionen von Mitgliedern zu durchsuchen und Informationen zu durchsuchen. Auf dieser Grundlage bereitet die Website Spiele nach Geschmack, Bildung, Hobbys und anderen Details vor. Die Website ermittelt, dass diese Profile mit hoher Wahrscheinlichkeit mit einem bestimmten Profil übereinstimmen, und gibt entsprechende Empfehlungen.

Fallstudie - Professionelle Netzwerk-Websites

Problem: Professionelle Networking-Websites wie LinkedIn möchten die am besten geeigneten Verbindungen und Jobs basierend auf einer Reihe von Parametern wie Profil, Verbindungsansichten, Profilansichten und Gruppenmitgliedschaft empfehlen, die Interessen und Vorlieben widerspiegeln.

Lösung: Zu diesem Zweck durchlaufen solche Netzwerkwebsites mehrere Verbindungsebenen, z. B. Verbindungen von Verbindungen von Verbindungen usw. Anschließend ermittelt die Grafiklogik gemeinsame berufliche Interessen, Karrieren, Berufsbilder, Gruppenmitgliedschaften und andere Informationen und gibt auf der Grundlage der Ergebnisse Empfehlungen zu Netzwerken und Berufen.

Zahlen und Fakten aus der Branche

Die nachstehenden Zahlen und Fakten zeigen, inwieweit die Grafikdatenbank branchenweit eingeführt wurde:

  • Über 30 Global 2000-Unternehmen, darunter Wal-Mart, eBay, Lufthansa und die Deutsche Telekom, haben Neo4j, die beliebteste von Neo Technology erstellte Grafikdatenbank, übernommen.
  • Der Branchenbeobachter DB-Engines äußert sich zur Popularität und Akzeptanz von Graphendatenbanken wie folgt: „Graph-DBMS gewinnen schneller an Popularität als jede andere Datenbankkategorie“, da sie seit Januar 2013 um fast 300 Prozent gewachsen sind.
  • Seit Mai 2013 haben viele große Online-Dating-Sites begonnen, Graphendatenbanken zu übernehmen.
  • LinkedIn hat ein großes Team, das an seinem proprietären Graphendatenbanksystem arbeitet.
  • hängt weitgehend von einer Grafikdatenbank ab und hat auch FlockDB, eine Open-Source-Grafikdatenbank, veröffentlicht. (Weitere Informationen zu Open Source-Datenbanken finden Sie unter Warum Open Source-Datenbanken immer beliebter werden.)
  • Mit dem Ziel, die Verwendung von Graphendatenbanken für Benutzer in Unternehmen zu vereinfachen, hat Teradata einen neuen SQL-Typ herausgebracht, der als SQL-GR bezeichnet wird.

Fazit

Die Grafikdatenbank bietet eine neue Sichtweise auf Big Data. Es gibt zwei klare Vorteile von Grafikdaten:

  1. Relationale Datenbankverwaltungssysteme (RDBMS) sind nicht in der Lage, große Datenmengen in kurzer Zeit zu verarbeiten. Darüber hinaus ist es nicht in der Lage, große Datenmengen zu organisieren. Eine Diagrammdatenbank kann eine beliebige Anzahl von Beziehungen zwischen Entitäten durchlaufen und Informationen logisch organisieren.
  2. Diagrammdatenbanken sind äußerst effizient beim Abrufen relevanter Informationen nach dem Durchsuchen mehrerer Entitäten und Beziehungen. Wie bereits erwähnt, können sie äußerst wertvolle Erkenntnisse abfragen und zurückgeben, die BI-Systeme auf benutzerfreundliche Weise präsentieren können.

Es scheint nur eine Frage der Zeit zu sein, bis andere Branchen, die sich mit riesigen Datenmengen wie Bank- und Finanzwesen, Pharmazie, Verteidigung und Nachrichtendienste befassen, auch Graphendatenbanken verwenden werden. Die Aufdeckung von Straftaten und die Identifizierung von Versicherungsbetrug mithilfe von Netzwerken, Beziehungen und Einheiten mit Diagrammdaten ist sicherlich eine interessante Aufgabe.