Graafikute andmebaasid: uus viis andmete mõtlemiseks

Sisu

• Mis on graafikute andmebaas?
• Kuidas graafikute andmebaas töötab?
• Pole vigu ega stressi - teie samm-sammuline juhend elumuutva tarkvara loomiseks ilma oma elu hävitamata
• Juhtumiuuringud
• Juhtumianalüüs - Internetis tutvumine
• Juhtumianalüüs - professionaalsete võrgustike veebisaidid
• Faktid ja arvandmed tööstuse kohta
• Järeldus

Allikas: Blueximages / Dreamstime.com

Ära võtma:

Graafilisi andmebaase kasutavad paljud tööstused ainulaadse võime tõttu analüüsida andmete vahelist seost.

Suurandmete tähtsus on tõusuteel. Andmete maksimaalseks ärakasutamiseks peavad ettevõtted siiski suutma leida sellest toimivaid teadmisi. Tõhusa ülevaate leidmiseks on vaja tagastatud andmete kohta nii põhjalikke päringuid kui ka head analüüsi. Traditsiooniliste SQL-päringute puhul on keerukate, mitmekihiliste päringute puhul piiranguid ning see piirab ettevõtte eesmärki saada olulisi andmeid.

Graafikandmebaasid on võimaldanud ettevõtetel käivitada keerukaid mitmekihilisi päringuid, millele saab kohe vastata, samas kui traditsioonilistel SQL-andmebaasidel oleks sellistele küsimustele väga keeruline vastata. Keerulised päringud annavad tagasi enneolematu ja väärtusliku ülevaate. Graafikute andmebaase kasutatakse paljudes tööstusharudes, näiteks sotsiaalmeedias, tervishoius ja veebit tutvumises. Graafide andmebaas näib pakkuvat uut viisi andmete vaatamiseks.

Mis on graafikute andmebaas?

Graafika andmebaasi kasutatakse erinevate olemite teabe salvestamiseks, olemitevaheliste suhete kaardistamiseks ja olemitevaheliste päringusuhete salvestamiseks. Selles kontekstis võivad üksused olla palju asju, näiteks inimesed, ettevõtted, loomad ja autod. (Majandus) üksusel võib olla konkreetne suhe teise olemiga. Näiteks üksus Martin on teise olemi Jimi sõber. Martin saab omada BMW-autot. Mõlemas näites on Martin, Jim ja BMW üksused, kellel on omavahel konkreetsed suhted. "Martin on Jimi sõber" tähendab, et sõprus on kahe olemi suhe. Sarnaselt tähendab "Martin omab BMW" seda, et omandiõigus on Martini ja tema BMW suhe. Graafilise andmebaasi parlamendis nimetatakse seoseid servadeks. Seoseid näidatakse graafiku kujul ja seetõttu tuntakse seda mõistet graafide andmebaasina. (Graafiliste andmebaaside kohta lisateabe saamiseks vaadake teemat Kuidas graafiaandmebaasid viivad võrkudesse andmeteni.)

Graafilise andmebaasi kontseptsiooni rakendatakse sellistes tööstusharudes nagu tervishoid, sotsiaalmeedia ja e-kaubandus. Selles artiklis varem toodud näited on lihtsad ja arusaadavad, kuid tööstuses rakendatud kasutusjuhud on väga keerukad. Võtke näiteks e-kaubanduse veebisait, mis pakub klientidele soovitusi. Kuidas pakub veebisait kliendile sobivaid tootesoovitusi? Kuidas teab veebisait kliendi vajadusi ja eelistusi? Võti peitub tootes, mida klient vaatab.Kui klient vaatab personalijuhtimise raamatut, otsib veebisaidi soovitusloogika teisi kliente, kes on sama raamatut vaadanud või ostnud. Samal ajal määrab loogika ka muud sarnased või seotud raamatud, mida teised sarnaste huvidega kasutajad on vaadanud või ostnud, ning kasutajale soovitatakse sarnaseid raamatuid.

Kuidas graafikute andmebaas töötab?

Vaatame lähemalt graafiku andmebaase näite abil. Oletame, et nutitelefonide tootja soovib käivitada nutitelefoni, millel on mitu lisafunktsiooni. Tootehaldus otsustab funktsioonide üle pärast oma sihtrühma, so ettevõtete juhtide, vajaduste ja eelistuste kindlaksmääramist. Nutitelefonide valmistajal on üks või mitu andmebaasi, mis kogub ja salvestab andmeid mitmest andmeallikast täidesaatvate profiilide kohta. Nüüd loovad tootejuhid järgmiste andmete põhjal graafiku andmestruktuuri:

Ülaltoodud pildi põhjal saavad tootejuhid järgmised järeldused või äriotsused:

• Steve on personalijuht, kes kasutab messengerit laialdaselt. Tema ühendused personaliosakonnas kasutavad tööprofiili tõttu tõenäoliselt ka messengerit. Seega võivad olulised olla nutitelefoni head sõnumitoojad.
• Peamine põhjus, miks Debra ja tema abikaasa sõber Trevor viirusetõrjefoorumeid sageli kasutavad, võivad olla nutitelefonide või arvutite turvaprobleemid. Niisiis, uuel nutitelefonil võivad olla sisseehitatud turvafunktsioonid.
• Abraham kasutab Fitbitit, mis näitab, et ta jälgib tema tervislikku seisundit. Seega oleks hea omadus, kui uus nutitelefon suudaks Fitbiti seadmetest andmeid sünkroonida ja kasutajasõbralikult kuvada.

Ülaltoodud näide näitab, kuidas graafiku andmeid saab kasutada äriprobleemide lahendamiseks.

Pole vigu ega stressi - teie samm-sammuline juhend elumuutva tarkvara loomiseks ilma oma elu hävitamata

Programmeerimisoskust ei saa parandada, kui keegi tarkvara kvaliteedist ei hooli.

Juhtumiuuringud

Allpool toodud juhtumianalüüsid näitavad, kuidas graafiaandmebaasid on aidanud lahendada veebipõhiste tutvumis- ja karjääriotsingutööstuse keerukaid probleeme.

Juhtumianalüüs - Internetis tutvumine

Probleem: Online-tutvumisportaalid soovivad leida oma tellijatele sobivaid vasteid. Selleks vajavad portaalid teavet teiste veebisaidi liikmete kohta, kellel võib olla sarnane maitse, eelistused, taust ja muu teave.

Lahendus: Paljud veebiportaalid on kasutanud graafikute andmebaase, et vaadata läbi miljonite liikmete üksikasju ja hankida teavet. Selle põhjal koostab veebisait matše maitse, hariduse, hobide ja muude üksikasjade põhjal. Veebisait teeb kindlaks, et need profiilid sobivad suure tõenäosusega kindla profiiliga, ja pakub vastavalt soovitusi.

Juhtumianalüüs - professionaalsete võrgustike veebisaidid

Probleem: Professionaalsed võrgusisu veebisaidid, näiteks LinkedIn, soovivad kõige sobivamaid ühendusi ja töökohti, mis põhinevad paljudel parameetritel, nagu profiil, ühendusevaated, profiilivaated ja grupiliikmelisus, mis kajastab huve ja eelistusi.

Lahendus: Selleks rändavad sellised võrgusid pakkuvad veebisaidid läbi mitme ühenduse kihi, näiteks ühenduste ühenduste ühendused ja nii edasi. Seejärel leiab graafikaloogika ühiseid kutsealaseid huvisid, karjääri, tööprofiile, grupi liikmesust ja muud teavet ning annab järelduste põhjal soovitusi nii võrgustike kui ka töökohtade kohta.

Faktid ja arvandmed tööstuse kohta

Allpool esitatud faktid ja arvud näitavad, kui palju on graafikute andmebaasi kogu tööstuses kasutusele võetud:

• Enam kui 30 Global 2000 ettevõtet, mille hulka kuuluvad Wal-Mart, eBay, Lufthansa ja Deutsche Telekom, on võtnud kasutusele Neo4j - Neo4j - populaarseima graafikute andmebaasi, mille on loonud Neo Technology.
• Tööstusharu vaatleja DB-Engines räägib graafiaandmebaaside populaarsuse ja kasutuselevõtu kohta: „Graafika DBMS-id on populaarsust kogumas kiiremini kui ükski teine ​​andmebaasi kategooria,“ kuna see on alates 2013. aasta jaanuarist kasvanud peaaegu 300 protsenti.
• Alates 2013. aasta maist on paljud suuremad võrgus tutvumissaidid hakanud graafikute andmebaase kasutusele võtma.
• LinkedInil on suur meeskond, kes töötab oma patenteeritud graafide andmebaasisüsteemi kallal.
• sõltub suurel määral graafide andmebaasist ja on välja andnud ka avatud lähtekoodiga graafide andmebaasi FlockDB. (Lisateavet avatud lähtekoodiga andmebaaside kohta leiate teemast Miks avatud lähtekoodiga andmebaasid populaarsust koguvad.)
• Eesmärgiga muuta graafikute andmebaase ettevõtjate jaoks hõlpsasti kasutatavaks, on Teradata välja andnud uut tüüpi SQL-i, mida tuntakse nimega SQL-GR.

Järeldus

Graafikute andmebaas esindab uut viisi suurandmete vaatamiseks. Graafiku andmetel on kaks selget eelist:

1. Suhtelised andmebaasihaldussüsteemid (RDBMS) ei suuda lühikese aja jooksul töödelda tohutul hulgal andmeid. Lisaks ei ole see võimeline korraldama tohutul hulgal andmeid. Graafiaandmebaas suudab läbida suvalise arvu üksustevahelisi suhteid ja korraldada teavet loogiliselt.
2. Graafiliste andmebaaside abil on pärast mitmete olemite ja suhete puhastamist äärmiselt efektiivne asjakohase teabe hankimine. Nagu varem öeldud, saavad nad küsida ja saada äärmiselt väärtuslikku teavet, mida BI-süsteemid saavad kasutajasõbralikul viisil esitada.

Näib, et on vaid aja küsimus, enne kui teised majandusharud, mis tegelevad tohutul hulgal andmetega, näiteks pangandus ja rahandus, farmaatsia, kaitse ja luure, hakkavad kasutama ka graafilisi andmebaase. Tegelikult on kindlasti huvitav ülesanne kuritegude tuvastamine ja kindlustuspettuste tuvastamine graafiliste andmetega võrkude, suhete ja üksuste abil.