使用 BigQuery Graph 和 Spanner Graph
本文档通过比较 BigQuery Graph 和 Spanner Graph，帮助您确定要使用哪种图解决方案。
此比较仅作为建议，并非绝对标准。 BigQuery Graph 和 Spanner Graph 在功能方面有很大程度的重叠，用户应根据自己的工作负载需求确定要使用哪个功能。
何时使用 BigQuery Graph 和 Spanner Graph
BigQuery Graph 和 Spanner Graph 适用于不同类型的图工作负载。BigQuery Graph 适用于大规模深度分析，而 Spanner Graph 适用于实时操作。
BigQuery 图
BigQuery Graph 经过优化，可对大型图运行复杂的查询。您可以分析全球模式、识别历史趋势，并揭示海量数据集中的隐藏关系。
其技术特点包括：大规模优化性能、并行处理、针对图的很大一部分进行复杂查询、密集计算和复杂聚合。
常见用例包括下列各项：
- 离线欺诈检测：在客户图谱中，通过共享相同电子邮件地址、手机号码或地址的连接，在整个网络中查找与已知欺诈者关联的其他可疑用户。如需观看有关欺诈检测的教程，请参阅 Spanner 和 BigQuery：实时欺诈防御盾。
- 供应链优化：构建物料清单图，用于表示最终产品及其组件之间的关系，以便进行库存规划。通过分析所有产品线中从顶级产品到其根组件的物料，计算产品交付日期并了解物料可用性。
- 客户 360 细分：构建客户 360 图，了解产品订阅、转化和客户流失的客户转化历程。您可以使用此图表来确定客户流失的原因、识别使用情况模式，并使用该图表在整个受众群体中进行客户细分和受众群体定位。
Spanner Graph
Spanner Graph 适用于实时操作。它针对以下应用进行了优化：需要立即执行涉及少量图元素的 k 跃点查询、在毫秒内检测欺诈行为、执行谱系跟踪记录以进行身份和依赖项验证，以及提供实时推荐。
其技术特点包括延迟时间可预测且抖动最小、每秒查询次数 (QPS) 可随 Spanner 节点数量线性扩缩，以及近乎无限的扩缩能力。它还具有内置的图存储功能，支持节点和边表交织、始终可用的特性、全局一致性，以及从单个图节点或一组图节点开始的点查找和多跳查询。
常见用例包括下列各项：
- 实时欺诈检测：在几毫秒内，将信用卡刷卡操作与已知欺诈设备和账号的图表进行对比。
- 自主网络运营：构建网络的数字孪生体，以实现实时性能监控和优化。
- 实体解析：构建关联身份的集群，作为来自不同个人身份信息（电子邮件、手机、Vemo ID）的真实来源。在投放广告之前，使用规范个人资料进行身份查找、执行实时欺诈检测，以及训练特征存储区。
BigQuery Graph 和 Spanner Graph 如何协同工作
BigQuery Graph 和 Spanner Graph 协同工作，提供全面的解决方案。例如，在客户 360 度视图使用情形中：
- 实时数据分析：客户服务代理使用 Spanner Graph 根据实时购买和配送统计信息来处理用户关于配送错误产品的投诉。
- 复制或查询：您可以使用 Spanner 更改流将数据从 Spanner 复制到 BigQuery，而无需复杂的提取、转换和加载 (ETL) 流程；也可以使用 BigQuery 联合查询直接从 BigQuery 查询 Spanner 数据。
- 分析模式：数据科学家使用 BigQuery 图来识别同一数据中的“客户流失热点”，以便将客户标记为“有流失风险”。
- 反馈环：通过反向提取、转换和加载 (ETL) 支持，将“有流失风险”标签推送到 Spanner Graph 中，以便为相应客户生成优惠券代码，防止客户流失。
在 BigQuery Graph 与 Spanner Graph 之间移动数据
您可以在 Spanner Graph 和 BigQuery Graph 之间移动数据，以满足工作负载要求：
正向 ETL：如需将数据从 Spanner 迁移到 BigQuery 以进行分析查询，请使用 Dataflow 模板。
反向 ETL：虽然您可以直接从 BigQuery Graph 查询 Spanner 数据，但在某些情况下，您可能需要将 BigQuery 数据引入 Spanner Graph。使用
EXPORT DATASQL 语句。如需了解详情，请参阅了解反向 ETL 流水线。
特性比较
下表详细列出了各项功能以及最适合使用这些功能的 Google 产品：
| 功能 | BigQuery 图（离线/批处理） | Spanner Graph（在线/实时） |
|---|---|---|
| 图表模型、查询和可视化 | 统一的图建模和图查询语言，全部由 GoogleSQL（ISO SQL 标准的一部分）提供支持。用于图表可视化的相同界面。 | 统一的图建模和图查询语言，全部由 GoogleSQL（ISO SQL 标准的一部分）提供支持。用于图表可视化的相同界面。 |
| 主要工作负载 | 离线（批量）：对海量数据集进行汇总。 | 在线（实时）：大量低延迟读/写。 |
| 查询延迟时间 | 几秒到几小时。针对扫描 TB/PB 级数据进行了优化。 | 从毫秒到秒。对于面向用户的应用至关重要。 |
| 查询句式 | 全局或整个图表：“哪些人的‘人脉圈覆盖人数’超过 5,000 人？” | 本地或社区：“谁是我的朋友的朋友，但不在我的直接圈子里？” |
| 发展壮大 | PB 级、近乎无限，针对大规模历史数据进行了优化。 | 可横向伸缩，规模近乎无限，针对热门数据进行了优化。 |
| 数据新鲜度 | 近乎实时或批量。可以访问来自不同来源的数据（例如，使用 Data Boost for Spanner、Bigtable、Cloud Storage 或 Amazon S3 访问 Spanner Graph 数据）。 | 实时、强一致性。 |
| 数据输入 | 数据湖、历史日志、已归档的交易数据。 | 实时应用流、用户互动。 |
| 数据移动 |
使用预构建的模板（批量、流式）将 Spanner 数据提取、转换和加载 (ETL) 到 BigQuery 中（正向）。
使用 EXPORT_DATA 将 BigQuery 数据迁移到 Spanner（反向 ETL）。
使用外部架构进行查询联合（零 ETL）。 |
使用预构建的模板（批量、流式）将 Spanner 数据提取、转换和加载 (ETL) 到 BigQuery 中（正向）。
使用 EXPORT_DATA 将 BigQuery 数据迁移到 Spanner（反向 ETL）。
使用外部架构进行查询联合（零 ETL）。 |
后续步骤
- 详细了解 BigQuery Graph。
- 详细了解 Spanner Graph。