Introducción a BigQuery Graph

BigQuery Graph te permite usar la potencia analítica de BigQuery para realizar análisis de grafos a gran escala. Cuando modelas tus datos como un grafo con nodos y aristas, puedes usar Graph Query Language (GQL) para encontrar relaciones complejas y ocultas entre puntos de datos que serían difíciles de encontrar con SQL.

Puedes crear tablas de nodos y aristas directamente desde tablas o vistas que almacenan entidades y relaciones entre ellas. No es necesario que modifiques tus flujos de trabajo existentes ni que repliques tus datos para usarlos en consultas de grafos.

BigQuery Graph admite una interfaz de consulta de grafos compatible con el estándar ISO GQL y el estándar ISO Property Graph Queries (SQL/PGQ). Esto te proporciona interoperabilidad entre los modelos relacionales y de grafos combinando las capacidades de SQL bien establecidas con la expresividad de la coincidencia de patrones de grafos.

Beneficios de BigQuery Graph

Los grafos son una forma natural de representar relaciones en los datos. Las bases de datos de grafos se usan para la detección de fraudes, las recomendaciones, la detección de comunidades, los grafos de conocimiento, los perfiles de clientes, la catalogación de datos y el seguimiento de linaje.

Cuando tus datos de grafos se representan como tablas, debes realizar uniones automáticas o uniones recursivas para recorrer tus datos. Expresar la lógica de recorrido de grafos en SQL genera consultas complejas que son difíciles de escribir, mantener y depurar. BigQuery Graph te permite navegar por las relaciones y detectar patrones en tus datos de grafos de una manera más intuitiva.

Funciones clave

  • Experiencia de grafos integrada. La interfaz ISO GQL ofrece una experiencia de grafos familiar y creada específicamente que se basa en estándares abiertos.

  • Relacional y de grafos unificados. La interoperabilidad completa entre las consultas de grafos y SQL desglosa los silos de datos y te permite elegir la herramienta óptima para cada caso de uso, sin ninguna sobrecarga operativa para extraer, transformar y cargar (ETL).

  • Funciones de búsqueda integradas. Las capacidades de búsqueda de vectores y de texto completo enriquecidas se integran con el grafo, lo que te permite usar el significado semántico y las palabras clave en el análisis de grafos.

  • Visualización del grafo. Los resultados de las consultas de grafos se muestran en un formato de grafo visualmente atractivo que facilita mucho la exploración, la investigación y la explicación de los datos.

  • Rendimiento y escalabilidad. Las cargas de trabajo de grafos se basan en el motor de estadísticas distribuido, rentable y escalable de BigQuery.

  • Integración con Spanner Graph. BigQuery Graph y Spanner Graph comparten el mismo esquema de grafos y lenguaje de consulta. Puedes ejecutar cargas de trabajo de grafos operativas en Spanner y ejecutar estadísticas de grafos complejas en BigQuery sin necesidad de remodelar tus datos ni traducir tus consultas.

  • Consulta con lenguaje natural. Haz preguntas sobre tu grafo con Conversational Analytics. Los agentes pueden escribir consultas de SQL y GQL, y proporcionar visualizaciones de tu resultado. Los agentes también pueden usar descripciones, sinónimos y mediciones definidos en tu grafo para mejorar la calidad de los resultados. Para intentar chatear con un agente sobre un grafo, usa el agente de muestra Look Graph en la página BigQuery en Agents para hacer preguntas sobre el grafo bigquery-public-data.thelook_ecommerce.graph.

Casos de uso

Puedes usar BigQuery Graph para compilar muchos tipos de cargas de trabajo de grafos analíticas, incluidas las siguientes:

  • Detección de fraude financiero. Analiza las relaciones complejas entre usuarios, cuentas y transacciones para identificar patrones y anomalías sospechosos, como el lavado de dinero y las conexiones irregulares entre entidades, que pueden ser difíciles de detectar con bases de datos relacionales.

  • Perfiles de clientes. Haz un seguimiento de las relaciones, las preferencias y los historiales de compras de los clientes. Obtén una comprensión integral de cada cliente para habilitar recomendaciones personalizadas, campañas de marketing segmentadas y experiencias mejoradas de atención al cliente.

  • Redes sociales. Captura las actividades y las interacciones de los usuarios, y usa la coincidencia de patrones de grafos para obtener recomendaciones de amigos y descubrimiento de contenido.

  • Administración de la cadena de suministro y fabricación. Usa patrones de grafos para realizar análisis de impacto, resúmenes de costos y verificaciones de cumplimiento eficientes modelando piezas, proveedores, pedidos, disponibilidad y defectos en el grafo.

  • Cuidado de la salud. Captura las relaciones, las afecciones, los diagnósticos y los tratamientos de los pacientes para facilitar el análisis de similitud de los pacientes y la planificación del tratamiento.

  • Transporte. Modela lugares, conexiones, distancias y costos en el grafo y, luego, usa consultas de grafos para encontrar la ruta óptima.

Instructivos

En los siguientes instructivos, se muestra cómo usar BigQuery Graph en diferentes situaciones:

Precios

BigQuery Graph usa el modelo de precios basado en la capacidad de BigQuery para garantizar que solo pagues por lo que usas en el procesamiento y el almacenamiento.

Procesamiento

Para ejecutar consultas de GQL, debes tener una reserva que use la edición Enterprise o Enterprise Plus. Si usas precios a pedido, puedes llamar a la función GRAPH_EXPAND para ejecutar consultas de SQL en tu grafo. Las consultas de grafos usan los precios de procesamiento de la capacidad de BigQuery , que se miden en ranuras.

Almacenamiento

Solo se te cobra una vez por el almacenamiento de las tablas subyacentes que se usan para definir tus grafos. Los costos de almacenamiento siguen los precios de almacenamiento estándar de BigQuery (almacenamiento activo o a largo plazo), independientemente de cuántos modelos de grafos se compilen sobre esas tablas.

¿Qué sigue?