מבוא ל-BigQuery Graph

‫BigQuery Graph מאפשר לכם להשתמש ביכולות הניתוח של BigQuery כדי לבצע ניתוח גרפים בקנה מידה גדול. כשמגדירים את הנתונים כגרף עם צמתים וקשתות, אפשר להשתמש ב-Graph Query Language ‏ (GQL) כדי למצוא קשרים מורכבים ומוסתרים בין נקודות נתונים, שיהיה קשה למצוא באמצעות SQL.

אתם יכולים ליצור טבלאות של צמתים וקשתות ישירות מטבלאות או מתצוגות שמאחסנות ישויות ויחסים בין ישויות. אתם לא צריכים לשנות את תהליכי העבודה הקיימים או לשכפל את הנתונים כדי להשתמש בהם בשאילתות גרף.

‫BigQuery Graph תומך בממשק שאילתות גרף שתואם לתקן ISO GQL ולתקן ISO Property Graph Queries (SQL/PGQ). השילוב הזה מאפשר פעולה הדדית בין מודלים יחסיים ומודלים של גרפים, כי הוא משלב בין יכולות SQL מבוססות לבין היכולת של התאמת דפוסי גרפים.

היתרונות של BigQuery Graph

תרשימים הם דרך טבעית לייצג קשרים בנתונים. מסדי נתונים של תרשימים משמשים לזיהוי הונאות, להמלצות, לזיהוי קהילות, לתרשימי ידע, לפרופילי לקוחות, לקטלוג נתונים ולמעקב אחר מקורות.

כשנתוני הגרף מיוצגים כטבלאות, צריך לבצע הצטרפות עצמית או הצטרפות רקורסיבית כדי לעבור בין הנתונים. ביטוי של לוגיקה של מעבר בין צמתים בגרף ב-SQL מוביל לשאילתות מורכבות שקשה לכתוב, לתחזק ולנפות בהן באגים. BigQuery Graph מאפשר לכם לנווט בין קשרים ולזהות דפוסים בנתוני הגרף בצורה אינטואיטיבית יותר.

יכולות עיקריות

  • חוויית משתמש מובנית בתרשימים. ממשק ה-ISO GQL מציע חוויית גרף מוכרת, שנוצרה במיוחד ומבוססת על תקנים פתוחים.

  • גרף ורלציוני מאוחדים. יכולת פעולה הדדית מלאה בין שאילתות גרף לבין SQL מאפשרת לכם לבחור את הכלי האופטימלי לכל תרחיש שימוש, בלי עומס תפעולי של חילוץ, טרנספורמציה וטעינה (ETL).

  • יכולות חיפוש מובנות. יכולות חיפוש וקטורי וחיפוש טקסט מלא משולבות בתרשים, ומאפשרות לכם להשתמש במשמעות סמנטית ובמילות מפתח בניתוח התרשים.

  • תצוגה חזותית של תרשים. תוצאות של שאילתות גרף מוצגות בפורמט גרפי מושך מבחינה ויזואלית, שמקל מאוד על חקר נתונים, בדיקה והסבר.

  • ביצועים ומדרגיות. עומסי עבודה של גרפים מופעלים על ידי מנוע הניתוח המבוזר, החסכוני והניתן להתאמה של BigQuery.

  • שילוב עם Spanner Graph. ל-BigQuery Graph ול-Spanner Graph יש את אותה סכימת גרף ואת אותה שפת שאילתות. אתם יכולים להריץ עומסי עבודה של גרפים תפעוליים ב-Spanner ולהריץ ניתוחים מורכבים של גרפים ב-BigQuery בלי שתצטרכו לשנות את מודל הנתונים או לתרגם את השאילתות.

  • שליחת שאילתות בשפה טבעית. אפשר לשאול שאלות לגבי התרשים באמצעות ניתוח שיחות. סוכנים יכולים לכתוב שאילתות SQL ו-GQL ולספק המחשות ויזואליות של הפלט. הם יכולים גם להשתמש בתיאורים, במילים נרדפות ובמדדים שמוגדרים בתרשים כדי לשפר את איכות התוצאות. כדי לנסות לשוחח עם סוכן לגבי תרשים, אפשר להשתמש בסוכן לדוגמה Look Graph בדף Agents ב-BigQuery כדי לשאול שאלות לגבי התרשים bigquery-public-data.thelook_ecommerce.graph.

תרחישים לדוגמה

אתם יכולים להשתמש ב-BigQuery Graph כדי ליצור הרבה סוגים של עומסי עבודה של גרפים אנליטיים, כולל:

  • זיהוי הונאות פיננסיות. ניתוח קשרים מורכבים בין משתמשים, חשבונות ועסקאות כדי לזהות דפוסים חריגים ואנומליות, כמו הלבנת הון וקשרים לא סדירים בין ישויות, שקשה לזהות באמצעות מסדי נתונים רלציוניים.

  • פרופילים של לקוחות. מעקב אחרי קשרי לקוחות, העדפות והיסטוריית רכישות. הבנה מקיפה של כל לקוח מאפשרת לספק המלצות מותאמות אישית, להפעיל קמפיינים שיווקיים ממוקדים ולשפר את חוויית שירות הלקוחות.

  • רשתות חברתיות. תיעוד של פעילויות ואינטראקציות של משתמשים ושימוש בהתאמת דפוסי גרפים להמלצות על חברים ולגילוי תוכן.

  • ניהול ייצור ושרשרת אספקה. אפשר להשתמש בדפוסי גרפים לניתוח השפעה יעיל, לסיכום עלויות ולבדיקות תאימות, על ידי יצירת מודלים של חלקים, ספקים, הזמנות, זמינות ופגמים בגרף.

  • שירותי בריאות. תיעוד של קשרים בין מטופלים, מצבים רפואיים, אבחונים וטיפולים כדי לאפשר ניתוח של דמיון בין מטופלים ותכנון טיפול.

  • תחבורה. המודל מתאר מקומות, קשרים, מרחקים ועלויות בתרשים, ואז משתמש בשאילתות בתרשים כדי למצוא את המסלול האופטימלי.

מדריכים

במדריכים הבאים מוסבר איך להשתמש ב-BigQuery Graph בתרחישים שונים:

תמחור

‫BigQuery Graph משתמש במודל התמחור מבוסס הקיבולת של BigQuery כדי לוודא שאתם משלמים רק על מה שאתם משתמשים בו במחשוב ובאחסון.

Compute

כדי להשתמש ב-BigQuery Graph, אתם צריכים הזמנה שמשתמשת במהדורת Enterprise או Enterprise Plus. שאילתות גרף משתמשות בתמחור של קיבולת מחשוב ב-BigQuery שנמדדת ביחידות קיבולת (Slot).

אחסון

תחויבו רק פעם אחת על האחסון של הטבלאות הבסיסיות שמשמשות להגדרת הגרפים. עלויות האחסון מבוססות על תמחור האחסון הסטנדרטי ב-BigQuery (אחסון פעיל או אחסון לטווח ארוך), ללא קשר למספר מודלי הגרפים שנבנו על בסיס הטבלאות האלה.

המאמרים הבאים