Présentation de BigQuery Graph

BigQuery Graph vous permet d'utiliser la puissance analytique de BigQuery pour effectuer des analyses de graphes à grande échelle. Lorsque vous modélisez vos données sous forme de graphe avec des nœuds et des arêtes, vous pouvez utiliser le langage GQL (Graph Query Language) pour trouver des relations complexes et cachées entre des points de données, ce qui serait difficile à faire avec SQL.

Vous pouvez créer des tables de nœuds et d'arêtes directement à partir de tables ou de vues qui stockent des entités et des relations entre elles. Vous n'avez pas besoin de modifier vos workflows existants ni de répliquer vos données pour les utiliser dans des requêtes de graphes.

BigQuery Graph est compatible avec une interface de requête de graphes conforme à la norme ISO GQL et à la norme ISO Property Graph Queries (SQL/PGQ). Vous bénéficiez ainsi d'une interopérabilité entre les modèles relationnels et les graphes en combinant les fonctionnalités SQL bien établies avec l'expressivité de la correspondance de modèles de graphes.

Avantages de BigQuery Graph

Les graphes sont un moyen naturel de représenter les relations dans les données. Les bases de données de graphes sont utilisées pour la détection de fraudes, les recommandations, la détection de communautés, les graphes de connaissances, les profils client, le catalogage des données et le suivi de la provenance.

Lorsque vos données de graphes sont représentées sous forme de tables, vous devez effectuer des auto-jointures ou des jointures récursives pour parcourir vos données. L'expression de la logique de parcours de graphes en SQL conduit à des requêtes complexes difficiles à écrire, à maintenir et à déboguer. BigQuery Graph vous permet de parcourir les relations et d'identifier les modèles dans vos données de graphes de manière plus intuitive.

Capacités clés

  • Expérience de graphes intégrée. L'interface ISO GQL offre une expérience de graphes familière et spécialement conçue, basée sur des normes ouvertes.

  • Relationnel et graphes unifiés. L'interopérabilité totale entre les requêtes de graphes et SQL élimine les silos de données et vous permet de choisir l'outil optimal pour chaque cas d'utilisation, sans frais opérationnels pour l'extraction, la transformation et le chargement (ETL).

  • Fonctionnalités de recherche intégrées. Les fonctionnalités de recherche vectorielle et en texte intégral s'intègrent aux graphes, ce qui vous permet d'utiliser le sens sémantique et les mots clés dans l'analyse de graphes.

  • Visualisation de graphes. Les résultats des requêtes de graphes sont affichés dans un format de graphe visuellement attrayant qui facilite l'exploration, l'investigation et l'explication des données.

  • Performances et évolutivité. Les charges de travail de graphes sont alimentées par le moteur d'analyse distribué, évolutif et économique de BigQuery.

  • Intégration à Spanner Graph. BigQuery Graph et Spanner Graph partagent le même schéma de graphes et le même langage de requête. Vous pouvez exécuter des charges de travail de graphes opérationnelles dans Spanner et exécuter des analyses de graphes complexes dans BigQuery sans avoir à remodéliser vos données ni à traduire vos requêtes.

Cas d'utilisation

Vous pouvez utiliser BigQuery Graph pour créer de nombreux types de charges de travail de graphes analytiques, y compris les suivants :

  • Détection de fraudes financières. Analysez les relations complexes entre les utilisateurs, les comptes et les transactions pour identifier les modèles et les anomalies suspects, tels que le blanchiment d'argent et les connexions irrégulières entre les entités, qui peuvent être difficiles à détecter à l'aide de bases de données relationnelles. Pour suivre un tutoriel sur la détection de fraudes, consultez Détection de fraudes avec BigQuery Graph.

  • Profils client. Suivez les relations client, les préférences et l'historique des achats. Obtenez une compréhension globale de chaque client pour proposer des recommandations personnalisées, des campagnes marketing ciblées et une meilleure expérience de service client. Pour suivre un tutoriel sur les profils client, consultez Créer des recommandations client à 360° avec BigQuery Graph.

  • Réseaux sociaux. Capturez les activités et les interactions des utilisateurs, puis utilisez la correspondance de modèles de graphes pour les recommandations d'amis et la découverte de contenus.

  • Gestion de la fabrication et de la chaîne d'approvisionnement. Utilisez des modèles de graphes pour une analyse d'impact efficace, des cumuls de coûts et des contrôles de conformité en modélisant les pièces, les fournisseurs, les commandes, la disponibilité et les défauts dans le graphe. Pour suivre un tutoriel sur les chaînes d'approvisionnement, consultez Traçabilité de la chaîne d'approvisionnement avec BigQuery Graph.

  • Santé. Capturez les relations, les pathologies, les diagnostics et les traitements des patients pour faciliter l'analyse de similarité des patients et la planification des traitements.

  • Transports. Modélisez les lieux, les connexions, les distances et les coûts dans le graphe, puis utilisez des requêtes de graphes pour trouver l'itinéraire optimal.

Tarifs

BigQuery Graph utilise le modèle de tarification standard basé sur la capacité de BigQuery pour vous assurer de ne payer que ce que vous utilisez en termes de calcul et de stockage.

Calcul

Pour utiliser BigQuery Graph, vous devez disposer d'une réservation qui utilise l' édition Enterprise ou Enterprise Plus. Les requêtes de graphes utilisent la tarification des calculs de capacité BigQuery , exprimée en emplacements.

Stockage

Vous n'êtes facturé qu'une seule fois pour le stockage des tables sous-jacentes utilisées pour définir vos graphes. Les coûts de stockage suivent la tarification standard du stockage BigQuery (stockage actif ou à long terme), quel que soit le nombre de modèles de graphes créés sur ces tables.

Étape suivante