Pengantar BigQuery Graph

BigQuery Graph memungkinkan Anda menggunakan kemampuan analisis BigQuery untuk melakukan analisis graf dalam skala besar. Saat memodelkan data sebagai grafik dengan node dan edge, Anda dapat menggunakan Graph Query Language (GQL) untuk menemukan hubungan yang kompleks dan tersembunyi antara titik data yang akan sulit ditemukan menggunakan SQL.

Anda dapat membuat tabel node dan edge langsung dari tabel atau tampilan yang menyimpan entity dan hubungan antar-entity. Anda tidak perlu mengubah alur kerja yang ada atau mereplikasi data untuk menggunakannya dalam kueri grafik.

BigQuery Graph mendukung antarmuka kueri grafik yang kompatibel dengan standar ISO GQL dan standar ISO Property Graph Queries (SQL/PGQ). Hal ini memberi Anda interoperabilitas antara model relasional dan grafik dengan menggabungkan kemampuan SQL yang sudah mapan dengan ekspresi pencocokan pola grafik.

Manfaat BigQuery Graph

Grafik adalah cara alami untuk merepresentasikan hubungan dalam data. Database grafik digunakan untuk deteksi penipuan, rekomendasi, deteksi komunitas, pustaka pengetahuan, profil pelanggan, pembuatan katalog data, dan pelacakan silsilah.

Jika data grafik direpresentasikan sebagai tabel, Anda harus melakukan self join atau gabungan rekursif untuk melintasi data. Mengekspresikan logika traversal grafik di SQL akan menghasilkan kueri kompleks yang sulit ditulis, dikelola, dan di-debug. BigQuery Graph memungkinkan Anda menavigasi relasi dan mengidentifikasi pola dalam data graf dengan cara yang lebih intuitif.

Kemampuan utama

  • Pengalaman grafik bawaan. Antarmuka ISO GQL menawarkan pengalaman grafik yang sudah dikenal dan dibuat khusus, yang didasarkan pada standar terbuka.

  • Grafik dan relasional terpadu. Interoperabilitas penuh antara kueri grafik dan SQL menghilangkan silo data dan memungkinkan Anda memilih alat yang optimal untuk setiap kasus penggunaan, tanpa overhead operasional untuk mengekstrak, mentransformasi, dan memuat (ETL).

  • Kemampuan penelusuran bawaan. Kemampuan penelusuran vektor dan teks lengkap yang kaya terintegrasi dengan grafik, sehingga Anda dapat menggunakan makna semantik dan kata kunci dalam analisis grafik.

  • Visualisasi grafik. Hasil kueri graf ditampilkan dalam format graf yang menarik secara visual, sehingga eksplorasi, investigasi, dan penjelasan data menjadi jauh lebih mudah.

  • Performa dan skalabilitas. Workload grafik didukung oleh mesin analisis BigQuery yang skalabel, hemat biaya, dan terdistribusi.

  • Integrasi dengan Spanner Graph. BigQuery Graph dan Spanner Graph memiliki skema graf dan bahasa kueri yang sama. Anda dapat menjalankan workload graf operasional di Spanner dan menjalankan analisis graf yang kompleks di BigQuery tanpa perlu membuat ulang model data atau menerjemahkan kueri.

  • Membuat kueri menggunakan bahasa alami. Ajukan pertanyaan tentang graf Anda menggunakan analisis percakapan. Agen dapat menulis kueri SQL dan GQL serta memberikan visualisasi output Anda. Agen juga dapat menggunakan deskripsi, sinonim, dan measure yang didefinisikan pada graf Anda untuk meningkatkan kualitas hasil. Untuk mencoba melakukan chat dengan agen tentang grafik, gunakan agen contoh Look Graph di BigQuery di halaman Agen untuk mengajukan pertanyaan tentang grafik bigquery-public-data.thelook_ecommerce.graph.

Kasus penggunaan

Anda dapat menggunakan BigQuery Graph untuk membangun berbagai jenis workload grafik analisis, termasuk:

  • Deteksi penipuan keuangan. Menganalisis hubungan kompleks antara pengguna, akun, dan transaksi untuk mengidentifikasi pola dan anomali yang mencurigakan, seperti pencucian uang dan koneksi yang tidak biasa antara entitas, yang mungkin sulit dideteksi menggunakan database relasional.

  • Profil pelanggan. Lacak hubungan, preferensi, dan histori pembelian pelanggan. Dapatkan pemahaman menyeluruh tentang setiap pelanggan untuk memungkinkan rekomendasi yang dipersonalisasi, kampanye pemasaran yang ditargetkan, dan pengalaman layanan pelanggan yang lebih baik.

  • Jejaring sosial. Merekam aktivitas dan interaksi pengguna serta menggunakan pencocokan pola grafik untuk rekomendasi teman dan penemuan konten.

  • Pengelolaan manufaktur dan supply chain. Gunakan pola grafik untuk analisis dampak yang efisien, penggabungan biaya, dan pemeriksaan kepatuhan dengan membuat model komponen, pemasok, pesanan, ketersediaan, dan cacat dalam grafik.

  • Perawatan kesehatan. Mencatat hubungan, kondisi, diagnosis, dan perawatan pasien untuk memfasilitasi analisis kesamaan pasien dan perencanaan perawatan.

  • Transportasi. Buat model tempat, koneksi, jarak, dan biaya dalam grafik, lalu gunakan kueri grafik untuk menemukan rute yang optimal.

Tutorial

Tutorial berikut menunjukkan cara menggunakan BigQuery Graph dalam berbagai skenario:

Harga

BigQuery Graph menggunakan model harga berbasis kapasitas BigQuery untuk memastikan Anda hanya membayar sesuai penggunaan di seluruh komputasi dan penyimpanan.

Compute

Untuk menjalankan kueri GQL, Anda harus memiliki pemesanan yang menggunakan edisi Enterprise atau Enterprise Plus. Jika menggunakan harga on-demand, Anda dapat memanggil fungsi GRAPH_EXPAND untuk menjalankan kueri SQL pada grafik Anda. Kueri grafik menggunakan harga komputasi kapasitas BigQuery yang diukur dalam slot.

Penyimpanan

Anda hanya dikenai biaya satu kali untuk penyimpanan tabel pokok yang digunakan untuk menentukan grafik Anda. Biaya penyimpanan mengikuti harga penyimpanan BigQuery standar (penyimpanan aktif atau jangka panjang), terlepas dari berapa banyak model grafik yang dibuat di atas tabel tersebut.

Langkah berikutnya