Einführung in BigQuery Graph

Mit BigQuery Graph können Sie die Analysefunktionen von BigQuery nutzen, um Graphanalysen in großem Maßstab durchzuführen. Wenn Sie Ihre Daten als Graph mit Knoten und Edges modellieren, können Sie mit der Graph Query Language (GQL) komplexe, verborgene Beziehungen zwischen Datenpunkten finden, die mit SQL nur schwer zu ermitteln wären.

Sie können Knoten- und Edge-Tabellen direkt aus Tabellen erstellen, in denen Entitäten und Beziehungen zwischen Entitäten gespeichert sind. Sie müssen Ihre vorhandenen Arbeitsabläufe nicht ändern oder Ihre Daten replizieren, um sie in Graphabfragen zu verwenden.

BigQuery Graph unterstützt eine Graphabfrageschnittstelle, die mit dem ISO-GQL-Standard und dem ISO-Standard für Property Graph Queries (SQL/PGQ) kompatibel ist. Dadurch wird die Interoperabilität zwischen relationalen und Graphmodellen ermöglicht, indem bewährte SQL-Funktionen mit der Ausdrucksstärke des Graphmusterabgleichs kombiniert werden.

Vorteile von BigQuery Graph

Graphen sind eine natürliche Möglichkeit, Beziehungen in Daten darzustellen. Graphdatenbanken werden für Betrugserkennung, Empfehlungen, Community-Erkennung, Wissensgraphen, Kundenprofile, Datenkatalogisierung und Lineage-Tracking verwendet.

Wenn Ihre Graphdaten als Tabellen dargestellt werden, müssen Sie Self-Joins oder rekursive Joins ausführen, um Ihre Daten zu durchlaufen. Die Darstellung der Graphdurchlauflogik in SQL führt zu komplexen Abfragen, die schwer zu schreiben, zu verwalten und zu debuggen sind. Mit BigQuery Graph können Sie Beziehungen einfacher durchlaufen und Muster in Ihren Graphdaten erkennen.

Hauptmerkmale

  • Integrierte Graphfunktionen : Die ISO-GQL-Schnittstelle bietet eine vertraute, speziell entwickelte Graphumgebung, die auf offenen Standards basiert.

  • Vereinheitlichung von relationalen und Graphdaten : Die vollständige Interoperabilität zwischen Graphabfragen und SQL beseitigt Datensilos und ermöglicht es Ihnen, das optimale Tool für jeden Anwendungsfall auszuwählen, ohne dass ein betrieblicher Aufwand für ETL (Extrahieren, Transformieren und Laden) entsteht.

  • Integrierte Suchfunktionen : Umfassende Vektor- und Volltextsuchfunktionen sind in Graph integriert, sodass Sie semantische Bedeutung und Keywords in der Graphanalyse verwenden können.

  • Graphvisualisierung : Die Ergebnisse von Graphabfragen werden in einem optisch ansprechenden Graphformat angezeigt, das die Datenexploration, -untersuchung und -erklärung erheblich erleichtert.

  • Leistung und Skalierbarkeit : Grapharbeitslasten werden von der skalierbaren, kostengünstigen und verteilten Analyse-Engine von BigQuery unterstützt.

  • Integration mit Spanner Graph : BigQuery Graph und Spanner Graph verwenden dasselbe Graphschema und dieselbe Abfragesprache. Sie können betriebliche Grapharbeitslasten in Spanner ausführen und komplexe Graphanalysen in BigQuery durchführen, ohne Ihre Daten neu modellieren oder Ihre Abfragen übersetzen zu müssen.

Anwendungsfälle

Mit BigQuery Graph können Sie viele Arten von analytischen Grapharbeitslasten erstellen, darunter:

  • Betrugserkennung im Finanzbereich : Analysieren Sie komplexe Beziehungen zwischen Nutzern, Konten und Transaktionen, um verdächtige Muster und Anomalien wie Geldwäsche und unregelmäßige Verbindungen zwischen Entitäten zu erkennen, die mit relationalen Datenbanken nur schwer zu erkennen sind. Eine Anleitung zur Betrugserkennung finden Sie unter Betrugserkennung mit BigQuery Graph.

  • Kundenprofile : Erfassen Sie Kundenbeziehungen, ‑präferenzen und ‑kaufhistorien. Erhalten Sie einen ganzheitlichen Überblick über jeden Kunden, um personalisierte Empfehlungen, gezielte Marketingkampagnen und einen verbesserten Kundenservice zu ermöglichen. Eine Anleitung zu Kundenprofilen finden Sie unter 360-Grad-Kundenempfehlungen mit BigQuery Graph erstellen.

  • Soziale Netzwerke : Erfassen Sie Nutzeraktivitäten und ‑interaktionen und verwenden Sie den Graphmusterabgleich für Freundesempfehlungen und die Suche nach Inhalten.

  • Fertigung und Lieferkettenmanagement : Verwenden Sie Graphmuster für effiziente Wirkungsanalysen, Kostenaggregationen und Compliance-Prüfungen, indem Sie Teile, Lieferanten, Bestellungen, Verfügbarkeit und Mängel im Graph modellieren. Eine Anleitung zu Lieferketten finden Sie unter Rückverfolgbarkeit von Lieferketten mit BigQuery Graph.

  • Gesundheitswesen : Erfassen Sie Patientenbeziehungen, ‑erkrankungen, ‑diagnosen und ‑behandlungen, um die Analyse der Ähnlichkeit von Patienten und die Behandlungsplanung zu erleichtern.

  • Transportwesen : Modellieren Sie Orte, Verbindungen, Entfernungen und Kosten im Graph und verwenden Sie dann Graphabfragen, um die optimale Route zu finden.

Preise

BigQuery Graph verwendet das standardmäßige BigQuery kapazitätsbasierte Preismodell , damit Sie nur für das bezahlen, was Sie für Compute und Speicher nutzen.

Compute

Wenn Sie BigQuery Graph verwenden möchten, benötigen Sie eine Reservierung mit der Enterprise- oder Enterprise Plus-Edition. Für Graphabfragen gelten die BigQuery-Preise für die Kapazitätsnutzung , die in Slots gemessen werden.

Speicher

Die Speicherung der zugrunde liegenden Tabellen, die zum Definieren Ihrer Graphen verwendet werden, wird nur einmal in Rechnung gestellt. Die Speicherkosten richten sich nach den standardmäßigen BigQuery-Speicherpreisen (aktiver oder langfristiger Speicher), unabhängig davon, wie viele Graph modelle auf diesen Tabellen basieren.

Nächste Schritte