BigQuery Graph 简介

借助 BigQuery Graph，您可以利用 BigQuery 的分析功能大规模执行图分析。当您将数据建模为包含节点和边的图时，可以使用 Graph Query Language (GQL) 查找数据点之间复杂且隐藏的关系，而使用 SQL 很难找到这些关系。

您可以直接从存储实体和实体之间关系的表或视图创建节点表和边表。您无需修改现有工作流程或复制数据，即可在图查询中使用这些数据。

BigQuery Graph 支持与 ISO GQL 标准和 ISO Property Graph Queries (SQL/PGQ) 标准兼容的图表查询接口。通过将成熟的 SQL 功能与图表模式匹配的表达能力相结合，您可以在关系模型和图表模型之间实现互操作性。

BigQuery 图的优势

图表是一种表示数据关系的自然方式。图表数据库可用于欺诈检测、推荐、社区检测、知识图谱、客户资料、数据编目和沿袭跟踪。

当图表数据以表的形式表示时，您必须执行自联接或递归联接才能遍历数据。在 SQL 中表示图表遍历逻辑会导致复杂的查询，这些查询难以编写、维护和调试。借助 BigQuery Graph，您可以更直观地浏览关系并识别图表数据中的模式。

主要功能

  • 内置图表体验：ISO GQL 接口提供基于开放标准的熟悉的专用图表体验。

  • 统一的关系型和图表。图表查询和 SQL 之间的完全互操作性打破了数据孤岛，让您可以针对每种应用场景选择最合适的工具，而无需进行提取、转换和加载 (ETL) 操作，从而避免任何运营开销。

  • 内置搜索功能。丰富的向量和全文搜索功能与图表集成，让您可以在图表分析中使用语义和关键字。

  • 图表可视化。图表查询结果以直观的图表格式显示，可让数据探索、调查和说明变得更加轻松。

  • 性能和可伸缩性。图工作负载由 BigQuery 的可伸缩、经济实惠的分布式分析引擎提供支持。

  • 与 Spanner Graph 集成。BigQuery Graph 和 Spanner Graph 共享相同的图表架构和查询语言。您可以在 Spanner 中执行运营图工作负载，并在 BigQuery 中运行复杂的图分析，而无需重新建模数据或转换查询。

  • 使用自然语言进行查询。使用对话式分析功能询问有关图的问题。智能体可以编写 SQL 和 GQL 查询，并直观呈现输出结果。智能体还可以使用图上定义的说明、同义词和指标来提高结果质量。如需尝试与智能体就图进行对话，请使用 BigQuery 中“智能体”页面上的 Look Graph 示例智能体，询问有关 bigquery-public-data.thelook_ecommerce.graph 图的问题。

使用场景

您可以使用 BigQuery Graph 构建多种类型的分析图工作负载，包括：

  • 金融欺诈检测。分析用户、账号和交易之间的复杂关系，以识别可疑模式和异常情况，例如洗钱以及实体之间的异常关联，使用关系型数据库可能难以检测到这些情况。

  • 客户资料：跟踪客户关系、偏好设置和交易记录。全面了解每位客户，提供个性化推荐、有针对性的营销活动，并提升客户服务体验。

  • 社交网络：捕获用户活动和互动，并将图表模式匹配用于好友推荐和内容发现。

  • 制造和供应链管理：使用图表模式，通过在图表中对零件、供应商、订单、库存状况和缺陷进行建模，高效地进行影响分析、成本汇总和合规检查。

  • 医疗保健。捕获患者关系、病情、诊断和治疗情况，以便进行患者相似度分析和治疗方案规划。

  • 交通。在图表中对地点、中转、距离和费用进行建模，然后使用图表查询来查找最佳路线。

教程

以下教程介绍了如何在不同场景中使用 BigQuery 图：

价格

BigQuery Graph 使用基于 BigQuery 容量的价格模式，确保您只需为使用的计算和存储资源付费。

计算

如需使用 BigQuery Graph，您必须拥有使用企业版或企业 Plus 版的预留。图查询使用以槽为单位的 BigQuery 容量计算价格。

存储

您只需为用于定义图表的底层表的存储空间付费一次。存储费用遵循标准的 BigQuery 存储价格（有效存储或长期存储），无论在这些表之上构建了多少个图模型。

后续步骤