Informações gerais do Spanner Graph

O Spanner Graph combina recursos de banco de dados de gráficos com Spanner escalonabilidade, disponibilidade e consistência. O Spanner Graph oferece suporte a uma interface de consulta de gráficos compatível com a linguagem de consulta de gráficos ISO (GQL, na sigla em inglês) e permite a interoperabilidade entre modelos relacionais e de gráficos.

O Spanner Graph permite mapear tabelas para gráficos de propriedades usando um esquema declarativo sem migração de dados, trazendo gráficos para conjuntos de dados tabulares. Você também pode vincular as opções de modelo de dados por consulta, o que ajuda a escolher a ferramenta certa para seus fluxos de trabalho.

Para começar a usar o Spanner Graph, consulte Configurar e consultar o Spanner Graph e o codelab do Spanner Graph.

Benefícios dos bancos de dados do Spanner Graph

Os gráficos fornecem um mecanismo natural para representar relações em dados. Exemplos de casos de uso para bancos de dados de grafos incluem detecção de fraudes, recomendações, cibersegurança, detecção de comunidades, mapas de informações, cliente 360, catalogação de dados e rastreamento de linhagem.

Tradicionalmente, os aplicativos representam esse tipo de dados de gráficos como tabelas em um banco de dados relacional, usando várias junções para percorrer o gráfico. A expressão da lógica de percurso de gráficos em SQL cria consultas complexas que são difíceis de escrever, manter e depurar.

A interface de gráficos no Spanner Graph permite navegar pelas relações e identificar padrões no gráfico de maneiras intuitivas. Além disso, o Spanner Graph oferece armazenamento otimizado para gráficos e melhorias de consulta adequadas para cargas de trabalho de gráficos analíticos e transacionais on-line, tudo integrado aos recursos principais do Spanner.

Essa abordagem torna o Spanner Graph a solução ideal até mesmo para aplicativos de gráficos essenciais para os negócios. Em particular, o fragmentação transparente do Spanner é escalonado de forma elástica para conjuntos de dados muito grandes. Ele usa o processamento paralelo massivo sem intervenção do usuário.

Casos de uso do Spanner Graph

Você pode usar o Spanner Graph para criar muitos tipos de aplicativos de gráficos on-line, incluindo os seguintes:

  • Detectar fraudes financeiras: analise relações complexas entre usuários, contas e transações para identificar padrões e anomalias suspeitos, como lavagem de dinheiro e conexões incomuns entre entidades, que podem ser difíceis de detectar usando bancos de dados relacionais.

  • Acompanhar as relações com os clientes: acompanhe as relações com os clientes, as preferências, e os históricos de compras. Tenha uma compreensão holística de cada cliente, permita recomendações personalizadas, campanhas de marketing segmentadas e experiências de atendimento ao cliente aprimoradas.

  • Capturar redes sociais: capture atividades e interações do usuário e use a correspondência de padrões de gráficos para recomendações de amigos e descoberta de conteúdo.

  • Gerenciar cadeias de produção e suprimentos: modele peças, fornecedores, pedidos, disponibilidade e defeitos no gráfico para analisar o impacto, acumular custos e verificar a conformidade.

  • Analisar dados de saúde: capture relações, condições, diagnósticos e tratamentos de pacientes para facilitar a análise de similaridade e o planejamento de tratamento.

  • Gerenciar cadeias de suprimentos: dado um plano de roteamento de remessa, avalie os segmentos de rota para identificar violações das regras de segmento.

Principais recursos

O Spanner Graph é um banco de dados multimodelo que integra recursos de gráficos, relacionais, de pesquisa e de IA. Ele oferece alto desempenho e escalonabilidade, oferecendo o seguinte:

  • Experiência de gráfico nativa: a interface ISO GQL oferece uma experiência de gráfico familiar, criada para fins específicos com base em padrões abertos.

  • Criar aplicativos de fluxo de trabalho do GraphRAG: o Spanner Graph se integra ao LangChain para ajudar você a criar aplicativos do GraphRAG. Embora a geração aumentada por recuperação (RAG) convencional use a pesquisa vetorial para fornecer contexto a um modelo de linguagem grande (LLM), ela não pode usar as relações implícitas nos seus dados. O GraphRAG supera essa limitação criando um gráfico com seus dados para capturar essas relações complexas. Em seguida, ele combina a pesquisa de gráficos (para contexto baseado em relações) com a pesquisa vetorial (para similaridade semântica), gerando respostas mais precisas, relevantes e completas do que usar qualquer um dos métodos sozinho. Para mais informações, consulte Criar aplicativos com tecnologia de LLM usando o LangChain. Para saber como usar o Spanner Graph com a Gemini Enterprise Agent Platform para criar infraestrutura para um aplicativo de IA generativa com capacidade de GraphRAG, consulte Infraestrutura do GraphRAG para IA generativa usando a Agent Platform e o Spanner Graph.

  • Relacional e gráfico unificados: a interoperabilidade total entre GQL e SQL elimina silos de dados. Isso permite que você escolha a ferramenta ideal para cada caso de uso, sem sobrecarga operacional para extrair, transformar e carregar (ETL).

  • Recursos de pesquisa integrados: os recursos de pesquisa vetorial e de texto completo são integrados ao gráfico, permitindo que você use o significado semântico e as palavras-chave na análise de gráficos.

  • Insights com tecnologia de IA: a integração profunda com a Agent Platform desbloqueia um conjunto de modelos de IA diretamente no Spanner Graph, ajudando a acelerar seus fluxos de trabalho de IA.

  • Escalonabilidade, disponibilidade e consistência: a escalonabilidade, a disponibilidade e a consistência estabelecidas do Spanner fornecem uma base sólida.

A seguir