Descripción general de Spanner Graph

Spanner Graph combina las capacidades de la base de datos de grafos con la escalabilidad, la disponibilidad y la coherencia de Spanner. Spanner Graph admite una interfaz de consultas de gráficos compatible con el lenguaje ISO Graph Query Language (GQL) y permite la interoperabilidad entre modelos relacionales y de gráficos.

Spanner Graph te permite asignar tablas a gráficos de propiedades con un esquema declarativo sin migración de datos, lo que lleva los gráficos a los conjuntos de datos tabulares. También puedes vincular de forma tardía las opciones del modelo de datos por consulta, lo que te ayuda a elegir la herramienta adecuada para tus flujos de trabajo.

Para comenzar a usar Spanner Graph, consulta Configurar y consultar Spanner Graph y el Codelab de Spanner Graph.

Beneficios de las bases de datos de Spanner Graph

Los gráficos proporcionan un mecanismo natural para representar las relaciones entre los datos. Entre los casos de uso de ejemplo de las bases de datos de gráficos, se incluyen la detección de fraudes, las recomendaciones, la ciberseguridad, la detección de comunidades, los gráficos de conocimiento, la vista integral del cliente, la catalogación de datos y el seguimiento del linaje.

Tradicionalmente, las aplicaciones representan este tipo de datos de gráficos como tablas en una base de datos relacional, con varias uniones para recorrer el gráfico. Expresar la lógica de recorrido de grafos en SQL crea consultas complejas que son difíciles de escribir, mantener y depurar.

La interfaz de gráficos de Spanner Graph te permite navegar por las relaciones y detectar patrones en el gráfico de forma intuitiva. Además, Spanner Graph proporciona mejoras en el almacenamiento y las consultas optimizadas para gráficos que son adecuadas para cargas de trabajo de gráficos transaccionales y analíticos en línea, todo integrado en las capacidades principales de Spanner.

Este enfoque convierte a Spanner Graph en la solución ideal incluso para las aplicaciones de grafos fundamentales. En particular, el sharding transparente de Spanner se escala de forma elástica para adaptarse a conjuntos de datos muy grandes. Utiliza un procesamiento masivamente paralelo sin intervención del usuario.

Casos de uso de Spanner Graph

Puedes usar Spanner Graph para crear muchos tipos de aplicaciones de gráficos en línea, incluidos los siguientes:

  • Detectar fraudes financieros: Analiza relaciones complejas entre usuarios, cuentas y transacciones para identificar patrones y anomalías sospechosos, como lavado de dinero y conexiones inusuales entre entidades, que pueden ser difíciles de detectar con bases de datos relacionales.

  • Hacer un seguimiento de las relaciones con los clientes: Realiza un seguimiento de las relaciones con los clientes, sus preferencias y sus historiales de compra. Obtén una comprensión integral de cada cliente, habilita recomendaciones personalizadas, campañas de marketing segmentadas y experiencias de servicio al cliente mejoradas.

  • Captura redes sociales: Captura las actividades y las interacciones de los usuarios, y usa la correlación de patrones de gráficos para las recomendaciones de amigos y el descubrimiento de contenido.

  • Administra las cadenas de fabricación y suministro: Modela piezas, proveedores, pedidos, disponibilidad y defectos en el grafo para analizar el impacto, acumular costos y verificar el cumplimiento.

  • Analiza datos de atención médica: Captura las relaciones, las afecciones, los diagnósticos y los tratamientos de los pacientes para facilitar el análisis de similitud entre pacientes y la planificación del tratamiento.

  • Administrar cadenas de suministro: Dado un plan de enrutamiento de envíos, evalúa los tramos de la ruta para identificar incumplimientos de las reglas de tramo.

Funciones clave

Spanner Graph es una base de datos de varios modelos que integra capacidades de gráficos, relacionales, de búsqueda y de IA. Ofrece alto rendimiento y escalabilidad, y proporciona lo siguiente:

  • Experiencia de gráfico nativo: La interfaz ISO GQL ofrece una experiencia de gráfico familiar y creada para un propósito específico que se basa en estándares abiertos.

  • Compila aplicaciones de flujo de trabajo de GraphRAG: Spanner Graph se integra con LangChain para ayudarte a compilar aplicaciones de GraphRAG. Si bien la generación mejorada por recuperación (RAG) convencional usa la búsqueda de vectores para proporcionar contexto a un modelo de lenguaje grande (LLM), no puede usar las relaciones implícitas en tus datos. GraphRAG supera esta limitación creando un gráfico a partir de tus datos para capturar estas relaciones complejas. Luego, combina la búsqueda de gráficos (para el contexto basado en relaciones) con la búsqueda de vectores (para la similitud semántica), lo que genera respuestas más precisas, pertinentes y completas que si se usara solo uno de los métodos. Para obtener más información, consulta Compila aplicaciones con tecnología de LLM a través de LangChain. Para obtener información sobre cómo puedes usar Spanner Graph con Vertex AI para compilar infraestructura para una aplicación de IA generativa compatible con GraphRAG, consulta Infraestructura de GraphRAG para IA generativa con Vertex AI y Spanner Graph.

  • Unificación de relaciones y gráficos: La interoperabilidad total entre GQL y SQL elimina los silos de datos. Esto te permite elegir la herramienta óptima para cada caso de uso, sin ninguna sobrecarga operativa para extraer, transformar y cargar (ETL).

  • Capacidades de búsqueda integradas: Las capacidades de búsqueda de vectores y de texto completo enriquecidas se integran con el gráfico, lo que te permite usar el significado semántico y las palabras clave en el análisis de gráficos.

  • Estadísticas potenciadas por IA: La integración profunda con Vertex AI desbloquea un conjunto de modelos de IA directamente en Spanner Graph, lo que te ayuda a acelerar tus flujos de trabajo de IA.

  • Escalabilidad, disponibilidad y coherencia: La escalabilidad, la disponibilidad y la coherencia establecidas de Spanner proporcionan una base sólida.

¿Qué sigue?