Amazon Neptune adalah analitik grafik dan basis data nirserver yang memudahkan pembuatan serta pengelolaan aplikasi grafik interaktif pada skala apa pun.
Basis Data Amazon Neptune adalah basis data grafik terkelola penuh yang dapat Anda gunakan untuk mencari dan melakukan kueri miliaran hubungan dalam hitungan milidetik di ribuan kueri bersamaan. Basis data tersebut memberikan konfigurasi ketersediaan tinggi, skalabilitas dinamis dengan nirserver, dukungan multi-Wilayah untuk meningkatkan ketahanan, serta integrasi dengan layanan AWS lainnya seperti Amazon SageMaker dan Amazon OpenSearch Service.
Neptune secara otomatis menskalakan penyimpanan, mengembangkan penyimpanan, dan menyeimbangkan ulang operasi I/O untuk memberikan performa yang konsisten tanpa perlu penyediaan yang berlebih. Penyimpanan Neptune bersifat toleran terhadap kesalahan serta mampu memulihkan diri, dan kegagalan disk diperbaiki di latar belakang tanpa kehilangan ketersediaan basis data. Neptune didesain agar secara otomatis mendeteksi kerusakan basis data dan memulai ulang tanpa perlu melakukan pemulihan kerusakan atau membangun ulang cache basis data. Jika seluruh instans gagal, Neptune akan secara otomatis melakukan failover ke 1 dari maksimal 15 replika baca.
Kueri SQL untuk data yang mempunyai banyak hubungan bersifat kompleks dan sulit disesuaikan performanya. Sebagai gantinya, Amazon Neptune memungkinkan Anda untuk menggunakan bahasa kueri grafik populer Apache TinkerPop Gremlin dan SPARQL W3C serta openCypher untuk menjalankan kueri yang kuat yang mudah ditulis dan berjalan dengan baik pada data yang terhubung. Hal ini secara signifikan mengurangi kompleksitas kode, dan memungkinkan Anda untuk lebih cepat membuat aplikasi yang memproses hubungan. Anda dapat dengan cepat meluncurkan instans basis data Neptune dengan beberapa langkah di konsol Neptune.
Amazon Neptune Analytics BARU adalah mesin basis data analitik yang mendukung analitik grafik, algoritma grafik, dan pencarian vektor dari data grafik yang disimpan di bucket Amazon Simple Storage Service (Amazon S3) atau basis data Neptune. Anda dapat menganalisis puluhan miliar hubungan dalam hitungan detik. Dengan Neptune Analytics, Anda dapat memuat data dari basis data Neptune atau Amazon S3 yang sudah ada dengan beberapa panggilan API sederhana dan memenuhi beban kerja analitik grafik yang memiliki ekspektasi tinggi. Anda dapat memilih basis data Neptune yang sudah ada sebagai sumber data, yang akan dimuat secara otomatis ke Neptune Analytics. Anda juga dapat memilih agar Analitik Neptune memuat data grafik langsung dari Amazon S3 menggunakan file CSV dalam format ekspor grafik umum.
Amazon Neptune ML adalah integrasi antara basis data Neptune dan SageMaker. Neptune ML melatih jaringan neural grafik (GNN), sebuah teknik machine learning (ML) yang dibuat khusus untuk grafik, untuk membuat prediksi yang cepat dan lebih akurat menggunakan data grafik Anda. Neptune ML mendukung prediksi waktu nyata pada simpul, edge, dan properti (entitas) yang ditambahkan ke grafik setelah proses pelatihan model ML, yang memberi Anda prediksi tentang data baru tanpa melatih ulang model ML Anda setiap saat.
Performa dan skalabilitas tinggi
Opsi nirserver
Basis Data Amazon Neptune Nirserver adalah opsi deployment sesuai permintaan yang secara otomatis menyesuaikan kapasitas basis data berdasarkan kebutuhan aplikasi. Basis Data Neptune Nirserver dapat menskalakan beban kerja basis data grafik secara instan hingga ratusan ribu kueri. Neptune Nirserver menyesuaikan kapasitas untuk menyediakan jumlah sumber daya basis data yang tepat sesuai kebutuhan aplikasi, dan Anda hanya membayar untuk kapasitas yang digunakan, sehingga menghemat hingga 90% biaya basis data dibandingkan dengan kapasitas saat jam sibuk.
Throughput tinggi dan latensi rendah untuk kueri grafik
Neptune merupakan basis data grafik performa tinggi yang dibangun secara khusus. Neptune secara efisien menyimpan dan menavigasi data grafik serta menggunakan arsitektur yang dioptimalkan dalam memori untuk menaikkan skala agar dapat melakukan evaluasi kueri yang cepat pada grafik yang besar. Dengan Neptune Database, Anda dapat menggunakan Gremlin, openCypher, atau SPARQL untuk menjalankan kueri yang kuat yang mudah ditulis dan berjalan dengan baik. Dengan Neptune Analytics, Anda dapat menggunakan openCypher.
Penskalaan sumber daya komputasi basis data yang mudah
Dengan beberapa langkah di Konsol Manajemen AWS, Anda dapat menaikkan atau menurunkan skala sumber daya komputasi dan memori yang mendukung klaster produksi. Dengan Neptune Database, Anda dapat menskalakan dengan membuat instans replika baru menggunakan ukuran yang diinginkan atau dengan menghapus instans. Operasi penskalaan komputasi biasanya selesai dalam waktu beberapa menit.
Penyimpanan yang menskalakan secara otomatis
Neptune Database menggunakan arsitektur penyimpanan bersama dan terdistribusi yang secara otomatis akan berkembang seiring dengan meningkatnya kebutuhan penyimpanan basis data Anda. Data Neptune disimpan dalam volume klaster yang memiliki ketersediaan tinggi multi-AZ. Ketika klaster Neptune DB dibuat, klaster ini mendapat alokasi satu segmen berukuran 10 GiB. Saat volume data meningkat dan melebihi penyimpanan yang dialokasikan saat ini, Neptune secara otomatis memperluas volume klaster dengan menambahkan segmen baru. Volume klaster Neptune dapat tumbuh hingga ukuran maksimum 128 TiB di Wilayah AWS yang didukung kecuali Tiongkok dan GovCloud. Anda tidak perlu menyediakan penyimpanan berlebih untuk basis data Anda guna menangani perkembangan pada masa mendatang.
Replika baca latensi rendah
Dengan Neptune Database, Anda dapat meningkatkan throughput baca untuk mendukung permintaan aplikasi volume tinggi dengan membuat hingga 15 replika baca basis data. Replika Neptune memiliki penyimpanan dasar yang sama dengan instans sumber, sehingga menurunkan biaya dan menghindari kebutuhan untuk menjalankan penulisan di simpul replika. Hal ini membebaskan lebih banyak daya pemrosesan untuk melayani permintaan baca dan mengurangi waktu ketertinggalan replika—sering kali hingga satu digit milidetik. Neptune juga menyediakan satu titik akhir untuk kueri baca, sehingga aplikasi dapat terhubung tanpa harus terus melacak replika saat replika ditambahkan atau dihapus.
Ketersediaan dan daya tahan tinggi
Pemantauan dan perbaikan instans
Kondisi basis data Neptune Anda dan instans EC2 dasar terus dipantau. Jika instans yang mendukung daya basis data Anda gagal, basis data dan proses yang terkait secara otomatis dimulai ulang. Pemulihan Neptune tidak memerlukan pemutaran ulang log pengulangan basis data yang berpotensi memakan banyak waktu, sehingga waktu mulai ulang instans Anda biasanya adalah 30 detik atau kurang. Pemulihan ini juga mengisolasi cache buffer basis data dari proses basis data sehingga memungkinkan cache tetap bertahan saat basis data dimulai ulang.
Deployment Multi-AZ dengan replika baca
Saat instans gagal, Neptune mengotomatisasi failover ke 1 dari maksimal 15 replika Neptune yang telah Anda buat di salah satu dari tiga Zona Ketersediaan. Jika belum ada replika Neptune yang disediakan, apabila terjadi kegagalan, Neptune akan secara otomatis berupaya membuat instans basis data untuk Anda.
Penyimpanan yang toleran terhadap kesalahan dan dapat pulih dengan sendirinya
Untuk Neptune Database, setiap 10 GiB chunk dari volume basis data Anda dibuat tahan lama di tiga Zona Ketersediaan. Neptune Database menggunakan penyimpanan yang toleran terhadap kesalahan, yang hilangnya maksimal dua salinan data tanpa memengaruhi ketersediaan tulis basis data dan maksimal tiga salinan tanpa memengaruhi ketersediaan baca. Penyimpanan Basis Data Neptune juga dapat pulih dengan sendirinya—data dan disk blok terus dipindai untuk menemukan kesalahan dan diganti secara otomatis.
Pencadangan otomatis, berkelanjutan, dan inkremental, serta pemulihan titik waktu
Kemampuan pencadangan di Neptune Database memungkinkan pemulihan titik waktu untuk instans Anda. Hal ini memungkinkan Anda untuk memulihkan basis data ke detik berapa pun selama periode retensi, hingga 5 menit terakhir. Periode retensi pencadangan otomatis Anda dapat dikonfigurasi hingga 35 hari. Pencadangan otomatis disimpan di Amazon S3, yang didesain untuk daya tahan 99,999999999%. Pencadangan Neptune bersifat otomatis, inkremental, dan berkelanjutan serta tidak berdampak pada performa basis data.
Snapshot basis data
Snapshot basis data merupakan pencadangan penyimpanan instans di Amazon S3 yang diinisiasi pengguna yang akan disimpan hingga Anda menghapusnya secara eksplisit. Snapshot basis data memanfaatkan snapshot inkremental otomatis untuk mengurangi waktu dan penyimpanan yang diperlukan. Anda dapat membuat instans baru dari snapshot basis data kapan pun Anda inginkan.
Basis data global
Basis Data Global Amazon Neptune didesain untuk aplikasi yang didistribusikan secara global, sehingga satu basis data Neptune dapat menjangkau banyak Wilayah. Basis data ini mereplikasi data Anda dengan sedikit dampak pada performa basis data, memungkinkan pembacaan lokal yang cepat dengan latensi yang rendah di setiap Wilayah, dan menyediakan pemulihan bencana jika terjadi pemadaman dalam lingkup wilayah.
Sangat aman
Isolasi jaringan
Basis Data Neptune berjalan di Amazon Virtual Private Cloud (Amazon VPC), yang memungkinkan Anda untuk mengisolasi basis data dalam jaringan virtual milik Anda sendiri dan menghubungkan ke infrastruktur IT on-premise menggunakan VPN IPsec terenkripsi standar industri. Selain itu, dengan konfigurasi VPC Neptune, Anda dapat mengonfigurasi pengaturan firewall dan mengontrol akses jaringan ke instans basis data Anda.
Izin tingkat sumber daya
Amazon Neptune terintegrasi dengan AWS Identity and Access Management (IAM) dan memberi Anda kemampuan untuk mengontrol tindakan yang dapat dilakukan oleh pengguna dan grup IAM Anda pada sumber daya Neptune tertentu, termasuk Instans Basis Data, Snapshot Basis Data, Grup Parameter Basis Data, Langganan Peristiwa Basis Data, dan Grup Opsi Basis Data. Selain itu, Anda dapat menandai sumber daya Neptune dan mengontrol tindakan yang dapat dilakukan oleh grup dan pengguna IAM Anda pada grup sumber daya yang memiliki tanda (dan nilai tanda) yang sama. Misalnya, Anda dapat mengonfigurasi peraturan IAM untuk memastikan developer dapat memodifikasi instans basis data "Pengembangan", tetapi hanya administrator basis data yang dapat memodifikasi dan menghapus instans basis data "Produksi".
Kontrol akses terperinci
Neptune menyediakan akses terperinci untuk pengguna yang mengambil API bidang data Neptune dengan IAM untuk menjalankan tindakan data grafik, seperti membaca, menulis, dan menghapus data dari grafik, serta tindakan data nongrafik, seperti memulai dan memantau aktivitas Neptune ML dan memeriksa status aktivitas bidang data yang sedang berlangsung. Misalnya, buat kebijakan dengan akses hanya baca untuk analis data yang tidak perlu memanipulasi data grafik, kebijakan dengan akses baca dan tulis untuk developer yang menggunakan grafik untuk aplikasi mereka, serta kebijakan untuk ilmuwan data yang membutuhkan akses ke perintah Neptune ML.
Enkripsi
Neptune mendukung enkripsi saat bergerak dengan TLS versi 1.2. Neptune memungkinkan Anda mengenkripsi basis data menggunakan kunci yang Anda buat dan kontrol melalui AWS Key Management Service (AWS KMS). Pada instans basis data yang berjalan dengan enkripsi Neptune, data yang disimpan saat diam di penyimpanan dasar akan dienkripsi, begitu juga dengan cadangan, snapshot, dan replika otomatis dalam klaster yang sama.
Audit lanjutan
Amazon Neptune memungkinkan Anda membuat log peristiwa basis data dengan dampak minimal pada performa basis data. Log nantinya dapat dianalisis untuk manajemen basis data, keamanan, tata kelola, kepatuhan terhadap peraturan, dan tujuan lainnya. Anda juga dapat memantau aktivitas dengan mengirimkan log audit ke Amazon CloudWatch.
Terkelola penuh
Lebih mudah digunakan
Anda dapat memulai Neptune dengan meluncurkan instans basis data Neptune baru atau grafik Neptune Analytics menggunakan Konsol Manajemen AWS. Instans basis data Neptune sebelumnya telah dikonfigurasi dengan parameter dan pengaturan yang sesuai untuk kelas instans basis data yang telah Anda pilih. Anda dapat meluncurkan instans basis data dan menghubungkan aplikasi dalam hitungan menit tanpa konfigurasi tambahan. Grup Parameter Basis Data memberikan kontrol terperinci dan penyesuaian basis data Anda.
Lebih mudah dioperasikan
Neptune memudahkan operasi basis data grafik performa tinggi. Dengan Neptune, Anda tidak perlu membuat indeks kustom pada data grafik Anda. Neptune menyediakan batas waktu dan batasan penggunaan memori untuk mengurangi dampak kueri yang mengonsumsi terlalu banyak sumber daya.
Pemantauan dan metrik
Neptune menyediakan metrik Amazon CloudWatch untuk instans basis data Anda. Anda dapat menggunakan Konsol Manajemen AWS untuk melihat lebih dari 20 metrik operasional utama untuk instans basis data, termasuk komputasi, memori, penyimpanan, throughput kueri, dan koneksi aktif.
Patching perangkat lunak otomatis
Neptune akan terus memperbarui basis data Anda dengan patch terbaru. Anda dapat mengontrol apakah dan kapan instans Anda di-patching melalui Manajemen Versi Mesin Basis Data.
Notifikasi peristiwa basis data
Neptune dapat memberi Anda notifikasi melalui email atau SMS mengenai peristiwa basis data penting, seperti failover otomatis. Anda dapat menggunakan Konsol Manajemen AWS untuk berlangganan berbagai peristiwa basis data yang terkait dengan basis data Neptune.
Pengklonaan basis data ccepat
Neptune mendukung operasi pengklonaan yang cepat dan efisien, di mana seluruh klaster basis data berukuran multi-terabita dapat diklonakan dalam hitungan menit. Pengklonaan berguna untuk sejumlah tujuan termasuk pengembangan aplikasi, pengujian, pembaruan basis data, dan operasi kueri analitik. Ketersediaan data secara langsung dapat dengan signifikan mempercepat pengembangan perangkat lunak Anda dan memutakhirkan proyek, serta membuat analitik menjadi lebih akurat.
Anda dapat mengklona basis data Neptune hanya dengan beberapa langkah di Konsol Manajemen AWS, tanpa memengaruhi lingkungan produksi. Klona didistribusikan dan direplikasi di tiga Zona Ketersediaan.
ML dan AI generatif
ML
Amazon Neptune ML didukung oleh Amazon SageMaker yang menggunakan GNN, sebuah teknik ML yang dibuat khusus untuk grafik, untuk membuat prediksi yang cepat dan lebih akurat menggunakan data grafik. Dengan Neptune ML, Anda dapat meningkatkan akurasi sebagian besar prediksi untuk grafik sebesar lebih dari 50% jika dibandingkan dengan pembuatan prediksi menggunakan metode non-grafik.
Membuat prediksi akurat pada grafik dengan miliaran hubungan dapat menjadi suatu hal yang sulit dan memakan waktu. Pendekatan ML yang sudah ada seperti XGBoost tidak dapat beroperasi secara efektif pada grafik karena didesain untuk data tabular. Akibatnya, penggunaan metode ini pada grafik dapat memakan waktu, memerlukan keterampilan khusus dari developer, dan menghasilkan prediksi yang kurang optimal.
AI Generatif
Pencarian vektor memudahkan Anda untuk membangun pengalaman pencarian yang diperkaya oleh ML dan aplikasi kecerdasan buatan generatif (AI generatif). Anda harus menggunakan pencarian vektor jika ingin membangun aplikasi AI generatif yang mengombinasikan data dalam domain aplikasi dan pencarian kesamaan pada embedding vektor. Pencarian vektor pada data grafik memberi Anda total biaya kepemilikan yang lebih rendah secara keseluruhan dan overhead manajemen yang lebih sederhana karena Anda tidak perlu mengelola penyimpanan data terpisah, membangun pipeline, atau mengkhawatirkan sinkronisasi penyimpanan data.
Pelanggan yang membangun aplikasi AI generatif dapat menggunakan pencarian vektor guna memperkaya model bahasa besar (LLM) mereka dengan mengintegrasikan kueri grafik untuk konteks spesifik domain dengan hasil dari pencarian kesamaan tetangga terdekat berlatensi rendah pada embedding yang diimpor dari LLM yang di-hosting di Amazon Bedrock, GNN di GraphStorm, atau sumber lainnya. Neptune terintegrasi dengan LangChain, sebuah kerangka kerja Python sumber terbuka yang memudahkan pengembangan aplikasi AI generatif menggunakan LLM.
Produktivitas developer
Apache TinkerPop Gremlin untuk grafik properti didukung
Grafik Properti populer karena sudah dikenal oleh developer yang terbiasa dengan model relasional. Bahasa traversal Gremlin menyediakan cara untuk melintasi Grafik Properti dengan cepat. Amazon Neptune mendukung model Grafik Properti menggunakan bahasa traversal Apache TinkerPop Gremlin sumber terbuka dan menyediakan server Gremlin Websocket yang mendukung TinkerPop versi 3.3. Dengan Neptune, Anda dapat dengan cepat membangun traversal Gremlin dengan cepat pada grafik properti. Aplikasi Gremlin yang sudah ada dapat secara mudah menggunakan Neptune dengan mengubah konfigurasi layanan Gremlin untuk mengarah ke instans Neptune.
RDF 1.1 dan SPARQL 1.1 dari W3C didukung
Kerangka Kerja Deskripsi Sumber Daya (RDF) populer karena memberikan fleksibilitas untuk memodelkan domain informasi yang kompleks. Sejumlah set data bebas atau publik yang sudah ada tersedia di RDF termasuk Wikidata dan PubChem, yaitu basis data molekul kimia. Amazon Neptune mendukung standar Semantic Web dari W3C, yaitu RDF 1.1 dan SPARQL 1.1 (Kueri dan Pembaruan), serta menyediakan titik akhir REST HTTP yang mengimplementasikan SPARQL Protocol 1.1. Dengan Neptune, Anda dapat dengan mudah menggunakan titik akhir SPARQL untuk aplikasi grafik yang sudah ada dan yang baru.
OpenCypher v9 untuk grafik properti didukung
Neptune mendukung pembangunan aplikasi grafik menggunakan openCypher, salah satu bahasa kueri paling populer saat ini untuk developer yang bekerja dengan basis data grafik. Developer, analis bisnis, dan ilmuwan data menyukai sintaksis openCypher yang terinspirasi SQL karena menyediakan struktur yang sudah dikenal guna menyusun kueri untuk aplikasi grafik. Untuk Neptune Database, bahasa kueri openCypher dan Gremlin dapat digunakan bersama-sama pada data grafik properti yang sama. Dukungan bagi openCypher kompatibel dengan protokol Bolt agar dapat terus menjalankan aplikasi yang menggunakan protokol Bolt untuk terhubung ke Neptune.
Pemuatan massal grafik properti
Neptune mendukung pemuatan massal paralel yang cepat untuk data grafik properti yang disimpan di S3. Anda dapat menggunakan antarmuka REST guna menentukan lokasi S3 untuk data. Neptune menggunakan format terbatas CSV untuk memuat data ke simpul dan edge. Lihat dokumentasi pemuatan massal grafik properti Neptune untuk detail selengkapnya.
Pemuatan massal RDF
Neptune Database mendukung pemuatan massal paralel yang cepat untuk data RDF yang disimpan di S3. Anda dapat menggunakan antarmuka REST guna menentukan lokasi S3 untuk data. Serialisasi N-Triples (NT), N-Quads (NQ), RDF/XML, dan Turtle RDF 1.1 didukung. Lihat dokumentasi pemuatan massal Neptune RDF untuk detail selengkapnya.
Algoritma grafik untuk Neptune Analytics
Neptune Analytics mendukung algoritma untuk menemukan jalur, mendeteksi komunitas (pengklasteran), mengidentifikasi data penting (sentralitas), dan mengukur kesamaan. Algoritma penemuan jalur secara efisien menentukan rute terpendek atau paling optimal antara dua simpul. Algoritma penemuan jalur memungkinkan Anda untuk memodelkan situasi dunia nyata, seperti jaringan jalan atau jejaring sosial, sebagai simpul dan edge yang saling berhubungan. Menemukan jalur terpendek atau paling optimal di antara berbagai titik merupakan hal yang krusial dalam aplikasi seperti perencanaan rute untuk sistem GPS, optimisasi logistik, dan bahkan dalam pemecahan masalah kompleks di bidang-bidang seperti biologi atau rekayasa.
Algoritma deteksi komunitas menghitung grup atau klaster simpul yang bermakna dalam suatu jaringan, sehingga memunculkan pola dan struktur tersembunyi yang dapat memberikan wawasan tentang organisasi dan dinamika sistem yang kompleks. Hal ini berguna di bidang-bidang seperti analisis jejaring sosial, biologi (untuk mengidentifikasi modul fungsional dalam jaringan interaksi protein-protein), dan bahkan dalam memahami alur informasi dan penyebaran pengaruh di berbagai domain.
Algoritma sentralitas membantu mengidentifikasi simpul yang paling berpengaruh atau penting dalam jaringan, yang memberikan wawasan tentang pemain kunci atau titik penting interaksi. Hal ini berguna di bidang-bidang seperti analisis jejaring sosial, dengan saat membantu menentukan individu yang berpengaruh, atau dalam jaringan transportasi, dengan membantu dalam mengidentifikasi hub penting untuk perutean yang efisien dan alokasi sumber daya.
Algoritma kesamaan grafik memungkinkan Anda untuk membandingkan dan menganalisis persamaan atau perbedaan struktural antara berbagai struktur grafik, yang memberikan wawasan tentang hubungan, pola, dan kesamaan di berbagai set data. Hal ini berguna di berbagai bidang seperti biologi (untuk membandingkan struktur molekul), jejaring sosial (untuk mengidentifikasi komunitas serupa), dan sistem rekomendasi (untuk menyarankan item serupa berdasarkan preferensi pengguna).
Program kepatuhan
Cakupan program kepatuhan yang luas
Neptune berada dalam cakupan lebih dari 20 standar kepatuhan internasional mulai dari FedRAMP (Sedang dan Tinggi) hingga SOC (1,2,3), dan juga memenuhi syarat HIPAA. Daftar lengkap standar yang dipatuhi Neptune dapat ditemukan di Layanan AWS dalam Cakupan Berdasarkan Program Kepatuhan.
Hemat biaya
Hanya bayar untuk apa yang Anda gunakan
Tidak ada komitmen di muka dengan Neptune; Anda membayar biaya per jam untuk setiap instans yang Anda luncurkan atau sumber daya basis data yang Anda gunakan untuk nirserver. Setelah Anda selesai dengan instans basis data Neptune, Anda dapat menghapusnya. Anda tidak perlu menyediakan penyimpanan yang berlebihan sebagai margin keamanan, dan Anda hanya membayar penyimpanan yang benar-benar Anda gunakan. Untuk melihat detail lainnya, kunjungi halaman Harga Neptune.
Pelajari harga Amazon Neptune selengkapnya.