Опробовать базу данных Neptune бесплатно на Уровне бесплатного пользования AWS 

Amazon Neptune

Высокопроизводительная графовая аналитика и бессерверная база данных для превосходной масштабируемости и доступности

Начать работу с Neptune
Ознакомиться с документацией

База данных Amazon Neptune

База данных Neptune – это бессерверная графовая база данных с превосходной масштабируемостью и доступностью. В базу данных Neptune встроены функции безопасности, непрерывного резервного копирования и интеграции с другими сервисами AWS. Глобальная база данных Amazon Neptune предлагает межрегиональную репликацию данных для операций чтения и записи с низкой задержкой, аварийное восстановление и масштабируемость для глобально распределенных приложений.

Зачем использовать графовую базу данных для создания графа идентификации?

Традиционно для создания большинства графов идентификации использовались реляционные базы данных. Однако реляционные базы данных не могут эффективно хранить и обрабатывать запросы к взаимосвязям между миллиардами взаимодействующих объектов в условиях современной потребительской среды. Поскольку для формирования схемы этих взаимосвязей необходимо выполнять сложные SQL-запросы, реляционные базы данных не очень подходят для управления связанными данными для таргетинга рекламы между устройствами в режиме реального времени, персонализации и других сценариев использования при взаимодействии с клиентами.

Графовые базы данных, специально разработанные для хранения и поиска взаимосвязей, стали более эффективным решением для хранения данных при работе с графами идентификации. Графовые базы данных можно легко моделировать для работы с сильно взаимосвязанными данными. Они воспринимают взаимосвязи как полноценный элемент системы, используют гибкие схемы и обеспечивают большую производительность при прослеживании графовых запросов. Использование графовой базы данных для создания графа идентификации позволяет вам намного легче связывать идентификаторы и обновлять профили, опрашивать данные с малой задержкой, обеспечивая быстрое обновление и предоставление более точных и аккуратных данных в профилях для таргетинга рекламы, персонализации, аналитики и атрибуции рекламы.

Образец набора данных графа, который позволяет получить представление о личности и поведении клиентов

Преимущества

Проводите масштабирование своих графов с неограниченным количеством вершин и граней, а также более чем 100 000 запросов в секунду для самых требовательных приложений. Вертикальное масштабирование хранилища до 128 ТиБ на кластер и до 15 реплик на кластер при вертикальном масштабировании операций чтения.

Подробнее

Быстрее получайте аналитику, анализируя наборы графовых данных с десятками миллиардов связей за считанные секунды с помощью встроенных алгоритмов. Выполняйте поиск сходства в векторах, хранящихся вместе с графами для приложений на основе искусственного интеллекта.

Подробнее

Защитите свои приложения с помощью таких функций, как транзакции ACID, автоматическое резервное копирование (с помощью базы данных Neptune), снимки состояния, восстановление на определенный момент времени, шифрование при передаче и хранении, поддержка Управления идентификацией и доступом AWS (AWS IAM) и Сервис управления ключами AWS (AWS KMS).

Подробнее

Обеспечьте высокую доступность приложений и надежность данных в трех зонах доступности (AZ) в регионе AWS. Повысьте эффективность аварийного восстановления и получите доступ к локальным операциям чтения с помощью глобальной базы данных Amazon Neptune.

Подробнее

Примеры использования

Легко стройте графы профилей со всесторонним обзором клиентов. Трансформируйте персонализацию клиентов, повысьте релевантность маркетинговых кампаний и улучшите аналитику.

Узнайте больше о графах идентификации

Стройте запросы к графам для выявления шаблонов мошенничества в режиме реального времени, моделируя взаимоотношения между людьми, местами и транзакциями, чтобы обнаруживать отношения, которые могут не быть очевидными.

Узнайте больше о графах выявления мошенничества

Amazon Neptune ML использует графовые нейронные сети (GNN), чтобы повысить точность большинства прогнозов для графиков более чем на 50 % по сравнению с прогнозированием с использованием неграфовых методов.

Подробнее о Neptune ML

Заранее определяйте и исследуйте ИТ-инфраструктуру с помощью многоуровневого подхода к безопасности. Моделируйте взаимоотношения между ресурсами, чтобы узнать, как взаимодействуют между собой различные измерения вашей ИТ-среды.

Подробнее об использовании графов защиты

Подробнее об AWS