Grafik Veritabanları: Veriler Hakkında Yeni Bir Düşünme Yolu

Yazar: Louise Ward
Yaratılış Tarihi: 5 Şubat 2021
Güncelleme Tarihi: 28 Haziran 2024
Anonim
Grafik Veritabanları: Veriler Hakkında Yeni Bir Düşünme Yolu - Teknoloji
Grafik Veritabanları: Veriler Hakkında Yeni Bir Düşünme Yolu - Teknoloji

İçerik


Kaynak: Blueximages / Dreamstime.com

Paket servisi:

Grafik veritabanları, birçok sektör tarafından veri parçaları arasındaki ilişkileri analiz etme benzersiz yetenekleri nedeniyle kullanılmaktadır.

Büyük verilerin önemi artıyor. Ancak, verilerin çoğundan yararlanabilmek için şirketlerin bu konuda eyleme dönüştürülebilir içgörüler bulabilmeleri gerekir. Güçlü görüşler bulmak için, hem döndürülen veriler üzerinde hem derin sorgular hem de iyi analizler olması gerekir. Geleneksel SQL sorguları, karmaşık, çok katmanlı sorgular söz konusu olduğunda ve bir şirketin anlamlı veri alma hedefini sınırladığında kısıtlamalar ile karşı karşıyadır.

Grafik veritabanları, şirketlerin anında yanıtlanabilecek karmaşık, çok katmanlı sorgular başlatmasına olanak tanırken, geleneksel SQL veritabanları bu tür soruları cevaplamanın son derece zor olduğunu ortaya koydu. Karmaşık sorgular şimdiye kadar görülmemiş ve değerli görüşler getiriyor. Grafik veritabanları, sosyal medya, sağlık hizmetleri ve çevrimiçi buluşma gibi birçok sektörde kullanılmaktadır. Görünüşe göre grafik veritabanı, verilere yeni bir bakış açısı sağlıyor.


Grafik Veritabanı Nedir?

Farklı varlıklar hakkındaki bilgileri depolamak, varlıklar arasındaki ilişkileri eşlemek ve varlıklar arasındaki sorgu ilişkilerini saklamak için bir grafik veritabanı kullanılır. Bu bağlamda, varlıklar insanlar, şirketler, hayvanlar ve arabalar gibi birçok şey olabilir. Bir işletme başka bir varlık ile belirli bir ilişki yaşayabilir. Örneğin, bir varlık olan Martin, bir başka varlık olan Jim'in bir arkadaşıdır. Martin bir BMW otomobiline sahip olabilir. Her iki örnekte de, Martin, Jim ve BMW aralarında belirli ilişkilere sahip olan varlıklardır. "Martin, Jim'in bir arkadaşıdır", dostluğun iki varlık arasındaki ilişki olduğu anlamına gelir. Benzer şekilde, “Martin'in bir BMW'si var”, mülkiyetin Martin ile BMW arasındaki ilişki olduğu anlamına gelir. Grafik veritabanında parlance olarak ilişkiler kenarlar olarak bilinir. İlişkiler bir grafik şeklinde gösterilir ve bu nedenle, kavram bir grafik veritabanı olarak bilinir. (Grafik veritabanları hakkında daha fazla bilgi için, bkz. Grafik Veritabanları Ağ Veriyi Nasıl Getirir?)


Grafik veri tabanı kavramı sağlık, sosyal medya ve e-ticaret gibi endüstrilerde uygulanmaktadır. Bu makalenin önceki bölümlerinde verilen örnekler basit ve anlaşılırdır, ancak endüstrilerde uygulanan kullanım durumları oldukça karmaşıktır. Müşterilere öneriler sunan bir e-ticaret web sitesinin örneğini alın. Web sitesi müşteriye uygun ürün önerileri nasıl sağlar? Web sitesi müşterinin ihtiyaçlarını ve tercihlerini nasıl biliyor? Anahtar, müşterinin görüntülediği üründe yatıyor.Müşteri, insan kaynakları yönetimi hakkında bir kitap görüntülüyorsa, web sitesinin öneri mantığı, aynı kitabı inceleyen veya satın alan diğer müşterileri arar. Aynı zamanda, mantık, benzer ilgi alanlarına sahip diğer kullanıcıların görüntülediği veya satın aldığı diğer benzer veya ilgili kitapları belirler ve benzer kitaplar kullanıcıya önerilir.

Grafik Veritabanı Nasıl Çalışır?

Bir örnek yardımıyla grafik veritabanlarına daha yakından bakalım. Bir akıllı telefon üreticisinin birkaç gelişmiş özelliğe sahip bir akıllı telefon başlatmak istediğini varsayalım. Ürün yönetimi, şirket yöneticileri olan hedef kitlesinin ihtiyaç ve tercihlerini belirledikten sonra özelliklere karar verecektir. Akıllı telefon yapımcısı, çoklu veri kaynaklarından yönetici profillerinde veri toplayan ve depolayan bir veya daha fazla veritabanına sahiptir. Artık ürün yöneticileri, aşağıdakine benzeyen verilere dayanarak bir grafik veri yapısı oluşturuyor:

Yukarıdaki resimden, ürün yöneticileri aşağıdaki sonuçları ya da iş kararlarını alır:

  • Steve, haberciyi yoğun olarak kullanan bir İK yöneticisidir. İnsan Kaynakları departmanındaki bağlantıları muhtemelen haberciyi çalışma profilleri nedeniyle kullanıyor. Bu nedenle, akıllı telefondaki iyi haberciler önemli olabilir.
  • Debra ve kocasının arkadaşı Trevor'ın antivirüs forumlarına sıkça rastladığı ana sebep, akıllı telefonlarında veya bilgisayarlarında güvenlikle ilgili endişeler olabilir. Dolayısıyla, yeni akıllı telefonun yerleşik güvenlik özellikleri olabilir.
  • İbrahim uygunluğunu izlediğini belirten bir Fitbit kullanıyor. Bu nedenle, yeni akıllı telefonun Fitbit cihazlarından veri senkronize etmesi ve kullanıcı dostu bir şekilde göstermesi iyi bir özellik olacaktır.

Yukarıdaki örnekte, işletme verilerinin çözümünde grafik verilerinin nasıl kullanılabileceği gösterilmektedir.

Hata Yok, Stres Yok - Hayatınızı Yok Etmeden Hayat Değiştiren Yazılım Yaratma Adım Adım Kılavuzunuz

Hiç kimse yazılım kalitesini önemsemediğinde programlama becerilerinizi geliştiremezsiniz.

Durum çalışmaları

Aşağıdaki vaka çalışmaları, grafik veritabanlarının çevrimiçi buluşma ve çevrimiçi kariyer arama endüstrilerindeki karmaşık sorunları çözmede nasıl yardımcı olduğunu göstermektedir.

Örnek Olay İncelemesi - Online Dating

Sorun: Online tanışma portalları aboneleri için uygun eşleşmeler bulmak istiyor. Bunu yapmak için, portalların benzer zevkleri, tercihleri, geçmişleri ve diğer bilgileri olabilecek web sitesinin diğer üyeleri hakkındaki bilgilere ihtiyacı vardır.

Çözüm: Birçok çevrimiçi portal, milyonlarca üyenin ayrıntılarını dolaşmak ve bilgi almak için grafik veritabanlarını kullandı. Buna dayanarak, web sitesi zevklere, eğitime, hobilere ve diğer detaylara göre eşleşmeler hazırlar. Web sitesi, bu profillerin büyük olasılıkla belirli bir profille iyi bir eşleşme olacağına karar veriyor ve buna göre önerilerde bulunuyor.

Örnek Olay İncelemesi - Profesyonel Ağ Siteleri

Sorun: LinkedIn gibi profesyonel ağ iletişimi web siteleri, profil, bağlantı görünümleri, profil görünümleri ve ilgi alanlarını ve tercihlerini yansıtan grup üyeliği gibi bir dizi parametreye dayanarak en uygun bağlantıları ve işleri önermek ister.

Çözüm: Bunu yapmak için, bu tür ağ oluşturma web siteleri, bağlantı bağlantılarının bağlantıları gibi çok sayıda bağlantı katmanından geçer. Ardından, grafik mantığı ortak mesleki ilgi alanlarını, kariyerlerini, iş profillerini, grup üyeliğini ve diğer bilgileri bulur ve bulgulara dayanarak, hem ağlar hem de işler hakkında öneriler sunar.

Sektörden Gerçekler ve Rakamlar

Aşağıda verilen gerçekler ve rakamlar, grafik veritabanının endüstri genelinde ne kadar benimsendiğini göstermektedir:

  • Wal-Mart, eBay, Lufthansa ve Deutsche Telekom'u kapsayan 30'dan fazla Global 2000 şirketi, Neo Teknoloji tarafından oluşturulan en popüler grafik veritabanı olan Neo4j'yi benimsemiştir.
  • Endüstri gözlemcisi DB-Engines, grafik veritabanlarının popülaritesi ve benimsenmesi hakkında şöyle diyor: “Grafik DBMS'leri, Ocak 2013'ten bu yana neredeyse yüzde 300 oranında büyüdüğü için, diğer veritabanı kategorilerinden daha hızlı bir şekilde popülerlik kazanıyor”.
  • Mayıs 2013'ten bu yana pek çok büyük çevrimiçi tanışma sitesi grafik veritabanları kullanmaya başladı.
  • LinkedIn tescilli grafik veritabanı sistemi üzerinde çalışan büyük bir ekibe sahiptir.
  • Yaygın bir grafik veritabanına bağlıdır ve ayrıca açık kaynak kodlu bir grafik veritabanı olan FlockDB'yi de piyasaya sürmüştür. (Açık kaynaklı veritabanları hakkında daha fazla bilgi için, bkz. Açık Kaynak Veritabanları Neden Popülerlik Kazanıyor?)
  • Grafik veritabanlarının kurumsal kullanıcılar için kullanımını kolaylaştırmak amacıyla Teradata, SQL-GR olarak bilinen yeni bir SQL türü yayımladı.

Sonuç

Grafik veritabanı, büyük verilere bakmanın yeni bir yolunu temsil ediyor. Grafik verilerinin iki belirgin yararı vardır:

  1. İlişkisel veritabanı yönetim sistemleri (RDBMS) kısa sürede büyük hacimli verileri işleyememektedir. Ek olarak, büyük miktarda veri organize edememektedir. Bir grafik veritabanı, varlıklar arasındaki herhangi bir sayıdaki ilişkiden geçebilir ve bilgileri mantıksal olarak düzenleyebilir.
  2. Grafik veritabanları, çeşitli varlıkları ve ilişkileri araştırdıktan sonra ilgili bilgilerin alınmasında son derece etkilidir. Daha önce belirtildiği gibi, BI sistemlerinin kullanıcı dostu bir şekilde sunabileceği son derece değerli bilgileri sorgulayabilir ve geri verebilirler.

Bankacılık ve finans, eczacılık, savunma ve istihbarat gibi büyük miktarda veri ile uğraşan diğer sektörlerin de grafik veritabanlarını kullanması sadece zaman meselesi gibi görünüyor. Aslında, suçları tespit etmek ve ağlar, ilişkiler ve grafik verilerle varlıklar yardımıyla sigorta dolandırıcılığını belirlemek ilginç bir görev olacaktır.