Введение

Графики встречаются повсюду в повседневной жизни: ваша сеть друзей, сеть дорог, по которым вы ездите, и цепочка поставок заводов, кораблей и дорог, которые доставили вам устройство, на котором вы читаете это. Хотя может быть легко соединить точки в том, как большинство вещей может быть показано в виде графика, что делает базу данных базой данных графа? Это вопрос, на который у вас будет ответ в этом сообщении блога, но если говорить проще: граф состоит из узлов, ребер и свойств, представляющих отношения внутри данных.

В этой статье мы обсудим:

  • Что такое график?
  • Что такое графовая база данных?
  • Различные типы графовых баз данных.
  • Примеры использования графической базы данных.

Что такое график?

Граф — это набор узлов и ребер, где ребра описывают отношения между узлами. Графики существуют во многих областях, включая теорию графов, аналитику и модели баз данных. Эти три отдельных объекта поддерживают друг друга и обеспечивают связь благодаря особым способностям каждого из них.

Согласно Википедии, теория графов это:

В математике теория графов — это изучение графов, представляющих собой математические структуры, используемые для моделирования парных отношений между объектами. Граф в этом контексте состоит из вершин (также называемых узлами или точками), которые соединены ребрами (также называемыми ссылками или линиями).

В вычислениях он считается абстрактным типом данных, который хорошо представляет соединения или отношения — в отличие от табличных структур данных систем реляционных баз данных, которые очень ограничены в выражении проблем.

Графическая аналитика — не новый инструмент, но исторически недостаточно используемый в данных и аналитике. Аналитика графов — это процесс анализа данных, хранящихся в базе данных графов. Специалисты по данным и инженеры могут использовать базу данных графов для обработки узлов и ребер, чтобы понять взаимосвязь между собранными данными. Мы рассмотрим некоторые примеры графовой аналитики в разделе вариантов использования.

Хорошая метафора для графов — думать об узлах как о кругах, а о ребрах — как о линиях или дугах. Термины «узел» и «вершина» здесь взаимозаменяемы. Обычно вершины соединяются ребрами, образуя граф. Вершины вообще не обязательно должны быть соединены, но они также могут быть связаны более чем с одной другой вершиной через несколько ребер. Вы также можете найти вершины, соединенные сами с собой, как показано выше.

Графические базы данных

Эта форма базы данных считается следующим шагом для получения максимальной отдачи от данных и аналитики. Графические базы данных позволяют организовать и представить данные для вариантов использования, которые ранее считались трудными для надлежащего решения.

База данных графов позволяет пользователям анализировать большие наборы данных, которые ранее могли быть связаны со сложными вариантами использования. Графовая база данных позволяет хранить данные, перемещаться и отображать их вместе, а не через отдельные базы данных. Они являются воротами, позволяющими разработчикам выполнять анализ графов.

База данных графа хранит данные и их естественные отношения в виде графа узлов и ребер, а не несвязанных строк и столбцов в таблице.

Графовые базы данных имеют встроенные графовые алгоритмы для выполнения стандартных графовых функций, таких как K кратчайших путей, Кратчайшие пути и другие.

Пример графической базы данных

В настоящее время мы живем в эпоху, когда проще, чем когда-либо, общаться с друзьями, семьей и сверстниками посредством цифрового общения. Социальные сети и социальные сети — отличный пример, демонстрирующий, на что способна графовая база данных.

Представьте себе: вы впервые создаете аккаунт в Instagram. Одна из первых задач, которую Instagram попросит вас сделать, — это подключить вашу учетную запись Facebook или телефонные контакты. Таким образом, Instagram может мгновенно найти первые контакты, на которые вы можете подписаться. Вы можете использовать базу данных графа через эти первые подключения, чтобы найти взаимные связи через ваших подписчиков и предложить другим пользователям подписаться. Эти предложения могут варьироваться от знаменитостей, на которых подписаны многие из ваших знакомых, до знакомств, с которыми вы можете поделиться только одной общей ссылкой. База данных графа позволит вам просматривать общие интересы, что также может повлиять на контент, который алгоритм будет размещать в вашей ленте. Например, если вы являетесь спортивным болельщиком и постоянно взаимодействуете с контентом НХЛ, вы можете использовать графическую базу данных, чтобы извлекать другой контент, связанный с НХЛ, для демонстрации в своей ленте.

Типы графических баз данных

При наличии на рынке множества различных типов баз данных важно понимать, что отличает базы данных друг от друга. Одним из ключевых выводов графовой базы данных является то, что графовая база данных позволяет хранить данные более наглядно и интерактивно. По сравнению с реляционной базой данных графовая база данных позволяет хранить данные на индивидуальном уровне, а реляционная база данных хранит данные в предопределенных таблицах. С помощью графовой базы данных вы можете просматривать взаимосвязь между данными на более точном уровне, чем в реляционных базах данных.

СРАВНЕНИЕ ГРАФА NoSQL С РЕЛЯЦИОННЫМ

База данных графов

Существует несколько различных типов моделей графов, включая графы свойств и графы RDF (Resource Description Framework), и несколько различных типов определены здесь. ArangoDB — это граф свойств, означающий, что данные, которые вы храните, могут иметь связанное с ними удобочитаемое свойство. ArangoDB делает еще один шаг вперед, позволяя вам сохранять эти метки на узлах и ребрах данных графа. Это позволяет проводить продуманное моделирование данных, которое интуитивно понятно для запросов и ближе к реальным отношениям между данными.

Хранение данных таким образом упрощает понимание точек данных и позволяет анализировать сложные наборы данных. Многие данные естественным образом укладываются в график, поэтому его визуализация в виде графика может дать ценную информацию по сравнению с визуализацией данных в бесчисленных таблицах или разрозненных коллекциях документов, как в случае с другими базами данных. Это создает гибкий способ просмотра и использования ваших данных.

Гибкость позволяет базам данных графиков решать более сложные бизнес-задачи в различных отраслях.

Базы данных Graph можно использовать для различных вариантов использования, включая обнаружение мошенничества, сетевую цепочку поставок и обзор клиентов 360°.

По мере расширения нашего понимания данных и технологий расширяется и то, как мы храним данные. Традиционно существовали разные базы данных, в том числе реляционные, документные и ключ-значение. Базы данных графов стали популярным решением для баз данных, поскольку данные становятся все более сложными, а варианты использования предъявляют более высокие требования к сложности.

Примеры использования графических баз данных

Как упоминалось ранее в этом посте, графовые базы данных можно использовать для более сложных вариантов использования, включая, помимо прочего, обнаружение мошенничества, сетевую цепочку поставок и обзор клиентов 360. Другие известные варианты использования графовых баз данных включают социальные сети, механизм рекомендаций, графы знаний ИИ и управление сетью/операциями.

Обнаружение мошенничества

Обнаружение мошенничества — один из самых популярных вариантов использования графовой базы данных. Обнаружение мошенничества отслеживает данные клиентов, учетных записей, устройств, местоположений и т. д., чтобы выявлять отмывание денег и денежные счета мулов. Это позволяет компаниям выявлять мошеннические действия и мошеннические сети с использованием украденных или искусственных идентификационных данных. Примером базы данных Graph, используемой в случае обнаружения мошенничества, является компания или любое финансовое учреждение, которое хочет предотвратить незаконную деятельность со стороны сложных мошеннических кругов. Графовая база данных является подходящим решением, поскольку она сокращает время, необходимое для обработки запросов обнаружения мошенничества к базе данных, и обеспечивает простую визуализацию данных для аналитиков. Они также позволяют исключить ложные срабатывания, поскольку реальные клиенты ждут денег (удовлетворенность клиентов и упущенная выгода). Обнаружение мошенничества — отличный вариант использования графовой базы данных, поскольку реляционные БД слишком медленные и сложные для запросов в режиме реального времени.

Управление цепочками поставок

Согласно CIPS, управление цепочками поставок — это поток товаров и услуг от производства сырья до потребления потребителем. Этот процесс требует, чтобы организация имела сеть поставщиков (которые служат звеньями в цепочке) для продвижения продукта через каждую стадию.

Управление цепочками поставок позволяет организациям:

  • Доставляйте больше и быстрее
  • Убедитесь, что продукты доступны
  • Уменьшить проблемы с качеством
  • Навигация возвращается легко

В конечном итоге это повышает ценность как для организации, так и для клиентов. Реальным приложением для управления цепочками поставок могло бы быть обнаружение изменений в моделях потребительских покупок, непредсказуемых затрат на материалы, мошенничества со складскими и грузовыми перевозками, а также контрафактной продукции в пользующихся спросом нестабильных сетях поставщиков. База данных графов может помочь с этими примерами использования посредством машинного обучения графов, что поможет улучшить рекомендации.

Система рекомендаций

Механизм рекомендаций — это способ, с помощью которого продукт или услуга могут рекомендовать аналогичные продукты/товары на основе предыдущих покупок клиентов и сходства между продуктами. Механизмы рекомендаций полезны для компаний, поскольку они получают представление о покупательских привычках клиентов, что позволяет им создавать уникальный клиентский опыт для каждого из своих пользователей, что, в свою очередь, обеспечивает более высокий уровень удержания.

Надежный механизм рекомендаций сталкивается с несколькими проблемами, но основными являются три проблемы:

  • Скорость
  • Актуальность
  • Компьютерные запросы

База данных графов может помочь решить все три эти проблемы. Что касается скорости, графовая база данных может быстро отображать все взаимосвязи между данными, поскольку они хранятся в виде вершин и так организованы данные. База данных графов также может вводить больше точек данных и устранять некоторую «размытость» результатов. Запросы упрощены, поскольку графовая база данных может обрабатывать несколько запросов по сравнению с реляционной базой данных.

360 просмотр клиентов

Еще один вариант использования графовых баз данных — 360 Customer View. 360 Customer View — это возможность агрегировать и собирать данные из многих источников и коллективно хранить их в одном месте. 360° Customer View позволяет бизнесу/организации лучше понять их взаимодействие с клиентами. Один конкретный вариант использования ArangoDB был решен, когда компании нужно было интегрировать множество источников данных, содержащих полусвязанные данные в разных структурах.

Для этого варианта использования этой компании требовалось быстрое и бесшовное решение для хранения данных, чтобы справляться с растущими объемами неструктурированных данных в своем приложении бизнес-аналитики. Они решили использовать ArangoDB из-за AQL (языка запросов ArangoDB), который прост в использовании и позволяет комбинировать модели данных в запросах. Другой причиной были наши микросервисы Foxx, а также наша производительность и масштабируемость в кластерной среде.

ArangoDB как графическая база данных

ArangoDB выходит за рамки графа, являясь собственным хранилищем графов, которое изначально включает в себя возможности других моделей данных, включая ключ-значение, документ, поиск и многое другое. Возможности графа ArangoDB аналогичны базе данных графа свойств, но добавляют больше гибкости в моделировании данных, поскольку вершины и ребра являются полными документами JSON.

Благодаря этой встроенной поддержке пользователи могут использовать результат операции JOIN, геопространственного запроса, текстового поиска или любого другого шаблона доступа в качестве отправной точки для дальнейшего анализа графа и наоборот — все в одном запросе, если это необходимо.

Хотите узнать больше? Загрузите нашу Белую книгу по графикам и не только

Ссылка:

Управление цепочками поставок | ЦИПС. https://www.cips.org/knowledge/procurement-topics-and-skills/supply-chain-management/

Автор

Лора Коуп

Лаура получила степень магистра в области североамериканских исследований в Кёльнском университете в Германии. Она всегда была увлечена социальными сетями и той ролью, которую они играют в том, как мы общаемся друг с другом.