《图数据库(第2版)》导读

简介:


b355950953517d66b5dccd282dc470c69b2536f9

前言

图数据库(第2版)
图数据库应对的是当今一个宏观商业世界的大趋势:凭借高度关联的数据中复杂而动态的联系获得洞察力并赢得竞争优势。无论我们想了解的是客户之间的联系,电话或数据中心网络元素之间的联系,娱乐产品制作者和消费者之间的联系,还是基因和蛋白质之间的联系,都会涉及大量的高度关联的数据。这些数据又会构成庞大的图,而理解和分析这些图的能力将成为公司在未来10年的核心竞争力。

对于任何达到一定规模或价值的数据,图数据库都是呈现和查询这些关联数据的最好方式。关联数据是这样的一种数据:它需要我们首先理解它的组成元素之间的关联方式。为了理解这个,很多时候我们需要去给这些事物之间的关联加以命名和限定。

尽管在一段时间以前,一些大公司就已经意识到这个问题并着手开发他们自己的图处理技术,但我们正处在一个技术全民化的时代。现如今,通用的图数据库已经成为现实,主流用户不必去投资建设自己的图架构,就可以享受关联数据带来的好处。

这次图数据和图思考复兴的伟大之处正在于图论本身并不是一个新事物。自18世纪欧拉创建了图论以来,数学家、社会学家、人类学家和其他领域工作者一直在研究和完善图论。然而,图论和图思考在信息管理中的应用却是最近几年的事情。那个时候,图数据库已经在社交网络、主数据管理(master data management)、地理空间、推荐系统以及其他领域帮我们解决了许多重要问题。有两股力量驱动我们对图数据库日益关注:一股力量是那些获得巨大商业成功的公司,如Facebook、Google和Twitter,他们都将自己的商业模式紧紧地围绕在他们专有的图技术上;另一股力量就是通用的图数据库开始进入到技术领域里。

目录

第1章 简介

1.1 图是什么
1.2 图领域概览
1.3 图数据库的威力
1.4 小结

第2章 关联数据的存储选择

2.1 关系型数据库缺少联系
2.2 NoSQL数据库也缺少联系
2.3 图数据库拥抱联系
2.4 小结

相关实践学习
阿里云图数据库GDB入门与应用
图数据库(Graph Database,简称GDB)是一种支持Property Graph图模型、用于处理高度连接数据查询与存储的实时、可靠的在线数据库服务。它支持Apache TinkerPop Gremlin查询语言,可以帮您快速构建基于高度连接的数据集的应用程序。GDB非常适合社交网络、欺诈检测、推荐引擎、实时图谱、网络/IT运营这类高度互连数据集的场景。 GDB由阿里云自主研发,具备如下优势: 标准图查询语言:支持属性图,高度兼容Gremlin图查询语言。 高度优化的自研引擎:高度优化的自研图计算层和存储层,云盘多副本保障数据超高可靠,支持ACID事务。 服务高可用:支持高可用实例,节点故障迅速转移,保障业务连续性。 易运维:提供备份恢复、自动升级、监控告警、故障切换等丰富的运维功能,大幅降低运维成本。 产品主页:https://www.aliyun.com/product/gdb
相关文章
|
4月前
|
存储 NoSQL 关系型数据库
浅谈图数据库
浅谈图数据库
67 0
|
存储 NoSQL Java
|
存储 NoSQL 数据可视化
图数据库 - 概述
# 背景 关系型数据库自上世纪80年代以来一直都是数据库领域发展的主力,随着社交、物联网、金融、电商等领域的快速发展,由此产生的数据规模和数据间的关系复杂度呈现指数级的增长,而传统的关系型数据库在处理复杂关系的数据上表现很差,这是因为关系型数据库是通过外键索引来实现多表之间的关系引用的,查询实体之间的关系需要JOIN操作,而JOIN操作通常非常耗时,因此我们需要一种新的数据组织和查询方式,帮助我们
图数据库 - 概述
|
存储 分布式计算 NoSQL
聊聊图数据库和图数据库的小知识 Vol.02
在第二期的图数据库小知识中,我们回顾了图数据库的兴起契机,聊了聊【传统数据库通过设计良好的数据结构是不是可以实现图数据库的功能】、【图数据库会出于什么考虑做存储计算分离】等图数据库设计问题…
1250 0
|
存储 NoSQL 数据可视化
聊聊图数据库和图数据库的小知识
图数据库计算存储分离设计及该设计模式的考量原因、图数据库 0 标签的意义等图数据库相关问题
2453 0
|
存储 大数据 Apache
越来越火的图数据库究竟是什么?
如果把传统关系型数据库比作火车,那图数据库就是如今大数据时代的高铁。那究竟什么是图数据库呢?来不及解释了,先上车!~
3439 0
|
新零售 分布式数据库 数据库
图数据库HGraphDB介绍
一、HGraphDB概述图无处不在,社交和电商领域每天都会产生大量的实体连接数据,而描述图的方式往往是使用包括顶点和边以及丰富的属性的属性图来展现。在如今的2018年,社交网络和电商数据往往能够形成非常大的实体图,包括数十亿顶点和百亿条边这样的数据量。
6515 0
|
JSON 关系型数据库 数据库
图数据库:AgensGraph
非常流行的图数据库
3594 0
|
机器学习/深度学习 存储 NoSQL
图数据库浅谈
图数据库分为两大类:native graph和non-native graph native graph: 数据只能存放在一台机器上。不支持分片。如果你的数据量非常大,Neo4j是扛不住的。
1823 0
|
NoSQL 数据库 数据中心