Nilalaman
- Ano ang isang Database Database?
- Paano gumagana ang isang Database Database
- Walang Mga bug, Walang Stress - Ang Iyong Hakbang sa Hakbang Patnubay sa Paglikha ng Software na Pagbabago ng Buhay nang Walang Pagsira sa Iyong Buhay
- Mga Pag-aaral sa Kaso
- Pag-aaral ng Kaso - Online Dating
- Pag-aaral ng Kaso - Propesyonal na Networking Website
- Mga Katotohanan at Mga figure mula sa Industriya
- Konklusyon
Pinagmulan: Blueximages / Dreamstime.com
Takeaway:
Ang mga database ng graphic ay ginagamit ng maraming mga industriya para sa kanilang natatanging kakayahang pag-aralan ang mga relasyon sa pagitan ng mga piraso ng data.
Ang kahalagahan ng malaking data ay tumaas. Gayunpaman, upang masulit ang data, ang mga kumpanya ay kailangang makahanap ng mga magagawang pananaw mula dito. Upang makahanap ng mga makapangyarihang pananaw, kailangang pareho ang malalim na mga query at mahusay na analytics sa data na naibalik. Ang mga tradisyonal na query sa SQL ay nakaharap sa mga limitasyon pagdating sa kumplikado, maraming mga query na query, at nililimitahan nito ang layunin ng kumpanya na makuha ang makabuluhang data.
Ang mga database ng graphic ay pinagana ang mga kumpanya na maglunsad ng kumplikado, maraming mga query na maaaring sagutin agad, samantalang ang tradisyonal na mga database ng SQL ay mahihirapang sagutin ang mga naturang query. Ang mga kumplikadong query ay nagbabalik ng hindi pa nauna at mahalagang pananaw. Ginagamit ang mga database ng graphic sa maraming mga industriya tulad ng social media, pangangalaga sa kalusugan at pakikipag-online. Ang graph database, tila, ay nagbibigay ng isang bagong paraan ng pagtingin sa data.
Ano ang isang Database Database?
Ang isang graphic database ay ginagamit upang mag-imbak ng impormasyon tungkol sa iba't ibang mga entidad, mga ugnayan sa mapa sa buong entidad at mga query sa pagitan ng mga nilalang. Sa con na ito, ang mga entidad ay maaaring maraming mga bagay tulad ng tao, kumpanya, hayop at kotse. Ang isang entity ay maaaring magkaroon ng isang tiyak na relasyon sa isa pang nilalang. Halimbawa, si Martin, isang nilalang, ay isang kaibigan ni Jim, isa pang nilalang. Si Martin ay maaaring magkaroon ng isang BMW na kotse. Sa parehong halimbawa, sina Martin, Jim at ang BMW ay ang mga nilalang na may tiyak na ugnayan sa pagitan nila. "Si Martin ay kaibigan ni Jim" ay nangangahulugang ang pakikipagkaibigan ay ang ugnayan ng dalawang nilalang. Katulad nito, "nagmamay-ari si Martin ng isang BMW" ay nangangahulugang ang pagmamay-ari ay ang ugnayan ni Martin at ng kanyang BMW. Sa parlance ng database ng graph, ang mga relasyon ay kilala bilang mga gilid. Ang mga relasyon ay ipinapakita sa anyo ng isang graph at samakatuwid, ang konsepto ay kilala bilang isang database database. (Upang malaman ang higit pa tungkol sa mga database ng graph, tingnan kung Paano Dalhin ang Mga Datos ng Mga Datos sa Networking sa Data.)
Ang konsepto ng graph database ay ipinatutupad sa buong industriya tulad ng pangangalaga sa kalusugan, social media at e-commerce. Ang mga halimbawa na ibinigay nang mas maaga sa artikulong ito ay simple at prangka, ngunit ang mga kaso ng paggamit na ipinatupad sa mga industriya ay lubos na kumplikado. Dalhin ang halimbawa ng isang website ng e-commerce na nagbibigay ng mga rekomendasyon sa mga customer. Paano nagbibigay ang website ng mga rekomendasyon ng produkto na angkop para sa isang customer? Paano nalalaman ng website ang mga pangangailangan at kagustuhan ng customer? Ang susi ay namamalagi sa produkto na tinitingnan ng customer.Kung ang customer ay tumitingin ng isang libro sa pamamahala ng mapagkukunan ng tao, ang rekomendasyon ng lohika ng website ay naghahanap para sa iba pang mga customer na tiningnan o binili ang parehong libro. Kasabay nito, tinutukoy din ng lohika ang iba pang mga katulad o nauugnay na mga libro na tiningnan o binili ng iba pang mga gumagamit, at inirerekomenda ang mga katulad na libro sa gumagamit.
Paano gumagana ang isang Database Database
Tingnan natin nang mas malapit ang mga database ng graph sa tulong ng isang halimbawa. Ipinapalagay na nais ng isang tagagawa ng smartphone na maglunsad ng isang smartphone na may maraming mga advanced na tampok. Ang pamamahala ng produkto ay magpapasya sa mga tampok pagkatapos matukoy ang mga pangangailangan at kagustuhan ng target na madla, na mga executive executive. Ang tagagawa ng smartphone ay may isa o higit pang mga database na nangongolekta at mag-iimbak ng data sa mga profile ng executive mula sa maraming mga mapagkukunan ng data. Ngayon, ang mga tagapamahala ng produkto ay lumikha ng isang istraktura ng data ng graph batay sa data na mukhang sa ibaba:
Mula sa imahe sa itaas, nakukuha ng mga tagapamahala ng produkto ang mga sumusunod na konklusyon o mga desisyon sa negosyo:
- Si Steve ay isang tagapamahala ng HR na malawakang gumagamit ng messenger. Ang kanyang mga koneksyon sa departamento ng HR marahil ay gumagamit din ng messenger dahil sa kanilang profile sa trabaho. Kaya, ang mabuting messenger sa smartphone ay maaaring mahalaga.
- Ang pangunahing dahilan ni Debra at ang asawa ng kanyang asawa na si Trevor na madalas sa mga antivirus forum ay maaaring alalahanin ng seguridad sa kanilang mga smartphone o computer. Kaya, ang bagong smartphone ay maaaring magkaroon ng built-in na mga tampok ng seguridad.
- Gumamit si Abraham ng isang Fitbit, na nagpapahiwatig na sinusubaybayan niya ang kanyang fitness. Kaya, ito ay magiging isang mahusay na tampok kung ang bagong smartphone ay magagawang i-sync ang data mula sa mga aparato ng Fitbit at ipakita ito sa isang paraan na madaling gamitin.
Ipinapakita sa itaas ang halimbawa kung paano magagamit ang data ng graph upang malutas ang mga problema sa negosyo.
Walang Mga bug, Walang Stress - Ang Iyong Hakbang sa Hakbang Patnubay sa Paglikha ng Software na Pagbabago ng Buhay nang Walang Pagsira sa Iyong Buhay
Hindi mo mapagbuti ang iyong mga kasanayan sa pagprograma kapag walang nagmamalasakit sa kalidad ng software.
Mga Pag-aaral sa Kaso
Ang mga pag-aaral sa kaso sa ibaba ay nagpapakita kung paano nakatulong ang mga database ng mga graphic na malutas ang mga kumplikadong problema sa online na pakikipag-date at mga industriya ng paghahanap sa karera.
Pag-aaral ng Kaso - Online Dating
Suliranin: Ang mga portal ng online dating ay nais na makahanap ng mga angkop na tugma para sa kanilang mga tagasuskribi. Upang gawin iyon, ang mga portal ay nangangailangan ng impormasyon sa ibang mga miyembro ng website na maaaring magkatulad na panlasa, kagustuhan, background at iba pang impormasyon.
Solusyon: Maraming mga online portal ang gumamit ng mga database ng graph upang maglakbay sa mga detalye ng milyun-milyong mga miyembro at salot na impormasyon. Batay doon, naghahanda ang website ng mga tugma batay sa mga panlasa, edukasyon, libangan at iba pang mga detalye. Tinutukoy ng website na ang mga profile na ito ay pinaka-malamang na maging isang mahusay na tugma sa isang partikular na profile at nagbibigay ng mga rekomendasyon nang naaayon.
Pag-aaral ng Kaso - Propesyonal na Networking Website
Suliranin: Ang mga propesyonal na website ng networking tulad ng LinkedIn ay nais na inirerekumenda ang pinaka-angkop na koneksyon at trabaho batay sa isang bilang ng mga parameter tulad ng profile, view ng koneksyon, pananaw ng profile at pagiging kasapi ng pangkat, na sumasalamin sa mga interes at kagustuhan.
Solusyon: Upang gawin ito, ang mga naturang website sa networking ay naglalakbay sa maraming mga layer ng koneksyon tulad ng mga koneksyon ng mga koneksyon ng mga koneksyon at iba pa. Pagkatapos, ang graph logic ay nakakahanap ng mga karaniwang propesyonal na interes, karera, mga profile ng trabaho, pagiging kasapi ng grupo at iba pang impormasyon at batay sa mga natuklasan, ay nagbibigay ng mga rekomendasyon sa parehong mga network at trabaho.
Mga Katotohanan at Mga figure mula sa Industriya
Ang mga katotohanan at mga numero na ibinigay sa ibaba ay nagpapakita kung magkano ang database ng graph na pinagtibay sa buong industriya:
- Higit sa 30 mga kumpanya ng Global 2000 na kinabibilangan ng Wal-Mart, eBay, Lufthansa, at Deutsche Telekom ay nagpatibay sa Neo4j, ang pinakasikat na graphic database, na nilikha ng Neo Technology.
- Ang tagamasid sa industriya ng DB-Engines ay ganito ang sasabihin tungkol sa pagiging popular at pag-aampon ng mga database ng graph, "Ang mga graphic DBMS ay nakakakuha ng katanyagan nang mas mabilis kaysa sa anumang iba pang kategorya ng database," dahil lumalaki ito sa halos 300 porsiyento mula noong Enero, 2013.
- Mula noong Mayo, 2013, maraming mga pangunahing mga site sa online na pakikipag-date ang nagsimulang mag-ampon ng mga database ng graph.
- Ang LinkedIn ay may isang malaking koponan na nagtatrabaho sa kanyang proprietary graph database system.
- lubos na nakasalalay sa isang database ng graph at inilabas din ang FlockDB, isang open-source graph database. (Para sa higit pa sa mga bukas na mapagkukunan na database, tingnan ang Bakit Bakit ang Mga Open-Source Databases ay Nakakuha ng Katanyagan.)
- Sa layuning gawing madaling magamit ang mga database ng mga graph para sa mga gumagamit ng negosyo, pinalabas ni Teradata ang isang bagong uri ng SQL na kilala bilang SQL-GR.
Konklusyon
Ang graph database ay kumakatawan sa isang bagong paraan ng pagtingin sa malaking data. Mayroong dalawang malinaw na benepisyo ng data ng graph:
- Ang mga sistema ng pamamahala ng database ng relasyon (RDBMS) ay hindi makapagproseso ng malaking dami ng data sa isang maikling panahon. Bilang karagdagan, hindi magagawang ayusin ang malaking dami ng data. Ang isang graph database ay maaaring tumawid sa anumang bilang ng mga relasyon sa pagitan ng mga entidad at ayusin ang impormasyon nang lohikal.
- Ang mga database ng graphic ay lubos na mabisa sa pagkuha ng mga nauugnay na impormasyon pagkatapos ng pagsabog ng ilang mga nilalang at relasyon. Tulad ng nakasaad nang mas maaga, maaari silang mag-query at ibalik ang napakahalagang pananaw na maaaring ipakita ng mga sistema ng BI sa isang paraan na madaling gamitin.
Tila isang oras lamang ito bago ang iba pang mga industriya na tumatalakay sa malaking halaga ng data tulad ng pagbabangko at pananalapi, mga parmasyutiko, pagtatanggol at katalinuhan ay gumagamit din ng mga database ng mga graphic. Sa katunayan, ang pagtuklas ng mga krimen at pagkilala sa pandaraya sa seguro sa tulong ng mga network, relasyon at mga nilalang na may data ng graph ay siguradong isang kawili-wiling gawain.