机缘

5月14日，亚马逊联合CSDN举办了第一次AWS-Build On活动，我有幸参加了，见识到了Neptune图数据库和基于图数据库的机器学习。下面是我的一些学习成果。

---

Neptune

什么是Neptune？

Amazon Neptune是一项快速、靠谱且可托管的图形数据库服务项目，可帮助您轻松构建和运作使用高度互联数据的一款应用程序。Amazon Neptune的亮点是专业构建性能卓越的图形数据库模块，它进行了优化，以储存数十亿个关系并将图形查询延迟降低到毫秒（ms）级。Amazon Neptune支持普通的图形实体模型Property Graph和W3C的RDF以及与之关联的查询语言 Apache Tinker Pop Gremlin和SPARQL，进而使您可以轻轻松松构建查询以合理有效地导航高度互联数据。Neptune适用图像使用案例，如建议引擎、欺诈检测、知识图谱、药品开发设计和网络信息安全。

Neptune有那些优点？

1.适用对外开放图形API

Amazon Neptune适用Gremlin和SPARQL的对外开放图普API，并为这种图形实体模型以及查询语言出示性能卓越。应用Amazon Neptune，您能够挑选特性图形实体模型以及开源系统查询语言Apache Tinker Pop Gremlin或W3C标准資源叙述架构(RDF)实体模型以及规范查询语言SPARQL。

2.性能卓越和高扩展性

Amazon Neptune是一个专业构建的性能卓越图形数据库。它对于解决图形查寻开展了提升。Neptune可在三个能用区域内适用数最多十五个低延迟时间载入团本，进而拓展载入容积并每秒钟实行超出十万个图形查寻。您能够依据要求转变轻轻松松拓展和变小数据库布署，包含从较小的案例种类到很大的案例种类。

3.高可用性和耐受性

AmazonNeptune具备高可用性、耐受性，而且合乎ACID(原子性、一致性、防护性、耐受性)。Neptune致力于提供超出99.99%的易用性。其分布式存储具备容错机制工作能力并能自身修补，致力于云而构建，能够跨三个能用区拷贝六个数据信息团本。Neptune会持续将您的备份数据到AmazonS3.并且以全透明方法从物理学储存常见故障中修复。针对高可用性，案例常见故障迁移一般只需不到三十秒。

4.高度安全性

Amazon Neptune为您的数据库提供多级别安全性维护，包含应用AmazonVPC开展互联网防护、适用终端设备连接点浏览的IAM身份认证、HTTPS数据加密的手机客户端联接、使用您根据AWSKeyManagementService(KMS)建立和操纵的密匙对静态进行数据加密。在数据加密的Neptune案例上，最底层储存中的数据信息会被数据加密，在同一个群集中一键备份、快照和副本也会被数据加密。

5.彻底托管

使用Amazon Neptune，您不用担忧硬件配置预设、手机软件修复、设定、配备或备份数据等数据库管理方法每日任务。Neptune会全自动不断地监控您的数据库，并将其备份数据到AmazonS3.因而可完成细致的时间点修复。您能够使用Amazon Cloud Watch监控数据库特性。

---

图数据库

什么是图？

把多个对象比作点，把对象之间的关系比作边，然后出现的一张有点和线的图形就是图，图可以表示对象之间的关系，如果一张图的边越多，说明对象之间的关系越复杂。

什么是图数据库？

图数据库是一种使用图结构进行存储和查询的数据库，其中节点和边用于对数据进行表示和存储。节点表示数据，边表示数据间的关系。
常用的图模型有2种，分别是属性图(Property Graph)和资源描述框架(RDF)

图数据库与传统关系型数据库有什么区别？

拿学生选课来举例
在关系型数据库中，我们一般需要建立学生信息表，学生和课程对应关系表，课程信息表。
那么要查询一个学生选了什么课程就需要分三步。

一：通过学生信息表找到学生对应的ID；
二：使用学生ID去学生和课程对应关系表中找到学生选课的课程ID；
三：使用课程ID在课程信息表中找到对应的课程名称等信息，如大数据，计算机，云计算。

第一步需要一次索引查找过程，第二步也需要一次索引查找，第三步需要n次索引查找。大学里有几万名学生，加入这个学生又是个学霸，选了很多很多的课，那么学生和课程对应关系表的记录会非常多，通过表与表之间的JOIN操作会带来大量系统性能的损耗，同时会消耗很多时间，查询效率比较低，有时甚至无法返回结果。所以说，这种情况使用关系型数据库不是不行，只是表形式不擅长描述数据之间的某些特定的复杂关系。

图数据库与关系型数据库的建模方式不同，所以在图数据库中查询就没那么复杂了。在图数据库中，学生和课程都在同一张图中，学生和n门课程都是节点，分别带有标签Student和Course，他们之间通过属性为选课的边建立关联关系。
查询过程如下：
一：通过在学生标签student上建立的索引来找到这个学生对应的节点；
二：再通过节点保存的标签为选课的边来找到对应的课程；
三：读取选课课程信息。

虽然图数据库的查询也是分为3步，但效率却大大提高。第一步和传统关系型数据库一样，第二步无需进行索引查找，直接可以通过节点获取，虽然节点存在不同标签的边，但跟学生和课程对应关系表的记录数肯定不是一个数量级的，尤其是在海量数据的情况下，图数据库表现出的性能更加优异，通过图数据库进行数据查询与分析的速度更快。

图数据库的优势

天然解释性：用户可以很自然的表达现实世界中的实体及其关联关系（对应图的顶点及边）。
高性能：图数据库在数据关联关系查询中具有更高的性能。传统关系型数据库多个表之间连接操作、外键约束，导致较大的额外开销。而图模型固有的数据索引结构，使得它的数据查询与分析速度更快。
灵活性：图数据灵活的数据模型可以适应不断变化的业务需求，任意添加或删除顶点、边，扩充或者缩小图模型这些都可以轻松实现。

---

总结

学习使我快乐！