Del via

Merkede egenskapsgrafer i graf i Microsoft Fabric

Note

Denne funksjonen er for øyeblikket i offentlig forhåndsversjon. Denne forhåndsvisningen leveres uten en tjenesteavtale, og anbefales ikke for produksjonsarbeidsbelastninger. Enkelte funksjoner støttes kanskje ikke eller kan ha begrensede funksjoner. For mer informasjon, se Supplemental Terms of Use for Microsoft Azure Previews.

Denne artikkelen introduserer Labeled Property Graph (LPG)-modellen, som er datamodellen brukt av grafer i Microsoft Fabric. LPG gir praktiske fordeler for analyse og sammenkoblede data i graf.

Viktig!

grafen støtter kun LPG-modellen. Resource Description Framework (RDF) støttes ikke.

Merket egenskapsgraf (LPG)

Mange populære grafdatabaser bruker LPG-datamodellen, inkludert graf. I en LPG:

  • Du representerer data som noder og kanter, som også noen ganger kalles hjørner og relasjoner, henholdsvis.
  • Du klassifiserer noder (som Person eller Produkt) og kanter (som FRIENDS_WITH eller KJØPT) med etiketter.
  • Både noder og kanter kan ha egenskaper – nøkkel-verdi-par som lagrer mer data (for eksempel {name: "Alice", age: 30} for en node, {since: 2020} for en kant).

LPG-er krever ikke globale identifikatorer (IRI/URI) for hver node eller kant. I stedet bruker de interne eller applikasjonsnivå-identifikatorer. Applikasjonen din definerer betydningen av etiketter, noe som gjør LPG-er enkle og utviklervennlige. Egenskapsgraftilnærmingen ble født ut av et behov for effektive, navigerbare datastrukturer for tilkoblede data, med fokus på rask grafgjennomgang og spørringsytelse for operasjonell analyse (for eksempel anbefalingsmotorer, svindeldeteksjon, forsyningskjedeanalyse).

Hva med Resource Description Framework (RDF)?

RDF er en W3C-standardisert modell for å representere informasjon som subjekt-predikat-objekt-trippeler. Det brukes ofte for semantiske web- og kunnskapsgrafscenarier. RDF utmerker seg med interoperabilitet, dataintegrasjon og formell resonnement med ontologier. Men graph støtter ikke RDF.

Hvis brukstilfellet krever semantiske nettstandarder, semantiske nettontologier eller global dataintegrering, må du kanskje vurdere andre plattformer som støtter RDF. For de fleste bedriftsanalyser, operasjonelle grafarbeidsbelastninger og forretningsintelligensscenarier, bruk LPG, som er den anbefalte og støttede modellen i graf.

Viktige fordeler med LPG

For de fleste kunder gir LPG den beste balansen mellom ytelse, brukervennlighet og integrasjon for tilkoblet dataanalyse i Microsoft Fabric.

  • Enkelhet og intuitivitet: Noder og kanter er tett knyttet til hvordan folk tenker på nettverk. Det er mindre kompleksitet enn RDF. Du trenger ikke å definere ontologier eller administrere globale identifikatorer.
  • Egenskaper på kanter: Du kan enkelt modellere vektede, tidsmessige eller merkede relasjoner. Denne funksjonen støtter avansert analyse som anbefalinger og svindeldeteksjon.
  • Ytelse og lagringseffektivitet: Grafdatabaser som bruker LPG-modellen, lagrer data kompakt og muliggjør rask gjennomgang, selv for store, komplekse grafer.
  • Fleksibelt skjema: Du kan utvikle grafmodellen etter hvert som forretningsbehovene endres, uten rigide begrensninger.
  • Integrasjon med Fabric: Bruken av LPG-er via graf er dypt integrert med OneLake og Power BI, noe som muliggjør sømløs analyse og visualisering.

Beslektet innhold

  • Last updated on