Vad är en grafdatabas?

Graph-databaser är ett kraftfullt sätt att modellera och fråga efter anslutna data. Till skillnad från traditionella relationsdatabaser som lagrar data i tabeller representerar grafdatabaser information som noder (entiteter) och kanter (relationer), vilket gör det enklare att mer flexibelt utforska komplexa anslutningar och mönster. Den här artikeln beskriver huvudbegreppen för grafdatabaser, hur graffrågor fungerar och beskriver när du ska överväga att använda en grafdatabas för din arbetsbelastning. Den jämför även grafen i Microsoft Fabric med fristående grafdatabasdistributioner.

Den vanligaste typen av grafdatabas implementerar lpg-modellen ( labeled property graph ): entiteter (noder) och relationer (kanter) kan ha etiketter och egenskaper (nyckel/värde-par). Den här flexibla modellen möjliggör både schema-valfria och schemadrivna design, och det gör att du kan uttrycka omfattande semantik. Eftersom anslutningar lagras explicit som kanter navigerar frågor genom relationer genom att följa kanter i stället för att beräkna dyra sammanfogningar när frågor ställs.

Grundläggande begrepp för Graph Database

• Noder representerar entiteter som personer, produkter eller platser. Noder kan ha etiketter och egenskaper som beskriver deras attribut. En personnod kan till exempel ha egenskaper som firstName, lastName och age.
• Kanter representerar hur entiteterna är anslutna, till exempel FRIENDS_WITH, PURCHASED eller LOCATED_IN. Kanter kan också innehålla egenskaper och etiketter för att koda relationsmetadata.
• Egenskaper kopplar information till noder och kanter (till exempel en persons namn eller en kants sedan datum). Eftersom relationer lagras explicit som kanter navigerar frågorna i diagrammet genom att följa anslutningar i stället för att beräkna dem vid frågetillfället.

Så här fungerar frågehantering mot relationer

Graf-frågor hämtar ansluten information genom att gå från en startnod till dess grannar, sedan deras grannar och så vidare. Den ansträngning som en bläddering utför är kopplad till det antal kanter som den berör (det lokala grannskapet), inte datamängdens totala storlek. Denna egenskap gör det naturligt och effektivt att ställa frågor om vägar, anslutningar och mönster – så som vänners vänner, kortaste vägar eller beroenden i flerstegsförlopp.

Graph-databaser använder mönsterbaserade frågespråk, till exempel det alltmer använda Graph Query Language (GQL) för att beskriva dessa blädderingar kortfattat. Samma internationella arbetsgrupp som övervakar SQL (ISO/IEC 39075) standardiserar GQL, som justerar graffrågor med etablerade databasstandarder.

Exempel (mönstermatchning med GQL):

MATCH (p:Person {firstName: "Annemarie"})-[:knows]->(friend)-[:likes]->(c:Comment)
RETURN c
ORDER BY c.creationDate
LIMIT 100

Det här mönstret ser ut så här: börja vid Person noden för Annemarie och följ via :knows kanterna till varje vän-nod, och följ sedan :likes kanter till relaterade :Comment noder. Returnera de 100 nyaste kommentarerna sorterade efter deras skapandedatum.

Modellering och schema

Diagramdatamodeller är schemaval: du kan arbeta med ett fast schema när du behöver stark styrning eller utveckla modellen när nya nodtyper, relationer eller egenskaper visas. Den här metoden minskar behovet av dataduplicering och gör att teamen kan förena data från flera källor utan omfattande omdesign i förväg.

Vanliga användningsområden för grafdatabaser

Graph-databaser ligger nära domäner där anslutningar driver värde, till exempel:

• Sociala nätverk
• Kunskapsdiagram
• Rekommendationssystem
• Bedrägeri- och risknätverk
• Nätverks- och IT-topologi
• Analys av beroenden i leveranskedjan

I dessa scenarier handlar frågor mindre om enskilda poster och mer om hur många entiteter som har samband och interagerar över flera steg.

När du ska överväga en grafdatabas

Välj en grafdatabas när:

• Dina primära frågor omfattar sökvägar, stadsdelar och mönster i anslutna data.
• Antalet hopp är variabelt eller inte känt i förväg.
• Du måste kombinera och navigera relationer mellan olika datauppsättningar.

Om du regelbundet ställer den här typen av frågor är en grafmodell en naturlig passform.

Hur grafen i Microsoft Fabric jämförs med fristående grafdatabaser

Att representera dina data som ett diagram och lagra dem i en separat, fristående grafdatabas introducerar ofta ETL (extrahering, transformering, inläsning) och styrningskostnader. Grafen fungerar däremot direkt på OneLake, vilket minskar eller eliminerar behovet av separata ETL-pipelines och dataduplicering. Tänk på dessa kompromisser:

• Dataförflyttning och duplicering: Fristående grafdatabaser kräver vanligtvis extrahering, transformering och inläsning av data till ett separat lager, vilket ökar komplexiteten och kan leda till duplicerade datamängder. Graph fungerar på OneLake så att du kan modellera och köra frågor mot anslutna data utan att flytta dem.
• Driftskostnader: Fristående grafstackar körs som separata kluster eller tjänster och medför ofta avgifter för inaktiv kapacitet. I grafen använder arbetslaster poolade kapacitetsenheter (CUs) med automatisk nedskalning och centraliserade måttdata, vilket förenklar driften och kan sänka kostnaderna.
• Skalbarhet: Vissa fristående grafdatabaser är beroende av uppskalning eller leverantörsspecifik klustring. Graph är utformat för storskaliga grafer och använder skalbar horisontell partitionering över flera arbetare för att effektivt hantera stordataarbetsbelastningar.
• Verktyg och färdigheter: Leverantörsspecifika grafsystem kan kräva specialiserade språk och separata analysramverk. Graph tillhandahåller enhetlig modellering, standardbaserad frågekörning (GQL), inbyggda grafanalysalgoritmer, BI- och AI-integrering samt utforskande verktyg med låg/ingen kod. Med de här funktionerna kan en bredare uppsättning användare arbeta med anslutna data.
• Styrning och säkerhet: Separata diagramdistributioner behöver oberoende styrnings- och säkerhetsinställningar. Graph använder OneLake-styrning, ursprungsdata och arbetsytans rollbaserad åtkomstkontroll (RBAC) för att säkerställa att efterlevnad, granskning och behörigheter förblir konsekventa med resten av din Fabric-miljö.

Relaterat innehåll

• Jämföra diagram- och relationsdatabaser
• Try Microsoft Fabric kostnadsfritt