Amazon Neptune

Amazon Neptune 入门

概览

图形数据库，例如亚马逊海王星数据库和亚马逊海王星分析，是专门为存储和浏览关系而构建的。在社交网络、推荐引擎和欺诈检测之类使用案例中，您需要在数据之间创建复杂关系并快速查询这些关系，此时，图形数据库将比关系数据库更具优势。Amazon Neptune 使用节点（数据实体）、边缘（关系）和属性等图形结构来表示和存储数据。这些关系存储为数据模型的一等公民。这样，系统便可直接关联节点中的数据，从而显著提高导航数据中关系的查询的性能。

Amazon Neptune 数据库入门

如果您已在图形模型中拥有自己的数据，则可以很轻松地上手 Amazon Neptune 数据库。您可以加载 CSV 或 RDF 格式的数据，并通过 Apache TinkerPop Gremlin、SPARQL 或 openCypher 编写图形查询。您可以参考入门文档，也可以通过以下链接查看 AWS 在线技术讲座。我们还整合了海王星数据库的最佳实践。

Amazon Neptune Analytics 入门

使用 AWS 管理控制台或 CDK、SDK 或 CLI 创建图形，您只需通过几个步骤即可上手 Neptune Analytics。AWS CloudFormation 支持即将推出。您可以从 Amazon S3 存储桶或 Neptune 数据库中的数据将图形加载到 Neptune Analytics 中。您可以使用 openCypher 查询语言直接从图形应用程序向 Neptune Analytics 中的图表发送请求。您还可以从 Jupyter 笔记本连接到 Neptune Analytics 中的图形，以运行查询和图形算法。分析查询的结果可以写回 Neptune Analytics 图形以提供传入查询，也可以存储在 S3 中以供进一步处理。Neptune Analytics 支持与开源 LangChain 库集成，以处理由大型语言模型支持的现有应用程序。

Amazon Neptune ML 入门

要开始使用 Neptune ML，请参阅这篇博客文章，其中介绍了了入门工作流程的步骤，包括以下内容：

设置测试环境
启动节点分类笔记本示例
将示例数据加载到集群中
导出图形
进行 ML 训练
使用 Neptune ML 运行 Gremlin 查询

图形可视化入门

您可以使用 Neptune 笔记本电脑或 Grap h Explorer 来可视化您的图表数据。如果您不熟悉图形数据库和查询语言，或者想在不编写查询的情况下浏览图形数据，我们建议从 Graph Explorer 开始。您可以使用 AWS 管理控制台通过几个步骤开始使用 Graph Explorer。用户必须有权通过新的或现有的 IAM 角色读取 Neptune 数据，才能使用 Graph Explorer。Graph Explorer 项目在 GitHub 上可用，G raph Explorer 可在所有提供 Neptune 工作台的 AWS 区域中使用。

如果您熟悉图形查询语言或在笔记本环境中运行图形工作负载，则可以从 Neptune 笔记本开始。Neptune 在 GitHub 上的开源 Neptune 图形笔记本项目和 Neptune 工作台中提供 Jupyter 和 JupyterLab 笔记本。这些笔记本在交互式编码环境中提供示例应用程序教程和代码段，您可以在该环境中学习图形技术和 Neptune。

Neptune 笔记本既可以可视化查询结果，又可以为应用程序开发和测试提供类似 IDE 的界面，还可以将 Neptune 笔记本电脑与其他 Neptune 功能（例如，Neptune Streams 和 Neptune ML）一起使用。此外，每个 Neptune 笔记本都有一个 Graph Explorer 端点。您可以在 Amazon Neptune 控制台中找到用于在每个笔记本实例上打开 Graph Explorer 的链接。