מבוא ל-BigQuery Graph

בעזרת BigQuery Graph אתם יכולים להשתמש ביכולות הניתוח של BigQuery כדי לבצע ניתוח גרפים בקנה מידה גדול. כשממפים את הנתונים כתרשים עם צמתים וקצוות, אפשר להשתמש ב-Graph Query Language‏ (GQL) כדי למצוא קשרים מורכבים ונסתרים בין נקודות על הגרף, שקשה למצוא באמצעות SQL.

אתם יכולים ליצור טבלאות של צמתים וקצוות ישירות מטבלאות או מתצוגות שבהן מאוחסנות ישויות וקשרים בין ישויות. אתם לא צריכים לשנות את תהליכי העבודה הקיימים או לשכפל את הנתונים כדי להשתמש בהם בשאילתות של תרשימים.

‫BigQuery Graph תומך בממשק שאילתות תרשים שתואם לתקן ISO GQL ולתקן ISO Property Graph Queries ‏(SQL/PGQ). כך אתם יכולים לשלב בין מודלים יחסיים ומודלים של תרשימים, על ידי שילוב של יכולות SQL מבוססות עם יכולת הביטוי של התאמת דפוסים בתרשימים.

היתרונות של BigQuery Graph

גרפים הם דרך טבעית לייצג קשרים בנתונים. מסדי נתונים של גרפים משמשים לזיהוי הונאות, המלצות, זיהוי קהילות, Knowledge Graph, פרופילים של לקוחות, קיטלוג נתונים ומעקב אחר שושלת נתונים.

כשהנתונים של התרשים מיוצגים כטבלאות, צריך לבצע self-join או recursive join כדי לעבור על הנתונים. הבעת לוגיקה של מעבר בתרשים ב-SQL מובילה לשאילתות מורכבות שקשה לכתוב, לתחזק ולנפות באגים. ‫BigQuery Graph מאפשר לכם לנווט בין קשרים ולזהות דפוסים בנתוני התרשים בצורה אינטואיטיבית יותר.

יכולות עיקריות

  • חוויית גרף מובנית. ממשק ISO GQL מציע חוויית גרף מוכרת וייעודית שמבוססת על תקנים פתוחים.

  • גרף וטבלה רלציונית מאוחדים. יכולת פעולה הדדית מלאה בין שאילתות גרף לבין SQL מפרקת את סילו הנתונים ומאפשרת לכם לבחור את הכלי האופטימלי לכל תרחיש לדוגמה, בלי עומס תפעולי של חילוץ, טרנספורמציה וטעינה (ETL).

  • יכולות חיפוש מובנות. יכולות חיפוש וקטורי עשיר וחיפוש טקסט מלא משתלבות עם הגרף, ומאפשרות לכם להשתמש במשמעות סמנטית ובמילות מפתח בניתוח הגרף.

  • המחשה באמצעות תרשים. תוצאות השאילתות מוצגות בפורמט של תרשים ויזואלי, שמאפשר לחקור, לבדוק ולהסביר את הנתונים בקלות.

  • ביצועים ויכולת התאמה לעומס. עומסי העבודה של הגרפים מופעלים על ידי מנוע הניתוח המבוזר, החסכוני והניתן להתאמה של BigQuery.

  • שילוב עם Spanner Graph. ל-BigQuery Graph ול-Spanner Graph יש את אותה סכימת גרף ואותה שפת שאילתות. אתם יכולים להריץ עומסי עבודה תפעוליים של גרפים ב-Spanner ולהריץ ניתוח גרפים מורכב ב-BigQuery בלי לשנות את המודל של הנתונים או לתרגם את השאילתות.

  • שאילתות בשפה טבעית. לשאול שאלות על התרשים באמצעות ניתוח נתונים באמצעות שיחה. הסוכנים יכולים לכתוב שאילתות SQL ו-GQL ולהציג את הפלט באופן חזותי. הסוכנים יכולים גם להשתמש בתיאורים, במילים נרדפות ובמדדים שמוגדרים בתרשים כדי לשפר את איכות התוצאות. כדי לנסות לשוחח בצ'אט עם סוכן לגבי תרשים, השתמשו בסוכן לדוגמה Look Graph ב-BigQuery בדף Agents כדי לשאול שאלות לגבי התרשים bigquery-public-data.thelook_ecommerce.graph.

תרחישים לדוגמה

אתם יכולים להשתמש ב-BigQuery Graph כדי ליצור סוגים רבים של עומסי עבודה של ניתוח גרפים, כולל:

  • זיהוי הונאות פיננסיות. לנתח קשרים מורכבים בין משתמשים, חשבונות ועסקאות כדי לזהות דפוסים חשודים וחריגות, כמו הלבנת הון וקשרים לא תקינים בין ישויות, שקשה לזהות באמצעות מסדי נתונים רלציוניים.

  • פרופילים של לקוחות. מעקב אחרי קשרי לקוחות, העדפות והיסטוריית רכישות. הבנה הוליסטית של כל לקוח כדי לאפשר המלצות מותאמות אישית, קמפיינים שיווקיים ממוקדים וחוויות משופרות של שירות לקוחות.

  • רשתות חברתיות. תיעוד פעילויות ואינטראקציות של משתמשים ושימוש בהתאמת דפוסים בגרף כדי להמליץ על חברים ולגלות תוכן.

  • ניהול הייצור ושרשרת האספקה. שימוש בתבניות של תרשימים לניתוח יעיל של ההשפעה, סיכום עלויות ובדיקות תאימות, על ידי מידול של חלקים, ספקים, הזמנות, זמינות ופגמים בתרשים.

  • שירותי בריאות. תיעוד קשרים בין מטופלים, מצבים רפואיים, אבחונים וטיפולים כדי לאפשר ניתוח של דמיון בין מטופלים ותכנון טיפולים.

  • תחבורה. אפשר ליצור מודל של מקומות, קשרים, מרחקים ועלויות בתרשים, ואז להשתמש בשאילתות של התרשים כדי למצוא את המסלול האופטימלי.

מדריכים

במדריכים הבאים מוסבר איך להשתמש ב-BigQuery Graph בתרחישים שונים:

תמחור

כדי להריץ שאילתות GQL, אתם צריכים להשתמש בתמחור על פי דרישה או בהזמנה שמשתמשת במהדורת Enterprise או Enterprise Plus.

אחסון

אתם מחויבים רק פעם אחת על האחסון של הטבלאות הבסיסיות שמשמשות להגדרת התרשימים. עלויות האחסון הן בהתאם לתמחור האחסון הרגיל ב-BigQuery (אחסון פעיל או לטווח ארוך), בלי קשר למספר המודלים של תרשימים שנבנו על גבי הטבלאות האלה.

המאמרים הבאים