מבוא ל-BigQuery Graph

‫BigQuery Graph מאפשר לכם להשתמש ביכולות הניתוח של BigQuery כדי לבצע ניתוח גרפים בקנה מידה גדול. כשמגדירים מודל של הנתונים כגרף עם צמתים וקשתות, אפשר להשתמש ב-Graph Query Language ‏ (GQL) כדי למצוא קשרים מורכבים ומוסתרים בין נקודות נתונים, שיהיה קשה למצוא באמצעות SQL.

אפשר ליצור טבלאות של צמתים וקשתות ישירות מטבלאות או מתצוגות שמאחסנות ישויות ויחסים בין ישויות. כדי להשתמש בנתונים בשאילתות גרף, לא צריך לשנות את תהליכי העבודה הקיימים או לשכפל את הנתונים.

‫BigQuery Graph תומך בממשק שאילתות גרף שתואם לתקן ISO GQL ולתקן ISO Property Graph Queries (SQL/PGQ). השילוב הזה מאפשר פעולה הדדית בין מודלים יחסיים ומודלים של גרפים, כי הוא משלב בין היכולות המוכרות של SQL לבין היכולות של התאמת תבניות גרף.

היתרונות של BigQuery Graph

גרפים הם דרך טבעית לייצג קשרים בנתונים. מסדי נתונים של גרפים משמשים לזיהוי הונאות, להמלצות, לזיהוי קהילות, לגרפים של ידע, לפרופילים של לקוחות, לקטלוג נתונים ולמעקב אחר מקורות נתונים.

כשנתוני הגרף מיוצגים כטבלאות, צריך לבצע הצטרפויות עצמיות או הצטרפויות רקורסיביות כדי לעבור על הנתונים. הבעת לוגיקה של מעבר בין צמתים בתרשים ב-SQL מובילה לשאילתות מורכבות שקשה לכתוב, לתחזק ולנפות בהן באגים. ‫BigQuery Graph מאפשר לכם לנווט בין קשרים ולזהות דפוסים בנתוני התרשים בצורה אינטואיטיבית יותר.

יכולות מרכזיות

  • חוויית משתמש מובנית בתרשימים. ממשק ה-ISO GQL מציע חוויית גרף מוכרת, שנוצרה במיוחד ומבוססת על תקנים פתוחים.

  • מערכת יחסים מאוחדת וגרף. יכולת פעולה הדדית מלאה בין שאילתות גרף לבין SQL מאפשרת לכם לבחור את הכלי האופטימלי לכל תרחיש שימוש, בלי עומס תפעולי של חילוץ, טרנספורמציה וטעינה (ETL).

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

  • תצוגה חזותית של גרף. תוצאות של שאילתות גרף מוצגות בפורמט גרפי מושך, שמקל מאוד על חקר הנתונים, בדיקה שלהם והסבר שלהם.

  • ביצועים וגמישות. עומסי עבודה של גרפים 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 ואת אותה שפת שאילתות. אתם יכולים להריץ עומסי עבודה של גרפים תפעוליים ב-Spanner ולהריץ ניתוחים מורכבים של גרפים ב-BigQuery בלי שתצטרכו לשנות את מודל הנתונים או לתרגם את השאילתות.

  • שאילתה באמצעות שפה טבעית. אפשר לשאול שאלות על הגרף באמצעות ניתוח נתונים בשיחה. סוכנים יכולים לכתוב שאילתות SQL ו-GQL ולספק ויזואליזציות של הפלט. הסוכנים יכולים גם להשתמש בתיאורים, במילים נרדפות ובמדדים שמוגדרים בתרשים כדי לשפר את איכות התוצאות. כדי לנסות לשוחח עם סוכן לגבי תרשים, אפשר להשתמש בסוכן לדוגמה Look Graph ב-BigQuery בדף הסוכנים כדי לשאול שאלות לגבי התרשים bigquery-public-data.thelook_ecommerce.graph.

תרחישים לדוגמה

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

  • זיהוי הונאות פיננסיות. ניתוח קשרים מורכבים בין משתמשים, חשבונות ועסקאות כדי לזהות דפוסים חריגים ואנומליות, כמו הלבנת הון וקשרים לא סדירים בין ישויות. קשה לזהות את הדפוסים והאנומליות האלה באמצעות מסדי נתונים רלציוניים.

  • פרופילים של לקוחות. מעקב אחרי קשרי לקוחות, העדפות והיסטוריית רכישות. הבנה מקיפה של כל לקוח מאפשרת לספק המלצות מותאמות אישית, להפעיל קמפיינים שיווקיים ממוקדים ולשפר את חוויית שירות הלקוחות.

  • רשתות חברתיות. תיעוד של פעילויות ואינטראקציות של משתמשים ושימוש בהתאמת דפוסי גרפים להמלצות על חברים ולגילוי תוכן.

  • ניהול ייצור ושרשרת אספקה. אפשר להשתמש בדפוסי גרפים לניתוח השפעה יעיל, לסיכום עלויות ולבדיקות תאימות, על ידי יצירת מודלים של חלקים, ספקים, הזמנות, זמינות ופגמים בגרף.

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

  • תחבורה. המודל מתבסס על מקומות, חיבורים, מרחקים ועלויות בתרשים, ואז משתמש בשאילתות בתרשים כדי למצוא את המסלול האופטימלי.

מדריכים

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

תמחור

‫BigQuery Graph משתמש במודל התמחור מבוסס הקיבולת של BigQuery כדי לוודא שאתם משלמים רק על מה שאתם משתמשים בו במחשוב ובאחסון.

Compute

כדי להריץ שאילתות GQL, צריך להזמין מהדורות Enterprise או Enterprise Plus. אם אתם משתמשים בתמחור על פי דרישה, אתם יכולים להפעיל את הפונקציה GRAPH_EXPAND כדי להריץ שאילתות SQL בתרשים. שאילתות גרף משתמשות בתמחור של קיבולת מחשוב ב-BigQuery שנמדדת ביחידות קיבולת (Slot).

אחסון

החיוב מתבצע רק פעם אחת על אחסון הטבלאות הבסיסיות שמשמשות להגדרת הגרפים. עלויות האחסון הן בהתאם לתמחור האחסון הרגיל ב-BigQuery (אחסון פעיל או אחסון לטווח ארוך), ללא קשר למספר המודלים של הגרפים שנבנו על בסיס הטבלאות האלה.

המאמרים הבאים