当前位置： 首页 > news >正文

番禺网站建设哪里有,株洲网站建设网站运营,软件开发包括哪些,wordpress 转盘插件目录 图数据库为什么使用图数据库Amazon Neptune实践登陆创建 S3 存储桶notebook图神经网络快速构建加载数据配置端点Gremlin 查询删除环境删除 S3 存储桶 总结 图数据库 图数据库是一种专门用于存储和处理图形数据结构的数据库管理系统。图形数据结构由节点#xff08;NodeNode和边Edge组成节点代表实体边代表实体之间的关系。 图形数据库经过优化可以存储和查询数据项之间的关系。它们将数据项本身存储为图的顶点将它们之间的关系存储为边。每条边都有一种类型并且从一个顶点起点指向另一个顶点终点。关系可以称为谓词也可以称为边顶点有时也称为节点。在所谓的属性图中顶点和边都可以具有 与之关联的其他属性。比如下图是一个表示社交网络中的朋友和爱好的图表
为什么使用图数据库 在当今互联网飞速发展的背景下传统的关系型数据库在处理复杂关系操作时显得力不从心。然而图数据库通过存储数据和其相互关系大大提升了对数据节点和关系操作的效率。图数据库能够在线性时间复杂度内访问数据节点和关系甚至可以在一秒钟内遍历数百万级的关系边表现出显著的性能优势。所以图数据库的优势越发明显在开发过程中扮演着重要角色。 Amazon Neptune 亚马逊云科技产品Amazon Neptune 数据库是一个无服务器图形数据库旨在实现卓越的可扩展性和可用性。Neptune 数据库提供内置安全性、持续备份以及与其他 AWS 服务的集成。Neptune 全球数据库为全球分布式应用程序提供跨区域数据复制以实现低延迟读写、灾难恢复和可扩展性。其中Neptune具有优势极其显著具体如下 Neptune 支持图形用例例如推荐引擎、欺诈检测、知识图谱、药物发现和网络安全。 Neptune 数据库具有高可用性具有只读副本、时间点恢复、持续备份到 Amazon S3 以及跨可用区复制等功能。 Neptune 提供数据安全功能支持静态和动态加密。 Neptune 是完全托管的因此您不再需要担心数据库管理任务例如硬件配置、软件修补、设置、配置或备份。
实践 接下来我们来体验一波 登陆 首先需要打开亚马逊云科技官网注册登录。 创建 S3 存储桶 控制台搜索cloudshell 然后切换一下节点随便选择一个 接下来就可以创建 S3 存储桶了 cheetah-qing为自己的桶名需要自定义。创建完成之后需要创建堆栈 aws cloudformation create-stack –stack-name get-started-neptune-ml –template-url https://s3.amazonaws.com/ee-assets-prod-us-east-1/modules/4f0f18a83e6148e895b10d87d4d89068/v1/gcr-buildon-selfpace/gcr-buildon-neptune-ml-nested-stack.json –capabilities CAPABILITY_IAM –region us-east-1 –disable-rollback然后就需要等待服务启动。 notebook 在搜索栏输入neptune点击进入导航栏选择“笔记本” 紧接着点击右侧的“查看笔记本文档”。 注意倘若没有 notebook需确定地区是否选择正确其次确认后台服务是否都启动完成。 图神经网络快速构建 我们在上方已经打开笔记接着在控制台输入命令来检查集群是否已正确配置可以运行 Neptune ML。
加载数据 这里使用 Bulk Loader来加载数据通过编写脚本可以实现自动执行从MovieLens网站下载数据调整数据格式并将数据载入Neptune的全过程。 s3_bucket_uris3://cheetah-qing

remove trailing slashes

s3_bucket_uri s3_bucket_uri[:-1] if s3_bucket_uri.endswith(/) else s3_bucket_uri执行response neptune_ml.prepare_movielens_data(s3_bucket_uri)命令即可下载 MovieLens 数据并将其调整为可被 Neptune 的 Bulk Loader 兼容的格式。 结果如下 Completed Processing, data is ready for loading us ing the s3 url below: s3://cheetah-qing/neptune-formatted/movielens-100k操作完成后执行下面代码加载数据 %load -s {response} -f csv -p OVERSUBSCRIBE –run配置端点 执行命令来创建端点并获取到推理端点的端点名称。 setup_node_classificationTrue setup_node_regressionTrue setup_link_predictionTrue setup_edge_classificationTrue setup_edge_regressionTrueendpointsneptune_ml.setup_pretrained_endpoints(s3_bucket_uri, setup_node_classification, setup_node_regression, setup_link_prediction, setup_edge_classification, setup_edge_regression)node_classification_endpointendpoints[node_classification_endpoint_name][EndpointName] node_regression_endpointendpoints[node_regression_endpoint_name][EndpointName] link_prediction_endpointendpoints[prediction_endpoint_name][EndpointName] edge_classification_endpointendpoints[edge_classification_endpoint_name][EndpointName] edge_regression_endpointendpoints[edge_regression_endpoint_name][EndpointName] Gremlin 查询 先执行下面代码来验证图谱中Forrest Gump 这个 movie 的 genre 不包含任何 genre 值
接下来我们修改这个查询。首先指定要在 Gremlin查询中使用的推理端点g.with(Neptune#ml.endpoint,INSERT ENDPOINT NAME)然后指定我们想要获取该属性的预测值with(Neptune#ml.classification)。将这些内容结合在一起就可以得到下方的查询该查询可通过我们的产品知识图谱 Forrest Gump 的 genre。执行下面命令 %%gremlin g.with(Neptune#ml.endpoint,${node_classification_endpoint}).V().has(title, Forrest Gump (1994)).properties(genre).with(Neptune#ml.classification).value() 结果如下 查看结果可知预测结果似乎是正确的Forrest 似乎被正确预测为 Drama 类型。 删除环境 如果不需要这个服务就把它删除掉防止持续扣费。
删除 S3 存储桶 选择 cloudshell执行aws s3 rb s3://cheetah-qing –force删除 S3 存储桶。
总结 Amazon Neptune 是一种高性能、可扩展且完全托管的图数据库服务具有许多优势使其在处理复杂关系数据时非常有效。 快速开发和部署Neptune 提供灵活的开发和部署环境支持快速原型设计和部署减少开发时间和成本。Neptune 无缝集成 AWS 的其他服务如 AWS Lambda、Amazon CloudWatch、Amazon S3 等便于构建复杂的应用程序和数据管道。全球部署通过 Amazon Neptune 全球部署选项可以在全球多个区域快速部署和访问图数据库实现低延迟和高可用性。高性能Neptune 设计用于快速、低延迟的图查询能够高效处理包含数十亿个关系和节点的图数据。其优化的存储引擎和查询引擎能提供快速的图遍历和查询性能。完全托管作为 AWS 的托管服务Amazon Neptune 减少了用户管理数据库基础设施的负担。AWS 负责软件更新、补丁管理、备份和恢复等操作使用户可以专注于应用开发。 当然Amazon Neptune 还有很多操作期待在以后的使用过程中继续挖掘