Amazon Neptune 资源
文档
以下文档链接提供了 Neptune 数据库和 Neptune Analytics 的文档：
视频
#GraphThat 视频系列
Amazon Neptune #GraphThat 系列第 1 集 — Amtrak 网络
Amazon Neptune #GraphThat 系列第 2 集 — 软件物料清单
Re:invent 2023
AWS re:Invent 2023 — 用于获取扩展性、可用性和洞察力的 Amazon Neptune 架构（DAT406）
AWS re:Invent 2023 — 深入探索 Amazon Neptune Analytics 分析数据库引擎及其生成式人工智能功能（DAT325）
AWS re:Invent 2023 — Amazon Neptune Analytics 分析数据库引擎：适用于图形分析和生成式人工智能的新功能（DAT208）
Twitch 讲座
其他
Amazon Neptune：使用 LLM 和 LangChain 简化图形查询
使用 Amazon Neptune 的安全图
网络天才：使用 Graph ML 和生成式人工智能改变运营
课程
AWS 参考架构
我们已发布使用 Amazon Neptune 的 AWS 参考架构，以帮助您了解有关图形数据模型和查询语言的选项，并提供参考部署架构。
开源项目和示例
视频
客户案例
Accenture：石油和天然气行业的自然语言处理和图形数据库（6:23）
Nike：使用 Amazon Neptune 的大规模社交图表（7:00）
AWS re:Invent 2020：构建后 cookie 身份图景以进行营销（30:48）
AWS re:Invent 2020：ADP 的下一代平台使用 Amazon Neptune 为动态团队提供支持（26:02）
AWS re:Invent 2019：使用 Amazon Neptune 的真实客户用例（30:25）
AWS re:Invent 2018：使用 Amazon Neptune 构建耐克的社交图景（53:46）
AWS re:Invent 2018：采用 Amazon Neptune 的数据和分析：医疗账单研究（48:49）
AWS re:Invent 2017：Amazon Neptune 概述和客户使用案例（1:00:56）
AWS re:Invent 2022
AWS re:Invent 2022 — 深入探究 Amazon Neptune 无服务器（53:04）
2022 年春秋 AWS 峰会 - Amazon Neptune：使用图表获得安全见解（56:43）
AWS re:Invent 2021 — 图形数据库的真实用例（31:25）
AWS re:Invent 2020
AWS re:Invent 2020：深入探究 Amazon Neptune（29:50）
AWS re:Invent 2020：使用 Amazon Neptune 快速构建图形应用程序的新功能（26:54）
AWS 技术讲座
AWS on Air 2020：AWS 新功能Amazon Neptune ML（24:05）
使用 AWS 专用数据库构建事件驱动图形应用程序（48:03）
通过图形数据库了解游戏变更和玩家行为（50:21）
AWS DMS 支持将数据从关系数据库复制到 Amazon Neptune（1:02:34）
Amazon Neptune：为高度互连的数据集构建应用程序（32:33）
2018 年 AWS 特拉维夫峰会：Amazon Neptune 和图形数据库如何实现您的业务转型（38:39）
AWS re:Invent 2018：我如何知道我需要 Amazon Neptune 图形数据库？ （46:12）
客户案例研究
-
Audible for Business
图形数据库可为我们提供比关系系统更好的灵活性。我们可能需要 [在关系模型中] 执行许多表连接工作，这会导致我们的许多业务逻辑出现高延迟。图形数据库非常适合我们的使用情形。Amazon Neptune 解决了我们想要解决的问题。
Audible for Business 软件工程师 Mayank Gupta -
Siemens
阅读案例研究 »Metaphactory 和 Amazon Neptune 使 Siemens Energy 能够构建涡轮知识图，并将整个气轮机组的相似零件之间的连接可视化。托管图形数据库服务 Amazon Neptune 非常适合由 Siemens Energy IT 主导的云优先策略，该策略专注于可靠性、可扩展性，可减少维护并与他们在 Amazon Web Services (AWS) 上的现有平台集成。
-
Zerobase
我们选择 Neptune 是因为它是一个功能强大的图形数据库，它具有安全性高、性能好且可帮助开展分析等特点。在我们的 [接触跟踪] 模型中，每个用户节点都连接到一个设备节点。当设备签入某个位置时，该设备与可扫描码（二维码）之间会形成一条边，该边与特定站点（实体商店）和相关组织（公司实体）相关联。Neptune 允许我们存储用户、签入和位置之间的这些丰富关系，以获取有关病毒传播的信息。
Zerobase 创始人之一 Aron Szanto -
ADP
除了数据库级加密之外，我们还喜欢使用应用程序级加密。我们使用 Amazon Neptune 时，数据在到达数据库之前已经加密，然后在静止时再次加密。
ADP Next Gen HCM 首席架构师 Zaid Masud
