Amazon Neptune の開始方法
概要
Amazon Neptune Database や Amazon Neptune Analytics などのグラフデータベースは、リレーションシップの保存とナビゲーションを目的として構築されています。グラフデータベースは、ソーシャルネットワーキング、レコメンデーションエンジン、不正検出など、データ間の複雑なリレーションシップを作成し、そのリレーションシップに対してすばやくクエリを実行する必要があるユースケースで、リレーショナルデータベースよりも優れた威力を発揮します。 Amazon Neptune では、ノード (データエンティティ)、エッジ (リレーションシップ)、プロパティなどのグラフ構造を使用して、データを表現および保存します。リレーションシップは、データモデルの第一要素として保存されます。これにより、ノードのデータを直接リンクできるため、データのリレーションシップをナビゲートするクエリのパフォーマンスが大幅に向上します。
Amazon Neptune Database の開始方法
既にグラフモデルのデータがある場合、Amazon Neptune Database を始めるのは簡単です。CSV または RDF 形式でデータを読み込み、Apache TinkerPop Gremlin、SPARQL または openCypher を使用してグラフクエリの作成を開始できます。入門ドキュメント、または以下のリンクから AWS Online Tech Talk をご覧ください。Amazon Neptune Database のベストプラクティスについてもまとめています。
Amazon Neptune Analytics の開始方法
AWS マネジメントコンソール、または CDK、SDK、または CLI を使用してグラフを作成することで、Neptune Analytics を数ステップで使い始めることができます。AWS CloudFormation のサポートは近日中に提供が開始されます。 Amazon S3 バケット内のデータまたは Neptune データベースから Neptune Analytics にグラフをロードできます。openCypher クエリ言語を使用して、グラフアプリケーションから Neptune Analytics のグラフにリクエストを直接送信できます。Jupyter Notebook から Neptune Analytics のグラフに接続して、クエリやグラフアルゴリズムを実行することもできます。分析クエリの結果を Neptune Analytics グラフに書き戻して、受信したクエリを処理したり、S3 内に保存してさらに処理したりすることができます。Neptune Analytics は、オープンソースの LangChain ライブラリとの統合をサポートしているため、大規模言語モデルを搭載した既存のアプリケーションと連携できます。
Amazon Neptune ML の開始方法
- テスト環境のセットアップ
- ノード分類ノートブックサンプルの起動
- サンプルデータのクラスターへのロード
- グラフのエクスポート
- ML トレーニングの実行
- Neptune ML による Gremlin クエリの実行
グラフ視覚化の開始方法
グラフクエリ言語やノートブック環境でのグラフワークロードの実行に慣れている場合は、Neptune ノートブックから始めることができます。Neptune は、GitHub 上のオープンソースの Neptune グラフノートブックプロジェクトと Neptune ワークベンチで Jupyter および JupyterLab ノートブックを提供しています。これらのノートブックには、グラフテクノロジーと Neptune について学ぶことができるインタラクティブなコーディング環境で、サンプルアプリケーションチュートリアルとコードスニペットが用意されています。
Neptune ノートブックは、クエリ結果を視覚化できるだけでなく、アプリケーションの開発やテストのために IDE に似たインターフェイスを実現することもできます。また、Neptune ノートブックを Neptune Streams や Neptune ML などの他の機能と組み合わせて使用することもできます。さらに、各 Neptune ノートブックは Graph Explorer エンドポイントをホストします。Amazon Neptune コンソールの各ノートブックインスタンスで Graph Explorer を開くためのリンクを見つけることができます。