Neo4j presenta l'actualització de la base de dades al núvol per a una anàlisi i presa de decisions 100 vegades més ràpides
En breu
Neo4j va introduir noves capacitats que permeten fils concurrents en diversos nuclis de CPU per executar consultes de gràfics analítics.
Base de dades de gràfics i empresa d'anàlisi Neo4j ha anunciat avui actualitzacions substancials per a la seva plataforma, que permeten als clients autogestionats i al núvol accelerar les consultes analítiques fins a 100 vegades. La nova actualització té com a objectiu facilitar el processament analític i transaccional simultània dins d'una base de dades unificada i automatitzar el seguiment en temps real dels canvis de dades per racionalitzar la presa de decisions crítiques.
La integració de càrregues de treball operatives i analítiques dins d'una base de dades única és l'últim pas de Neo4j, enriquit per la introducció del temps d'execució paral·lel i la captura de dades de canvi (CDC). Aquestes innovacions proporcionen als clients coneixements en temps real, gestió econòmica de dades i arquitectura racionalitzada, anunciant un canvi de paradigma en els àmbits de la velocitat, el rendiment i l'agilitat.
La plataforma ha introduït noves capacitats que permeten fils concurrents en diversos nuclis de CPU per executar consultes de gràfics analítics. L'empresa va dir que empra una tècnica coneguda com a paral·lelisme basat en boca, que optimitza l'escalabilitat, la utilització dels recursos i la multitasca.
"El paral·lelisme basat en bocís és un enfocament de computació paral·lel que s'utilitza per dividir una tasca computacional en unitats de treball més petites i més fines, anomenades "bocassos" o "trossos". Cada bocí és una unitat de treball petita i autònoma que es pot processar de manera independent i en paral·lel per diversos processadors o fils", va dir Sudhir Hasbe, director de producte de Neo4j. Metaverse Post. "Aquest enfocament és especialment útil en consultes de gràfics que necessiten accedir a tot el gràfic i no estan ancorats en una entitat específica del gràfic".
El Native Change Data Capture (CDC) de Neo4j pretén automatitzar el seguiment i la notificació en temps real dels canvis de dades dins de la base de dades. La companyia va dir que CDC s'integra amb Neo4j Connector per a Kafka i Confluent, facilitant la transmissió de canvis a altres plataformes i aplicacions de dades.
"La capacitat de CDC permet als usuaris obtenir esdeveniments de canvi en temps real de la seva base de dades de gràfics. Els usuaris poden obtenir canvis incrementals o actualitzacions completes a un node o relació específics. Els sistemes aigües avall es poden integrar i consumir més fàcilment aquests esdeveniments segons sigui necessari", va dir Hasbe de Neo4j. Metaverse Post. "Això permetrà a les empreses integrar Neo4j perfectament amb totes les altres aplicacions i sistemes empresarials".
Capacitats de base de dades de gràfics millorades
La companyia va dir que els nous models d'incrustació de la plataforma poden predir i identificar les relacions que falten alhora que dedueixen noves connexions dins del gràfic de coneixement d'una organització, millorant la comprensió semàntica. A més, els fluxos de treball complexos es poden racionalitzar mitjançant algorismes de recerca de camins, identificant seqüències òptimes i camins crítics entre nodes d'un gràfic.
Amb el llançament, la companyia va anunciar l'addició de dos algorismes nous per a la recerca de camins: l'ordenació topològica i el camí més llarg.
"L'ordenació topològica s'utilitza per ordenar els nodes del gràfic seguint la direcció/flux de les relacions. Això és útil per ajudar les organitzacions a gestionar dependències en sistemes complexos, com ara cadenes de subministrament, gestió d'inventaris i projectes de programari", va explicar Hasbe. "De la mateixa manera, el camí més llarg s'utilitza per trobar els camins més costosos al gràfic o els camins "crítics". Això es pot utilitzar per a una varietat de casos d'ús que involucren sistemes complexos, inclosa l'estimació dels temps de finalització en projectes complexos amb múltiples tasques interdependents i assignació de recursos de la cadena de subministrament.
Els models de Knowledge Graph Embedding (KGE) són tècniques d'aprenentatge automàtic que tenen com a objectiu descobrir els enllaços o connexions que falten en un gràfic de coneixement. Els models KGE ho aconsegueixen prenent un gràfic com a entrada, transformant-lo en representacions incrustades (vector numèric) i aprenent on es formen relacions específiques basant-se en la resta de l'estructura del gràfic.
"Amb la nostra incorporació al suport de KGE, Neo4j pretén capacitar les organitzacions per operar els seus models KGE entrenats a escala en una base de dades de gràfics, cosa que els permet superar les llacunes de coneixement i desbloquejar coneixements addicionals de les seves dades", va afegir Hasbe. "Això pot millorar la comprensió semàntica de les aplicacions de cerca i d'IA generativa que es basen en dades específiques de l'empresa. L'ús de KGE per descobrir nous enllaços pot ajudar a millorar la rellevància i els coneixements que s'obtenen consultant el gràfic de coneixement, anant més enllà de les simples consultes basades en fets, ja que apareixen més inferències i informació rica en context a través de relacions descobertes.
"Les noves capacitats de Neo4j permeten a les agències modernes d'aplicació de la llei reaccionar amb més agilitat davant els esdeveniments de missió crítica, donant-los poder per combatre més delictes i resoldre'ls més ràpidament", va dir Christoph Willemson, CTO de GraphAware. "Per exemple, podem activar alertes i enviar-les als agents de primera línia quan el número de telèfon d'una persona d'interès sona des d'una torre mòbil a prop d'un esdeveniment d'alt risc on hi ha un VIP, les imatges de la càmera corporal mostren la imatge d'un nen. en risc i altres esdeveniments".
La companyia ha integrat recentment la cerca vectorial nativa a les seves capacitats bàsiques de base de dades per proporcionar precisió, explicabilitat i transparència per als models de models de llenguatge (LLM) i altres aplicacions d'IA generativa. Les noves funcions estan disponibles a Neo4j Graph Database i Neo4j AuraDB sense cap cost, amb el CDC inicialment accessible com a beta pública del Programa d'accés anticipat (EAP).
"Creiem que les nostres noves capacitats, especialment el temps d'execució paral·lel i el CDC, permetran a les empreses desbloquejar més valor de les seves inversions en Neo4j. Ara poden utilitzar Neo4j per a molts més casos d'ús analític, que en el passat eren lents d'utilitzar-se a escala", va dir Hasbe. Metaverse Post. "CDC desbloqueja el valor de les dades a la base de dades de gràfics, especialment quan s'utilitza com a sistema de registre, per prendre decisions en temps real en aplicacions o sistemes posteriors. Junts, enforteixen la nostra posició de mercat com a sistema operatiu de registre de bases de dades i base de dades per a aplicacions analítiques".
renúncia
En línia amb la Directrius del projecte Trust, si us plau, tingueu en compte que la informació proporcionada en aquesta pàgina no pretén ni s'ha d'interpretar com a assessorament legal, fiscal, d'inversió, financer o de cap altra forma. És important invertir només el que et pots permetre perdre i buscar assessorament financer independent si tens dubtes. Per obtenir més informació, us suggerim que feu referència als termes i condicions, així com a les pàgines d'ajuda i assistència proporcionades per l'emissor o l'anunciant. MetaversePost es compromet a fer informes precisos i imparcials, però les condicions del mercat estan subjectes a canvis sense previ avís.
About The Autor
Víctor és un editor/escriptor tècnic de gestió a Metaverse Post i cobreix la intel·ligència artificial, la criptografia, la ciència de dades, el metavers i la ciberseguretat dins de l'àmbit empresarial. Compta amb mitja dècada d'experiència en mitjans i intel·ligència artificial treballant a mitjans de comunicació coneguts com VentureBeat, DatatechVibe i Analytics India Magazine. Com a mentor de mitjans a prestigioses universitats com Oxford i la USC i amb un màster en ciència de dades i anàlisi, Victor està profundament compromès a mantenir-se al dia de les tendències emergents. Ofereix als lectors les narracions més recents i perspicaces de la tecnologia i Web3 paisatge.
més articles
Víctor és un editor/escriptor tècnic de gestió a Metaverse Post i cobreix la intel·ligència artificial, la criptografia, la ciència de dades, el metavers i la ciberseguretat dins de l'àmbit empresarial. Compta amb mitja dècada d'experiència en mitjans i intel·ligència artificial treballant a mitjans de comunicació coneguts com VentureBeat, DatatechVibe i Analytics India Magazine. Com a mentor de mitjans a prestigioses universitats com Oxford i la USC i amb un màster en ciència de dades i anàlisi, Victor està profundament compromès a mantenir-se al dia de les tendències emergents. Ofereix als lectors les narracions més recents i perspicaces de la tecnologia i Web3 paisatge.
