Neo4j stellt Cloud-Datenbank-Upgrade für 100-mal schnellere Analysen und Entscheidungsfindung vor
In Kürze
Neo4j führte neue Funktionen ein, die gleichzeitige Threads über mehrere CPU-Kerne hinweg ermöglichen, um analytische Diagrammabfragen auszuführen.
Graphdatenbank- und Analyseunternehmen Neo4j hat heute umfangreiche Updates für seine Plattform angekündigt, die es Cloud- und selbstverwalteten Kunden ermöglichen, analytische Abfragen um das bis zu Hundertfache zu beschleunigen. Das neue Update zielt darauf ab, die gleichzeitige Transaktions- und Analyseverarbeitung innerhalb einer einheitlichen Datenbank zu erleichtern und die Echtzeitverfolgung von Datenänderungen zu automatisieren, um kritische Entscheidungen zu optimieren.
Die Integration betrieblicher und analytischer Workloads in einer einzigen Datenbank ist der neueste Fortschritt von Neo4j, der durch die Einführung von Parallel Runtime und Change Data Capture (CDC) bereichert wird. Diese Innovationen versorgen Kunden mit Echtzeiteinblicken, wirtschaftlichem Datenmanagement und einer optimierten Architektur und läuten einen Paradigmenwechsel in den Bereichen Geschwindigkeit, Leistung und Agilität ein.
Die Plattform hat neue Funktionen eingeführt, die gleichzeitige Threads über mehrere CPU-Kerne zum Ausführen analytischer Diagrammabfragen ermöglichen. Das Unternehmen sagte, dass es eine Technik einsetzt, die als morselbasierte Parallelität bekannt ist und die Skalierbarkeit, Ressourcennutzung und Multitasking optimiert.
„Morsel-basierte Parallelität ist ein paralleler Rechenansatz, der dazu dient, eine Rechenaufgabe in kleinere, feinkörnigere Arbeitseinheiten zu unterteilen, die als „Bruchstücke“ oder „Chunks“ bezeichnet werden.“ „Jeder Bissen ist eine kleine und in sich geschlossene Arbeitseinheit, die unabhängig und parallel von mehreren Prozessoren oder Threads verarbeitet werden kann“, sagte Sudhir Hasbe, Chief Product Officer bei Neo4j Metaverse Post. „Dieser Ansatz ist besonders nützlich bei Diagrammabfragen, die auf das gesamte Diagramm zugreifen müssen und nicht in einer bestimmten Entität im Diagramm verankert sind.“
Native Change Data Capture (CDC) von Neo4j zielt darauf ab, die Echtzeitverfolgung und Benachrichtigung über Datenänderungen innerhalb der Datenbank zu automatisieren. Das Unternehmen gab an, dass sich CDC in den Neo4j Connector für Kafka und Confluent integrieren lässt, was das Streaming von Änderungen auf andere Datenplattformen und Anwendungen erleichtert.
„Mit der CDC-Funktion können Benutzer Änderungsereignisse in Echtzeit aus der Diagrammdatenbank abrufen. Benutzer können inkrementelle Änderungen oder vollständige Aktualisierungen an einem bestimmten Knoten oder einer bestimmten Beziehung erhalten. Die nachgelagerten Systeme können diese Ereignisse dann bei Bedarf integrieren und einfacher nutzen“, sagte Hasbe von Neo4j Metaverse Post. „Dadurch können Unternehmen Neo4j nahtlos in alle anderen Unternehmensanwendungen und -systeme integrieren.“
Erweiterte Funktionen der Graphdatenbank
Das Unternehmen sagte, dass die neuen Einbettungsmodelle der Plattform fehlende Beziehungen vorhersagen und identifizieren und gleichzeitig neue Verbindungen innerhalb des Wissensgraphen einer Organisation ableiten können, wodurch das semantische Verständnis verbessert wird. Darüber hinaus können komplexe Arbeitsabläufe durch Pfadfindungsalgorithmen optimiert werden, die optimale Sequenzen und kritische Pfade zwischen Knoten in einem Diagramm identifizieren.
Mit der Veröffentlichung kündigte das Unternehmen die Hinzufügung von zwei neuen Algorithmen zur Pfadfindung an: topologische Sortierung und längster Pfad.
„Die topologische Sortierung wird verwendet, um Knoten im Diagramm entsprechend der Richtung/dem Fluss der Beziehungen zu sortieren. Dies ist nützlich, um Organisationen beim Umgang mit Abhängigkeiten in komplexen Systemen wie Lieferketten, Bestandsverwaltung und Softwareprojekten zu helfen“, erklärte Hasbe. „Ebenso wird der längste Pfad verwendet, um die teuersten Pfade im Diagramm oder die „kritischen“ Pfade zu finden. Dies kann für eine Vielzahl von Anwendungsfällen mit komplexen Systemen verwendet werden, einschließlich der Schätzung der Fertigstellungszeiten in komplexen Projekten mit mehreren voneinander abhängigen Aufgaben und der Ressourcenzuweisung in der Lieferkette.“
Knowledge Graph Embedding (KGE)-Modelle sind Techniken des maschinellen Lernens, die darauf abzielen, fehlende Links/Verbindungen in einem Wissensgraphen zu entdecken. KGE-Modelle erreichen dies, indem sie ein Diagramm als Eingabe verwenden, es in eingebettete (numerische Vektor-)Darstellungen umwandeln und lernen, wo sich basierend auf dem Rest der Diagrammstruktur bestimmte Beziehungen bilden.
„Mit unserem Zusatz zur KGE-Unterstützung zielt Neo4j darauf ab, Organisationen in die Lage zu versetzen, ihre trainierten KGE-Modelle im großen Maßstab in einer Diagrammdatenbank zu operationalisieren und so Wissenslücken zu schließen und zusätzliche Erkenntnisse aus ihren Daten zu gewinnen“, fügte Hasbe hinzu. „Dies kann das semantische Verständnis für Such- und generative KI-Anwendungen verbessern, die auf unternehmensspezifischen Daten basieren. Die Verwendung von KGE zur Entdeckung neuer Links kann dazu beitragen, die Relevanz und die Erkenntnisse aus der Abfrage des Wissensgraphen zu verbessern und über einfache faktenbasierte Abfragen hinauszugehen, indem durch aufgedeckte Beziehungen weitere Schlussfolgerungen und kontextreiche Informationen ans Licht gebracht werden.“
„Die neuen Funktionen von Neo4j ermöglichen es modernen Strafverfolgungsbehörden, flexibler auf unternehmenskritische Ereignisse zu reagieren und so mehr Verbrechen zu bekämpfen und schneller aufzuklären“, sagte Christoph Willemson, CTO von GraphAware. „Zum Beispiel können wir Alarme auslösen und sie an die Beamten an der Front senden, wenn die Telefonnummer einer Person von Interesse von einem Mobilfunkmast in der Nähe eines Hochrisikoereignisses pingt, bei dem ein VIP anwesend ist. Bodycam-Aufnahmen zeigen das Bild eines Kindes.“ gefährdet und andere Ereignisse.“
Das Unternehmen hat kürzlich die native Vektorsuche in seine zentralen Datenbankfunktionen integriert, um Genauigkeit, Erklärbarkeit und Transparenz für Sprachmodellmodelle (LLMs) und andere generative KI-Anwendungen zu gewährleisten. Die neuen Funktionen sind sofort und kostenlos in Neo4j Graph Database und Neo4j AuraDB verfügbar, wobei CDC zunächst als öffentliche Betaversion des Early Access Program (EAP) zugänglich ist.
„Wir glauben, dass unsere neuen Funktionen, insbesondere Parallel Runtime und CDC, es Unternehmen ermöglichen werden, mehr Wert aus ihren Neo4j-Investitionen zu schöpfen. Sie können Neo4j jetzt für viele weitere analytische Anwendungsfälle verwenden, die in der Vergangenheit nur langsam in großem Maßstab eingesetzt werden konnten“, sagte Hasbe Metaverse Post. „CDC erschließt den Wert der Daten in der Diagrammdatenbank, insbesondere wenn sie als Aufzeichnungssystem verwendet wird, um Echtzeitentscheidungen in nachgelagerten Anwendungen oder Systemen zu treffen. Gemeinsam stärken sie unsere Marktposition als operatives Datenbanksystem und Datenbank für analytische Anwendungen.“
Haftungsausschluss
Im Einklang mit der Richtlinien des Trust-ProjektsBitte beachten Sie, dass die auf dieser Seite bereitgestellten Informationen nicht als Rechts-, Steuer-, Anlage-, Finanz- oder sonstige Beratung gedacht sind und nicht als solche interpretiert werden sollten. Es ist wichtig, nur so viel zu investieren, wie Sie sich leisten können, zu verlieren, und im Zweifelsfall eine unabhängige Finanzberatung einzuholen. Für weitere Informationen empfehlen wir einen Blick auf die Allgemeinen Geschäftsbedingungen sowie die Hilfe- und Supportseiten des Herausgebers oder Werbetreibenden. MetaversePost ist einer genauen, unvoreingenommenen Berichterstattung verpflichtet, die Marktbedingungen können sich jedoch ohne Vorankündigung ändern.
Über den Autor
Victor ist geschäftsführender technischer Redakteur/Autor bei Metaverse Post und deckt künstliche Intelligenz, Krypto, Datenwissenschaft, Metaverse und Cybersicherheit im Unternehmensbereich ab. Er verfügt über ein halbes Jahrzehnt Medien- und KI-Erfahrung bei bekannten Medienunternehmen wie VentureBeat, DatatechVibe und Analytics India Magazine. Als Medienmentor an renommierten Universitäten wie Oxford und USC und mit einem Master-Abschluss in Datenwissenschaft und Analytik ist es Victor ein großes Anliegen, über neue Trends auf dem Laufenden zu bleiben. Er bietet den Lesern die neuesten und aufschlussreichsten Erzählungen aus der Tech- und Web3 Landschaft.
Weitere Artikel
Victor ist geschäftsführender technischer Redakteur/Autor bei Metaverse Post und deckt künstliche Intelligenz, Krypto, Datenwissenschaft, Metaverse und Cybersicherheit im Unternehmensbereich ab. Er verfügt über ein halbes Jahrzehnt Medien- und KI-Erfahrung bei bekannten Medienunternehmen wie VentureBeat, DatatechVibe und Analytics India Magazine. Als Medienmentor an renommierten Universitäten wie Oxford und USC und mit einem Master-Abschluss in Datenwissenschaft und Analytik ist es Victor ein großes Anliegen, über neue Trends auf dem Laufenden zu bleiben. Er bietet den Lesern die neuesten und aufschlussreichsten Erzählungen aus der Tech- und Web3 Landschaft.
