Neo4j presenta una actualización de la base de datos en la nube para un análisis y una toma de decisiones 100 veces más rápidos
En Resumen
Neo4j introdujo nuevas capacidades que permiten subprocesos simultáneos en múltiples núcleos de CPU para ejecutar consultas de gráficos analíticos.
Empresa de análisis y bases de datos de gráficos. neo4j anunció hoy actualizaciones sustanciales para su plataforma, lo que permite a los clientes autogestionados y en la nube acelerar las consultas analíticas hasta 100 veces. La nueva actualización tiene como objetivo facilitar el procesamiento analítico y transaccional simultáneo dentro de una base de datos unificada y automatizar el seguimiento en tiempo real de los cambios de datos para agilizar la toma de decisiones críticas.
La integración de cargas de trabajo operativas y analíticas dentro de una única base de datos es el último paso de Neo4j, enriquecido por la introducción del tiempo de ejecución paralelo y la captura de datos modificados (CDC). Estas innovaciones equipan a los clientes con información en tiempo real, gestión de datos económica y arquitectura optimizada, presagiando un cambio de paradigma en los ámbitos de la velocidad, el rendimiento y la agilidad.
La plataforma ha introducido nuevas capacidades que permiten subprocesos simultáneos en múltiples núcleos de CPU para ejecutar consultas de gráficos analíticos. La compañía dijo que emplea una técnica conocida como paralelismo basado en fragmentos, que optimiza la escalabilidad, la utilización de recursos y la multitarea.
“El paralelismo basado en bocados es un enfoque de computación paralela que se utiliza para dividir una tarea computacional en unidades de trabajo más pequeñas y detalladas, denominadas “bocados” o “fragmentos”. Cada bocado es una unidad de trabajo pequeña e independiente que puede procesarse de forma independiente y en paralelo mediante múltiples procesadores o subprocesos”, dijo Sudhir Hasbe, director de productos de Neo4j. Metaverse Post. "Este enfoque es particularmente útil en consultas de gráficos que necesitan acceder al gráfico completo y no están ancladas en una entidad específica del gráfico".
La captura de datos de cambios nativos (CDC) de Neo4j tiene como objetivo automatizar el seguimiento y la notificación en tiempo real de los cambios de datos dentro de la base de datos. La compañía dijo que CDC se integra con Neo4j Connector para Kafka y Confluent, facilitando la transmisión de cambios a otras plataformas y aplicaciones de datos.
“La capacidad de CDC permite a los usuarios obtener eventos de cambios en tiempo real desde su base de datos gráfica. Los usuarios pueden obtener cambios incrementales o actualizaciones completas para un nodo o relación específica. Los sistemas posteriores pueden entonces integrarse y consumir más fácilmente estos eventos según sea necesario”, dijo Hasbe de Neo4j. Metaverse Post. "Esto permitirá a las empresas integrar Neo4j sin problemas con todas las demás aplicaciones y sistemas empresariales".
Capacidades mejoradas de bases de datos de gráficos
La compañía dijo que los nuevos modelos de integración de la plataforma pueden predecir e identificar relaciones faltantes al mismo tiempo que infieren nuevas conexiones dentro del gráfico de conocimiento de una organización, mejorando la comprensión semántica. Además, los flujos de trabajo complejos se pueden optimizar mediante algoritmos de búsqueda de rutas, identificando secuencias óptimas y rutas críticas entre nodos en un gráfico.
Con el lanzamiento, la compañía anunció la incorporación de dos nuevos algoritmos para la búsqueda de rutas: clasificación topológica y ruta más larga.
“La clasificación topológica se utiliza para ordenar los nodos en el gráfico siguiendo la dirección/flujo de las relaciones. Esto es útil para ayudar a las organizaciones a manejar dependencias en sistemas complejos, como cadenas de suministro, gestión de inventario y proyectos de software”, explicó Hasbe. “Del mismo modo, la ruta más larga se utiliza para encontrar las rutas más costosas en el gráfico o las rutas “críticas”. Esto se puede utilizar para una variedad de casos de uso que involucran sistemas complejos, incluida la estimación de tiempos de finalización en proyectos complejos con múltiples tareas interdependientes y la asignación de recursos de la cadena de suministro”.
Los modelos de incrustación de gráficos de conocimiento (KGE) son técnicas de aprendizaje automático que tienen como objetivo descubrir enlaces/conexiones faltantes en un gráfico de conocimiento. Los modelos KGE logran esto tomando un gráfico como entrada, transformándolo en representaciones integradas (vectoriales numéricos) y aprendiendo dónde se forman relaciones específicas en función del resto de la estructura del gráfico.
"Con nuestra incorporación al soporte de KGE, Neo4j tiene como objetivo capacitar a las organizaciones para que pongan en funcionamiento sus modelos KGE capacitados a escala en una base de datos gráfica, permitiéndoles así cerrar brechas de conocimiento y desbloquear conocimientos adicionales de sus datos", agregó Hasbe. “Esto puede mejorar la comprensión semántica para las aplicaciones de búsqueda y de IA generativa que se basan en datos específicos de la empresa. Usar KGE para descubrir nuevos enlaces puede ayudar a mejorar la relevancia y los conocimientos obtenidos al consultar el gráfico de conocimiento, yendo más allá de simples consultas basadas en hechos al sacar a la luz más inferencias e información rica en contexto a través de relaciones descubiertas”.
"Las nuevas capacidades de Neo4j permiten a las agencias policiales modernas reaccionar con mayor agilidad ante eventos de misión crítica, permitiéndoles luchar contra más delitos y resolverlos más rápido", dijo Christoph Willemson, director de tecnología de GraphAware. “Por ejemplo, podemos activar alertas y enviarlas a los oficiales de primera línea cuando el número de teléfono de una persona de interés suena desde una torre celular cerca de un evento de alto riesgo donde hay un VIP presente, las imágenes de la cámara corporal muestran la imagen de un niño. en riesgo y otros eventos”.
La compañía integró recientemente la búsqueda de vectores nativos en las capacidades de su base de datos principal para brindar precisión, explicabilidad y transparencia para los modelos de lenguaje (LLM) y otras aplicaciones de inteligencia artificial generativa. Las nuevas funciones están disponibles en Neo4j Graph Database y Neo4j AuraDB sin costo alguno, y CDC inicialmente está disponible como una versión beta pública del Programa de acceso temprano (EAP).
“Creemos que nuestras nuevas capacidades, especialmente el tiempo de ejecución paralelo y CDC, permitirán a las empresas desbloquear más valor de sus inversiones en Neo4j. Ahora pueden usar Neo4j para muchos más casos de uso analítico, cuyo uso a escala en el pasado era lento”, dijo Hasbe. Metaverse Post. “CDC libera el valor de los datos en la base de datos gráfica, especialmente cuando se utiliza como sistema de registro, para tomar decisiones en tiempo real en aplicaciones o sistemas posteriores. Juntos, fortalecen nuestra posición en el mercado como un sistema de registro de bases de datos operativo y una base de datos para aplicaciones analíticas”.
Aviso
En línea con la Directrices del Proyecto Confianza, tenga en cuenta que la información proporcionada en esta página no pretende ser ni debe interpretarse como asesoramiento legal, fiscal, de inversión, financiero o de cualquier otro tipo. Es importante invertir sólo lo que pueda permitirse perder y buscar asesoramiento financiero independiente si tiene alguna duda. Para mayor información sugerimos consultar los términos y condiciones así como las páginas de ayuda y soporte proporcionadas por el emisor o anunciante. MetaversePost se compromete a brindar informes precisos e imparciales, pero las condiciones del mercado están sujetas a cambios sin previo aviso.
Sobre el Autor
Victor es editor/escritor técnico en jefe en Metaverse Post y cubre inteligencia artificial, criptografía, ciencia de datos, metaverso y ciberseguridad dentro del ámbito empresarial. Cuenta con media década de experiencia en medios e inteligencia artificial trabajando en medios de comunicación reconocidos como VentureBeat, DatatechVibe y Analytics India Magazine. Al ser mentor de medios en prestigiosas universidades, incluidas Oxford y USC, y con una maestría en ciencia y análisis de datos, Víctor está profundamente comprometido a mantenerse al tanto de las tendencias emergentes. Ofrece a los lectores las narrativas más recientes y reveladoras de la tecnología y Web3 paisaje.
Más artículos
Victor es editor/escritor técnico en jefe en Metaverse Post y cubre inteligencia artificial, criptografía, ciencia de datos, metaverso y ciberseguridad dentro del ámbito empresarial. Cuenta con media década de experiencia en medios e inteligencia artificial trabajando en medios de comunicación reconocidos como VentureBeat, DatatechVibe y Analytics India Magazine. Al ser mentor de medios en prestigiosas universidades, incluidas Oxford y USC, y con una maestría en ciencia y análisis de datos, Víctor está profundamente comprometido a mantenerse al tanto de las tendencias emergentes. Ofrece a los lectores las narrativas más recientes y reveladoras de la tecnología y Web3 paisaje.
