Neo4j dévoile une mise à niveau de la base de données cloud pour des analyses et une prise de décision 100 fois plus rapides
En bref
Neo4j a introduit de nouvelles fonctionnalités qui permettent des threads simultanés sur plusieurs cœurs de processeur pour exécuter des requêtes de graphiques analytiques.
Société de bases de données et d'analyses graphiques Néo4j a annoncé aujourd'hui des mises à jour substantielles pour sa plateforme, permettant aux clients cloud et autogérés d'accélérer jusqu'à 100 fois les requêtes analytiques. La nouvelle mise à jour vise à faciliter le traitement transactionnel et analytique simultané au sein d'une base de données unifiée et à automatiser le suivi en temps réel des modifications des données pour une prise de décision critique rationalisée.
L'intégration de charges de travail opérationnelles et analytiques au sein d'une seule base de données est la dernière avancée de Neo4j, enrichie par l'introduction du temps d'exécution parallèle et de la capture des données modifiées (CDC). Ces innovations offrent aux clients des informations en temps réel, une gestion économique des données et une architecture rationalisée, annonçant un changement de paradigme dans les domaines de la vitesse, des performances et de l'agilité.
La plateforme a introduit de nouvelles fonctionnalités qui permettent d'exécuter simultanément des threads sur plusieurs cœurs de processeur pour exécuter des requêtes de graphes analytiques. La société a déclaré qu'elle utilise une technique connue sous le nom de parallélisme basé sur des morceaux, qui optimise l'évolutivité, l'utilisation des ressources et le multitâche.
« Le parallélisme basé sur les morceaux est une approche de calcul parallèle utilisée pour diviser une tâche de calcul en unités de travail plus petites et plus fines, appelées « morceaux » ou « blocs ». Chaque morceau est une petite unité de travail autonome qui peut être traitée indépendamment et en parallèle par plusieurs processeurs ou threads », a déclaré Sudhir Hasbe, directeur des produits chez Neo4j Metaverse Post. "Cette approche est particulièrement utile dans les requêtes de graphe qui doivent accéder à l'intégralité du graphe et ne sont pas ancrées dans une entité spécifique du graphe."
Le Native Change Data Capture (CDC) de Neo4j vise à automatiser le suivi et la notification en temps réel des modifications de données dans la base de données. La société a déclaré que CDC s'intègre à Neo4j Connector pour Kafka et Confluent, facilitant ainsi la diffusion en continu des modifications vers d'autres plates-formes et applications de données.
« La fonctionnalité CDC permet aux utilisateurs d'obtenir des événements de changement en temps réel à partir de sa base de données graphique. Les utilisateurs peuvent obtenir des modifications incrémentielles ou effectuer des mises à jour complètes sur un nœud ou une relation spécifique. Les systèmes en aval peuvent ensuite intégrer et consommer plus facilement ces événements selon les besoins », a déclaré Hasbe de Neo4j. Metaverse Post. "Cela permettra aux entreprises d'intégrer Neo4j de manière transparente à toutes les autres applications et systèmes d'entreprise."
Capacités améliorées de la base de données graphique
La société a déclaré que les nouveaux modèles d'intégration de cette plateforme peuvent prédire et identifier les relations manquantes tout en déduisant de nouvelles connexions au sein du graphe de connaissances d'une organisation, améliorant ainsi la compréhension sémantique. De plus, les flux de travail complexes peuvent être rationalisés grâce à des algorithmes de recherche de chemin, identifiant les séquences optimales et les chemins critiques entre les nœuds d'un graphique.
Avec cette sortie, la société a annoncé l'ajout de deux nouveaux algorithmes de recherche de chemin : le tri topologique et le chemin le plus long.
« Le tri topologique est utilisé pour trier les nœuds du graphique en suivant la direction/le flux des relations. Ceci est utile pour aider les organisations à gérer les dépendances dans des systèmes complexes, tels que les chaînes d'approvisionnement, la gestion des stocks et les projets logiciels », a expliqué Hasbe. « De même, le chemin le plus long est utilisé pour trouver les chemins les plus coûteux dans le graphique ou les chemins « critiques ». Cela peut être utilisé pour une variété de cas d'utilisation impliquant des systèmes complexes, notamment l'estimation des délais d'exécution dans des projets complexes comportant de multiples tâches interdépendantes et l'allocation des ressources de la chaîne d'approvisionnement.
Les modèles Knowledge Graph Embedding (KGE) sont des techniques d'apprentissage automatique qui visent à découvrir les liens/connexions manquantes dans un graphe de connaissances. Les modèles KGE y parviennent en prenant un graphique en entrée, en le transformant en représentations intégrées (vecteur numérique) et en apprenant où se forment des relations spécifiques en fonction du reste de la structure du graphique.
"Avec notre ajout pour le support KGE, Neo4j vise à permettre aux organisations d'opérationnaliser leurs modèles KGE formés à grande échelle dans une base de données graphique, leur permettant ainsi de combler les lacunes en matière de connaissances et d'obtenir des informations supplémentaires à partir de leurs données", a ajouté Hasbe. « Cela peut améliorer la compréhension sémantique des applications de recherche et d’IA générative qui s’appuient sur des données spécifiques à l’entreprise. L’utilisation de KGE pour découvrir de nouveaux liens peut contribuer à améliorer la pertinence et les informations obtenues en interrogeant le graphe de connaissances, en allant au-delà des simples requêtes basées sur des faits en faisant apparaître d’autres inférences et des informations riches en contexte grâce à des relations découvertes.
« Les nouvelles capacités de Neo4j permettent aux organismes d'application de la loi modernes de réagir avec une plus grande agilité aux événements critiques, leur permettant ainsi de lutter contre davantage de crimes et de les résoudre plus rapidement », a déclaré Christoph Willemson, CTO de GraphAware. « Par exemple, nous pouvons déclencher des alertes et les envoyer aux agents de première ligne lorsque le numéro de téléphone d'une personne d'intérêt sonne depuis une tour de téléphonie cellulaire à proximité d'un événement à haut risque où un VIP est présent, des images de caméra corporelle montrant l'image d'un enfant. à risque et d’autres événements.
La société a récemment intégré la recherche de vecteurs natifs dans ses capacités de base de données de base pour fournir précision, explicabilité et transparence aux modèles de modèles de langage (LLM) et à d'autres applications d'IA générative. Les nouvelles fonctionnalités sont facilement disponibles gratuitement sur Neo4j Graph Database et Neo4j AuraDB, le CDC étant initialement accessible en tant que version bêta publique du programme d'accès anticipé (EAP).
« Nous pensons que nos nouvelles fonctionnalités, en particulier l'exécution parallèle et le CDC, permettront aux entreprises de tirer davantage de valeur de leurs investissements Neo4j. Ils peuvent désormais utiliser Neo4j pour de nombreux autres cas d’utilisation analytiques, qui étaient lents à utiliser à grande échelle dans le passé », a déclaré Hasbe. Metaverse Post. « CDC libère la valeur des données dans la base de données graphiques, en particulier lorsqu'elles sont utilisées comme système d'enregistrement, pour prendre des décisions en temps réel dans des applications ou des systèmes en aval. Ensemble, ils renforcent notre position sur le marché en tant que système de base de données opérationnel d’enregistrement et base de données pour les applications analytiques.
Clause de non-responsabilité
En ligne avec la Lignes directrices du projet de confiance, veuillez noter que les informations fournies sur cette page ne sont pas destinées à être et ne doivent pas être interprétées comme des conseils juridiques, fiscaux, d'investissement, financiers ou toute autre forme de conseil. Il est important d’investir uniquement ce que vous pouvez vous permettre de perdre et de demander des conseils financiers indépendants en cas de doute. Pour plus d'informations, nous vous suggérons de vous référer aux conditions générales ainsi qu'aux pages d'aide et de support mises à disposition par l'émetteur ou l'annonceur. MetaversePost s'engage à fournir des rapports précis et impartiaux, mais les conditions du marché sont susceptibles de changer sans préavis.
A propos de l'auteur
Victor est rédacteur/rédacteur technique en chef chez Metaverse Post et couvre l'intelligence artificielle, la cryptographie, la science des données, le métaverse et la cybersécurité dans le domaine de l'entreprise. Il possède une demi-décennie d'expérience dans les médias et l'IA, travaillant dans des médias bien connus tels que VentureBeat, DatatechVibe et Analytics India Magazine. En tant que mentor en médias dans des universités prestigieuses, dont Oxford et USC, et titulaire d'une maîtrise en science et analyse des données, Victor est profondément engagé à rester au courant des tendances émergentes. Il propose aux lecteurs les récits les plus récents et les plus perspicaces de la technologie et Web3 impactant.
Plus d'articles
Victor est rédacteur/rédacteur technique en chef chez Metaverse Post et couvre l'intelligence artificielle, la cryptographie, la science des données, le métaverse et la cybersécurité dans le domaine de l'entreprise. Il possède une demi-décennie d'expérience dans les médias et l'IA, travaillant dans des médias bien connus tels que VentureBeat, DatatechVibe et Analytics India Magazine. En tant que mentor en médias dans des universités prestigieuses, dont Oxford et USC, et titulaire d'une maîtrise en science et analyse des données, Victor est profondément engagé à rester au courant des tendances émergentes. Il propose aux lecteurs les récits les plus récents et les plus perspicaces de la technologie et Web3 impactant.
