Neo4j onthult clouddatabase-upgrade voor 100x snellere analyses en besluitvorming
In het kort
Neo4j introduceerde nieuwe mogelijkheden die gelijktijdige threads over meerdere CPU-kernen mogelijk maken voor het uitvoeren van analytische grafiekquery's.
Grafiekdatabase- en analysebedrijf neo4j heeft vandaag substantiële updates aangekondigd voor zijn platform, waardoor cloud- en zelfbeheerde klanten de analytische queries tot wel 100 keer kunnen versnellen. De nieuwe update heeft tot doel gelijktijdige transactionele en analytische verwerking binnen een uniforme database te vergemakkelijken en het realtime volgen van gegevenswijzigingen te automatiseren voor gestroomlijnde kritische besluitvorming.
De integratie van operationele en analytische werklasten binnen één database is de nieuwste stap van Neo4j, verrijkt door de introductie van parallelle runtime en change data capture (CDC). Deze innovaties voorzien klanten van realtime inzichten, economisch databeheer en een gestroomlijnde architectuur, wat een paradigmaverschuiving inluidt op het gebied van snelheid, prestaties en flexibiliteit.
Het platform heeft nieuwe mogelijkheden geïntroduceerd die gelijktijdige threads over meerdere CPU-kernen mogelijk maken voor het uitvoeren van analytische grafiekquery's. Het bedrijf zei dat het een techniek gebruikt die bekend staat als op stukjes gebaseerd parallellisme – die de schaalbaarheid, het gebruik van hulpbronnen en multitasking optimaliseert.
“Op stukjes gebaseerd parallellisme is een parallelle computerbenadering die wordt gebruikt om een rekentaak op te delen in kleinere, meer fijnmazige werkeenheden, ook wel ‘stukjes’ of ‘chunks’ genoemd. Elk stukje is een kleine en op zichzelf staande werkeenheid die onafhankelijk en parallel kan worden verwerkt door meerdere processors of threads”, vertelt Sudhir Hasbe, Chief Product Officer bij Neo4j. Metaverse Post. “Deze aanpak is vooral handig bij grafiekquery’s die toegang moeten hebben tot de hele grafiek en niet verankerd zijn in een specifieke entiteit in de grafiek.”
Neo4j's Native Change Data Capture (CDC) heeft tot doel het realtime volgen en melden van gegevenswijzigingen binnen de database te automatiseren. Het bedrijf zei dat CDC integreert met Neo4j Connector voor Kafka en Confluent, waardoor het streamen van wijzigingen naar andere dataplatforms en applicaties wordt vergemakkelijkt.
“Met de CDC-mogelijkheden kunnen gebruikers realtime veranderingsgebeurtenissen uit de grafische database halen. Gebruikers kunnen stapsgewijze wijzigingen of volledige updates voor een specifiek knooppunt of een specifieke relatie krijgen. De stroomafwaartse systemen kunnen deze gebeurtenissen vervolgens integreren en gemakkelijker gebruiken als dat nodig is, ”vertelde Hasbe van Neo4j Metaverse Post. “Hierdoor kunnen bedrijven Neo4j naadloos integreren met alle andere bedrijfsapplicaties en -systemen.”
Verbeterde mogelijkheden voor grafiekdatabases
Het bedrijf zei dat de nieuwe inbeddingsmodellen van het platform ontbrekende relaties kunnen voorspellen en identificeren, terwijl ze nieuwe verbindingen binnen de kennisgrafiek van een organisatie kunnen afleiden, waardoor het semantische begrip wordt vergroot. Bovendien kunnen complexe workflows worden gestroomlijnd via pathfinding-algoritmen, waardoor optimale reeksen en kritische paden tussen knooppunten in een grafiek worden geïdentificeerd.
Met de release kondigde het bedrijf de toevoeging aan van twee nieuwe algoritmen voor padvinding: topologische sortering en langste pad.
“Topologische sortering wordt gebruikt om knooppunten in de grafiek te sorteren volgens de richting/stroom van relaties. Dit is nuttig om organisaties te helpen bij het omgaan met afhankelijkheden in complexe systemen, zoals toeleveringsketens, voorraadbeheer en softwareprojecten”, legt Hasbe uit. “Op dezelfde manier wordt het Langste pad gebruikt om de duurste paden in de grafiek of de ‘kritieke’ paden te vinden. Dit kan worden gebruikt voor een verscheidenheid aan gebruiksscenario's waarbij complexe systemen betrokken zijn, waaronder het schatten van de doorlooptijden in complexe projecten met meerdere onderling afhankelijke taken en de toewijzing van middelen aan de toeleveringsketen.”
Knowledge Graph Embedding (KGE)-modellen zijn machine learning-technieken die tot doel hebben ontbrekende schakels/verbindingen in een kennisgrafiek te ontdekken. KGE-modellen bereiken dit door een grafiek als invoer te nemen, deze om te zetten in ingebedde (numerieke vector) representaties, en te leren waar specifieke relaties ontstaan op basis van de rest van de grafiekstructuur.
“Met onze toevoeging voor KGE-ondersteuning wil Neo4j organisaties in staat stellen hun getrainde KGE-modellen op schaal te implementeren in een grafische database, waardoor ze kennislacunes kunnen overbruggen en aanvullende inzichten uit hun data kunnen ontsluiten”, aldus Hasbe. “Dit kan het semantische begrip verbeteren voor zoek- en generatieve AI-toepassingen die afhankelijk zijn van bedrijfsspecifieke gegevens. Het gebruik van KGE om nieuwe verbanden te ontdekken, kan helpen de relevantie en inzichten die worden verkregen door het bevragen van de kennisgrafiek te verbeteren, en verder te gaan dan eenvoudige, op feiten gebaseerde zoekopdrachten door verdere gevolgtrekkingen en contextrijke informatie naar boven te halen via blootgelegde relaties.”
“De nieuwe mogelijkheden van Neo4j stellen moderne wetshandhavingsinstanties in staat om flexibeler te reageren op missiekritieke gebeurtenissen, waardoor ze meer misdaden kunnen bestrijden en sneller kunnen oplossen”, aldus Christoph Willemson, CTO van GraphAware. “We kunnen bijvoorbeeld waarschuwingen activeren en deze naar eerstelijnsagenten sturen wanneer het telefoonnummer van een persoon van belang pingt vanaf een zendmast in de buurt van een risicovol evenement waar een VIP aanwezig is. Op bodycam-beelden is het beeld van een kind te zien. in gevaar, en andere gebeurtenissen.”
Het bedrijf heeft onlangs native vector search geïntegreerd in zijn kerndatabasemogelijkheden om nauwkeurigheid, uitlegbaarheid en transparantie te bieden voor Language Model Models (LLM's) en andere generatieve AI-toepassingen. De nieuwe functies zijn gratis beschikbaar op Neo4j Graph Database en Neo4j AuraDB, waarbij CDC in eerste instantie toegankelijk is als een openbare bètaversie van het Early Access Program (EAP).
“Wij geloven dat onze nieuwe mogelijkheden, vooral parallelle runtime en CDC, bedrijven in staat zullen stellen meer waarde uit hun Neo4j-investeringen te halen. Ze kunnen Neo4j nu gebruiken voor veel meer analytische gebruiksscenario’s, die in het verleden traag op grote schaal konden worden gebruikt”, vertelde Hasbe. Metaverse Post. “CDC ontgrendelt de waarde van gegevens in de grafische database, vooral wanneer deze worden gebruikt als een registratiesysteem, om realtime beslissingen te nemen in downstream-applicaties of -systemen. Samen versterken ze onze marktpositie als operationeel databasesysteem en database voor analytische toepassingen.”
Disclaimer
In lijn met de Richtlijnen voor vertrouwensprojectenHoud er rekening mee dat de informatie op deze pagina niet bedoeld is en niet mag worden geïnterpreteerd als juridisch, fiscaal, beleggings-, financieel of enige andere vorm van advies. Het is belangrijk om alleen te beleggen wat u zich kunt veroorloven te verliezen en onafhankelijk financieel advies in te winnen als u twijfels heeft. Voor meer informatie raden wij u aan de algemene voorwaarden en de hulp- en ondersteuningspagina's van de uitgever of adverteerder te raadplegen. MetaversePost streeft naar nauwkeurige, onpartijdige berichtgeving, maar de marktomstandigheden kunnen zonder voorafgaande kennisgeving worden gewijzigd.
Over de auteur
Victor is Managing Tech Editor/Writer bij Metaverse Post en omvat kunstmatige intelligentie, crypto, datawetenschap, metaverse en cyberbeveiliging binnen het ondernemingsdomein. Hij kan bogen op een half decennium aan media- en AI-ervaring bij bekende mediakanalen zoals VentureBeat, DatatechVibe en Analytics India Magazine. Als mediamentor aan prestigieuze universiteiten, waaronder Oxford en USC, en met een masterdiploma in data science en analytics, is Victor zeer toegewijd om op de hoogte te blijven van opkomende trends. Hij biedt lezers de nieuwste en meest inzichtelijke verhalen uit de Tech- en Web3 landschap.
Meer artikelen
Victor is Managing Tech Editor/Writer bij Metaverse Post en omvat kunstmatige intelligentie, crypto, datawetenschap, metaverse en cyberbeveiliging binnen het ondernemingsdomein. Hij kan bogen op een half decennium aan media- en AI-ervaring bij bekende mediakanalen zoals VentureBeat, DatatechVibe en Analytics India Magazine. Als mediamentor aan prestigieuze universiteiten, waaronder Oxford en USC, en met een masterdiploma in data science en analytics, is Victor zeer toegewijd om op de hoogte te blijven van opkomende trends. Hij biedt lezers de nieuwste en meest inzichtelijke verhalen uit de Tech- en Web3 landschap.
