Neo4j przedstawia aktualizację bazy danych w chmurze, zapewniającą 100 razy szybszą analizę i podejmowanie decyzji
W skrócie
Neo4j wprowadził nowe możliwości, które umożliwiają współbieżne wątki na wielu rdzeniach procesora w celu wykonywania analitycznych zapytań graficznych.
Firma zajmująca się bazami danych i analizami wykresów neo4j ogłosiła dzisiaj istotne aktualizacje swojej platformy, dzięki którym klienci korzystający z rozwiązań chmurowych i korzystających z samodzielnego zarządzania mogą przyspieszyć zapytania analityczne nawet 100-krotnie. Nowa aktualizacja ma na celu ułatwienie jednoczesnego przetwarzania transakcyjnego i analitycznego w ramach ujednoliconej bazy danych oraz automatyzację śledzenia zmian danych w czasie rzeczywistym w celu usprawnienia podejmowania kluczowych decyzji.
Integracja obciążeń operacyjnych i analitycznych w ramach jednej bazy danych to najnowszy krok Neo4j, wzbogacony wprowadzeniem równoległego środowiska wykonawczego i przechwytywania danych zmian (CDC). Innowacje te zapewniają klientom wgląd w czasie rzeczywistym, ekonomiczne zarządzanie danymi i usprawnioną architekturę, zwiastując zmianę paradygmatu w dziedzinie szybkości, wydajności i zwinności.
Platforma wprowadziła nowe możliwości, które umożliwiają współbieżne wątki na wielu rdzeniach procesora w celu wykonywania analitycznych zapytań graficznych. Firma podała, że stosuje technikę zwaną równoległością kęsów, która optymalizuje skalowalność, wykorzystanie zasobów i wielozadaniowość.
„Równoległość oparta na kęsach to podejście do obliczeń równoległych stosowane do dzielenia zadania obliczeniowego na mniejsze, bardziej szczegółowe jednostki pracy, zwane „kawałkami” lub „kawałkami”. Każdy kęs to mała i samodzielna jednostka pracy, która może być przetwarzana niezależnie i równolegle przez wiele procesorów lub wątków” – powiedział Sudhir Hasbe, dyrektor ds. produktu w Neo4j Metaverse Post. „To podejście jest szczególnie przydatne w przypadku zapytań o grafy, które wymagają dostępu do całego wykresu i nie są zakotwiczone w konkretnym obiekcie na wykresie”.
Native Change Data Capture (CDC) Neo4j ma na celu zautomatyzowanie śledzenia w czasie rzeczywistym i powiadamiania o zmianach danych w bazie danych. Firma podała, że CDC integruje się z Neo4j Connector dla Kafki i Confluent, ułatwiając przesyłanie strumieniowe zmian do innych platform danych i aplikacji.
„Funkcje CDC umożliwiają użytkownikom uzyskiwanie informacji o zmianach w czasie rzeczywistym z graficznej bazy danych. Użytkownicy mogą uzyskać przyrostowe zmiany lub pełne aktualizacje określonego węzła lub relacji. Systemy niższego szczebla mogą następnie integrować i łatwiej wykorzystywać te zdarzenia, jeśli zajdzie taka potrzeba” – powiedział Hasbe z Neo4j Metaverse Post. „Umożliwi to przedsiębiorstwom bezproblemową integrację Neo4j ze wszystkimi innymi aplikacjami i systemami dla przedsiębiorstw”.
Ulepszone możliwości bazy danych wykresów
Firma stwierdziła, że nowe modele osadzania platformy mogą przewidywać i identyfikować brakujące relacje, jednocześnie wnioskowując o nowych powiązaniach w obrębie wykresu wiedzy organizacji, zwiększając zrozumienie semantyki. Co więcej, złożone przepływy pracy można usprawnić dzięki algorytmom wyszukiwania ścieżek, identyfikującym optymalne sekwencje i ścieżki krytyczne między węzłami na wykresie.
Wraz z wydaniem firma ogłosiła dodanie dwóch nowych algorytmów wyszukiwania ścieżki: sortowania topologicznego i najdłuższej ścieżki.
„Sortowanie topologiczne służy do sortowania węzłów na wykresie zgodnie z kierunkiem/przepływem relacji. Jest to przydatne, gdy pomaga organizacjom radzić sobie z zależnościami w złożonych systemach, takich jak łańcuchy dostaw, zarządzanie zapasami i projekty oprogramowania” – wyjaśnił Hasbe. „Podobnie najdłuższa ścieżka służy do znajdowania najbardziej kosztownych ścieżek na wykresie lub ścieżek „krytycznych”. Można to wykorzystać w różnych przypadkach użycia obejmujących złożone systemy, w tym w szacowaniu czasu realizacji złożonych projektów z wieloma współzależnymi zadaniami i alokacją zasobów w łańcuchu dostaw.
Modele osadzania grafu wiedzy (KGE) to techniki uczenia maszynowego, których celem jest odkrycie brakujących ogniw/połączeń na grafie wiedzy. Modele KGE osiągają to poprzez pobranie wykresu jako danych wejściowych, przekształcenie go w osadzoną reprezentację (wektor numeryczny) i uczenie się, gdzie tworzą się określone relacje w oparciu o pozostałą część struktury wykresu.
„Dzięki naszemu dodaniu wsparcia KGE Neo4j ma na celu umożliwienie organizacjom operacjonalizacji wyszkolonych modeli KGE na dużą skalę w grafowej bazie danych, umożliwiając im w ten sposób wypełnienie luk w wiedzy i odblokowanie dodatkowych spostrzeżeń na podstawie danych” – dodał Hasbe. „Może to poprawić zrozumienie semantyki aplikacji wyszukujących i generatywnych AI, które opierają się na danych specyficznych dla przedsiębiorstwa. Wykorzystywanie KGE do odkrywania nowych powiązań może pomóc w poprawie trafności i spostrzeżeń uzyskanych w wyniku przeszukiwania wykresu wiedzy, wykraczając poza proste zapytania oparte na faktach, poprzez wydobywanie dalszych wniosków i informacji bogatych w kontekst poprzez odkryte relacje.
„Nowe możliwości Neo4j umożliwiają nowoczesnym organom ścigania reagowanie z większą elastycznością na zdarzenia o znaczeniu krytycznym, umożliwiając im zwalczanie większej liczby przestępstw i szybsze ich rozwiązywanie” – powiedział Christoph Willemson, dyrektor ds. technologii w GraphAware. „Możemy na przykład uruchamiać alerty i wysyłać je do funkcjonariuszy pierwszej linii, gdy numer telefonu Osoby Zainteresowanej zostanie wyemitowany z wieży komórkowej w pobliżu wydarzenia wysokiego ryzyka, podczas którego obecny jest VIP, a na nagraniu z kamery bodycam widać dziecko zagrożone i inne zdarzenia.”
Firma niedawno zintegrowała natywne wyszukiwanie wektorów ze swoimi podstawowymi możliwościami bazy danych, aby zapewnić dokładność, wyjaśnialność i przejrzystość modeli modeli językowych (LLM) i innych generatywnych aplikacji AI. Nowe funkcje są łatwo i bezpłatnie dostępne w Neo4j Graph Database i Neo4j AuraDB, a CDC jest początkowo dostępne jako publiczna wersja beta programu wczesnego dostępu (EAP).
„Wierzymy, że nasze nowe możliwości, zwłaszcza równoległe środowisko wykonawcze i CDC, umożliwią przedsiębiorstwom uwolnienie większej wartości z inwestycji w Neo4j. Mogą teraz używać Neo4j do znacznie większej liczby zastosowań analitycznych, których w przeszłości wykorzystywanie na dużą skalę było powolne” – powiedział Hasbe Metaverse Post. „CDC odblokowuje wartość danych w grafowej bazie danych, zwłaszcza gdy jest wykorzystywana jako system rejestrujący, umożliwiający podejmowanie decyzji w czasie rzeczywistym w dalszych aplikacjach lub systemach. Razem wzmacniają naszą pozycję rynkową jako operacyjnej bazy danych systemu rekordów i bazy danych do zastosowań analitycznych.”
Odpowiedzialność
Zgodnie z Zaufaj wytycznym projektu, należy pamiętać, że informacje zawarte na tej stronie nie mają na celu i nie powinny być interpretowane jako porady prawne, podatkowe, inwestycyjne, finansowe lub jakiekolwiek inne formy porad. Ważne jest, aby inwestować tylko tyle, na utratę czego możesz sobie pozwolić, a w przypadku jakichkolwiek wątpliwości zasięgnąć niezależnej porady finansowej. Aby uzyskać więcej informacji, sugerujemy zapoznać się z warunkami oraz stronami pomocy i wsparcia udostępnianymi przez wydawcę lub reklamodawcę. MetaversePost zobowiązuje się do sporządzania dokładnych i bezstronnych raportów, jednakże warunki rynkowe mogą ulec zmianie bez powiadomienia.
O autorze
Victor jest redaktorem naczelnym/pisarzem technicznym w firmie Metaverse Post i obejmuje sztuczną inteligencję, kryptografię, analizę danych, metaświat i cyberbezpieczeństwo w sferze przedsiębiorstw. Może pochwalić się półdziesięcioletnim doświadczeniem w mediach i sztucznej inteligencji, pracując w znanych mediach, takich jak VentureBeat, DatatechVibe i Analytics India Magazine. Będąc mentorem ds. mediów na prestiżowych uniwersytetach, w tym w Oksfordzie i USC, oraz posiadając tytuł magistra w dziedzinie nauki o danych i analityki, Victor jest głęboko zaangażowany w bycie na bieżąco z pojawiającymi się trendami. Oferuje czytelnikom najnowsze i najbardziej wnikliwe narracje z branży technologicznej i Web3 krajobraz.
Więcej artykułów
Victor jest redaktorem naczelnym/pisarzem technicznym w firmie Metaverse Post i obejmuje sztuczną inteligencję, kryptografię, analizę danych, metaświat i cyberbezpieczeństwo w sferze przedsiębiorstw. Może pochwalić się półdziesięcioletnim doświadczeniem w mediach i sztucznej inteligencji, pracując w znanych mediach, takich jak VentureBeat, DatatechVibe i Analytics India Magazine. Będąc mentorem ds. mediów na prestiżowych uniwersytetach, w tym w Oksfordzie i USC, oraz posiadając tytuł magistra w dziedzinie nauki o danych i analityki, Victor jest głęboko zaangażowany w bycie na bieżąco z pojawiającymi się trendami. Oferuje czytelnikom najnowsze i najbardziej wnikliwe narracje z branży technologicznej i Web3 krajobraz.
