Grupo 8 - NeptuneDB

• Franco Pignanelli
• Fabricio Moreira
• Gastón Vargas

Sobre NeptuneDB📁

Introducción a NeptuneDB

Amazon Neptune es un servicio de base de datos de gráficos rápido, confiable y completamente administrado que facilita la creación y ejecución de aplicaciones que funcionan con conjuntos de datos altamente conectados.

El núcleo de Neptune es un motor de base de datos gráfico de alto rendimiento especialmente diseñado. Está optimizado para almacenar miles de millones de relaciones y consultar el gráfico con una latencia de milisegundos. Neptune se utiliza con los lenguajes de consulta de gráficos de Apache TinkerPop Gremlin y OpenCypher de Neo4j, y el lenguaje de consulta RDF de W3C, SPARQL.

Neptune tiene una alta disponibilidad, con réplicas de lectura, recuperación de un momento dado, respaldo continuo en Amazon S3 y replicación en zonas de disponibilidad. Neptune proporciona funciones de seguridad de datos, con soporte para cifrado en reposo y en tránsito. Neptune está completamente administrado, por lo que ya no tendrá que preocuparse por las tareas de administración de la base de datos, como el aprovisionamiento de hardware, la aplicación de parches de software, la instalación, la configuración o las copias de seguridad.

Integración con otros servicios de AWS: Amazon Neptune se integra estrechamente con otros servicios de AWS, como por ejemplo: IAM, CloudWatch, Lambda, S3, Glue.

Casos de uso 🎯

1. Transformar la personalización con la visión completa del cliente: Construya con facilidad gráficos de identidad para soluciones de resolución de identidades como gráficos sociales y vistas completa de sus clientes. Acelere las actualizaciones para la orientación de los anuncios, la personalización y los análisis.
2. Detectar patrones de fraude: Cree consultas gráficas para la detección de patrones de fraude casi en tiempo real modelando las relaciones entre personas, lugares y transacciones para descubrir relaciones que podrían no ser obvias.
3. Desencadenar las predicciones del machine learning: El machine learning (ML) de Amazon Neptune emplea redes neuronales de grafos (GNN) para mejorar la precisión de la mayoría de las predicciones de los grafos en más de un 50 % en comparación con las predicciones que utilizan métodos no gráficos.
4. Mejorar la seguridad de la TI: Detecte e investigue proactivamente la infraestructura de TI con un enfoque de seguridad por capas. Modele los activos a las relaciones para ver cómo interactúan las diferentes dimensiones de su entorno de TI.

Carga de datos en NeptuneDB

Hay varias formas diferentes de cargar datos de gráficos en Amazon Neptune:

• Si solo necesita cargar una cantidad de datos relativamente pequeña, puede usar consultas como SPARQL INSERT o Gremlin addVy addE
• Puede aprovechar Neptune Bulk Loader para ingerir grandes cantidades de datos que residen en archivos externos. El comando de carga masiva es más rápido y tiene menos sobrecarga que los comandos de lenguaje de consulta. Está optimizado para grandes conjuntos de datos y admite datos RDF (Marco de descripción de recursos) y datos Gremlin.