当您听到数据库这个词时，您通常想到的可能是一个表格，其中每一行都是一条单独的记录，列标题是字段名称-基本上是一个电子表格。当数据太复杂而无法放入单个表中时，我们会转向关系数据库——由字段链接的多个表。构建关系数据库需要了解数据结构的人。而且，当添加新信息或新关系变得重要时，数据库管理员将需要更改数据库的结构，并可能更新用户界面。那么，如果数据集无法提前映射关系怎么办？人们是否通过无法提前预测的事物而不是通过单个数据点联系在一起？也许两个人在同一个棒球队，或者喜欢同一类型的书，或者住在同一个城市。将这些项目添加为单独的字段并为它们创建新关系对于数据库管理员来说可能是一项非常耗时且永无止境的任务。一种这样的解决方案是图形数据库。在图形数据库中，任何数据点都可以连接到任何其他数据点，业务用户可以随时建立连接，而无需数据库管理员重写整个模式。图形数据库旨在实现可扩展性，使其成为当今大数据应用程序的理想选择。而且它们速度很快，允许用户沿着连接链快速移动，从而使企业能够更快、更有效地获得洞察力。“在常规的关系数据库中，如果我想添加一些东西或改变一种关系，我需要做很多计划，”塔夫茨大学工程研究生院院长、IEEE研究员KarenPanetta说。关系。”以下是图数据库的主要用例。欺诈和异常检测是目前图数据库最强大的用例之一，Panetta说。传统的欺诈检测方法依赖于简单的清单。例如，交易如果它超过一定数量或涉及政府观察名单上的实体，则可疑。这种简单的方法可能会错过更微妙的欺诈企图，但旨在发现交易之间异常连接的数据库可能能够识别它们。例如，许多e-商业交易可能来自不同的账户，但都来自同一个IP地址或一组IP地址；或者，可能从同一个社区提取多次相同金额的现金，然后在同一天存入不同的账户。这些交易单独来看可能没有任何可疑迹象，但结合起来看，就需要引起注意。“大额洗钱活动可能利用一个人的姓名、另一个人的社会安全号码和第三人的地址。你是怎么做到的？”帕内塔说。能够探索没有意义的关系。“我们可以通过这种方式检测的不仅仅是购物或银行欺诈。在网络安全中，企业可以通过寻找以异常方式关联的事件集来防御黑客攻击。例如，当网络安全供应商Brinqa使用的关系数据库达到当它的灵活性达到极限时，它切换到Neo4j图形数据库系统。Brinqa产品总监SyedAbdurRa??hman说：“我们的平台是动态的，但它还不够强大，无法处理所有类型的情况。而使用图形数据库，您可以动态定义模式，可以定义节点和关系。您不必提前定义它，您可以在引入数据时进行定义。来自推荐引擎的异常连接也可以是积极的事情。今天的高级推荐引擎根据与其他事物的联系来推荐音乐、书籍、电影、衣服和其他产品和服务。它们可以超越简单的直接联系。例如le，买狗粮的人可能也会买狗项圈，也许他们也对舒适的步行鞋或沙发套感兴趣。推荐引擎开始出现在许多不同的地方，而不仅仅是流媒体应用程序和电子商务网站。Fabric是一个连接品牌和客户的消费者数据市场。它使用图形数据库来减少新功能、界面和分析的开发时间。Fabric创始人兼CEOPaulTaylor表示：“对于90%的新兴企业项目，图数据库优于关系数据库。图数据库取代传统关系数据库还可以减少对中间件的需求。”图是一个强大的基础。但这并不意味着它们适用于所有用例，他说：“图不太适合编写重型应用程序，在这些应用程序的整个生命周期中只需要进行少量数据查询，”他说》数据同步欧洲的通用数据保护条例（GDPR）和《加州消费者隐私法》等隐私条例要求公司汇总他们收集的所有个人数据，并根据要求删除。由于公司通常将这些信息存储在不同的数据孤岛中，因此这可能是一项艰巨的任务。但是，让公司想要链接不同数据集的不仅仅是合规性要求。可穿戴设备公司、物联网供应商、医疗保健公司和金融公司都需要这项技术。“图形数据库最常用于实时数据同步，”他说。展望未来，Tufts的Panetta表示图形数据库仍处于起步阶段，我们将看到更多的应用程序出现。她预测图形数据库的未来用例将包括将AI提升到一个新的水平。“我们今天在数据上进行人工智能的方式是使用老式的关系数据库，”她说。但是人工智能是基于关系的。“图形数据库将有助于构建更好的人工智能系统。”
