Gráfok mindenhol. x $ SZENDI-VARGA JÁNOS IOT SOCIAL NETWORKS FRAUD DETECTION MASTER DATA MANAGEMENT RECOMMENDATION ENGINES. Internet of Things

Átírás

1 8 b $! [ IOT RECOMMENDATION ENGINES 5 K Internet of Things a " > Gráfok mindenhol Facebook, Twitter, Google+ x $ S SOCIAL NETWORKS 9 SZENDI-VARGA JÁNOS K K # MASTER DATA MANAGEMENT Z FRAUD DETECTION Graph analyzis

2 BEMUTATKOZÁS (Szenyo), chief architect, Nextent Informatika Zrt : könyv Hobbiprojektek: Gráfok Meetupok

3 MIRŐL LESZ SZÓ? Mik azok a gráf adatbázisok? Miért van ennek egyre inkább létjogosultsága? Használati esetek A Neo4j, mint gráfadatbázis

4 A VILÁGUNK EGYRE KOMPLEXEBB az adatok összetettebbek, és egyre nagyobb méretűek complexity = f(size, semi-structure, connectedness)

5 KOMPLEXITÁS A MINDENNAPOKBAN természetes gráf előfordulások Kapcsolatok: politikai, gazdasági, történelmi, tudományos, közlekedési Biológia, Kémia, Fizika, Szociológia Internet (of Things, of Everything) Szociális hálózatok: család, barátok, munkatársak, közösségek, szomszédok, városok, társadalmak Munkahely: bonyolult összefüggések, komplex folyamatok

6 A TENDENCIÁK..az adatok összekötésének fontosságát mutatják Az adatok mennyisége növekszik Új digitális folyamatok Egyre több online tranzakció Új szociális hálózatok Egyre több készülés és egyre inkább összekapcsolódnak Felhasználók, termékek, folyamatok, eszközök, interakciók, kapcsolatok Azoknak lesz versenyelőnye, aki az adatok gyűjtése mellett az adatok összekapcsolására fókuszál.

7 FELHASZNÁLÁSI TERÜLETEK mire használják a gráf adatbázisokat? Valós idejű ajánlások Csalás felderítés Törzsadat menedzsment IT és hálózatüzemeltetés Identity és hozzáféréskezelés (IAM) Gráf alapú keresések

8 GRÁF ADATBÁZISOK előnyök A NoSQL adatbázis-kezelők között reneszánszukat élik a gráf adatmodellt használó rendszerek. (hálós adatbázisok és a triplestore-ok) Gyors lekérdezések Érthető adatszerkezet (Whiteboard friendly) Jól vizualizálható Neo4j, ArangoDB, OrientDB, Titan, VertexDB

9 DB-ENGINES.COM Az adatbázis típusok népszerűségének változása

10 NEO4J A piacvezető gráfadatbázis Invented property graph model First native graph DB in 24/7 production Contributed first graph DB to open source Introduced first and only declarative query language for property graph Published O Reilly book on Graph Databases Extended graph data model to labeled property graph Technical Leadership Commercial Leadership First Global 2000 Customer GraphConnect, first conference for graph DBs 150+ customers 50K+ monthly downloads Funding $2.5M Seed Round from Sunstone and Conor $11M Series A from Fidelity, Sunstone and Conor $11M Series B from Fidelity, Sunstone and Conor 500+ graph DB events worldwide $20M Series C led by Creandum, with Dawn and existing investors

11 NEO4J jellemzők

12 NEO4J jellemzők Komoly fejlesztői támogatás A legnagyobb gráf közösséggel rendelkezik Könnyű megtanulni és használni Nincs standard lekérdezőnyelv (vendor lock-in veszély) -> OpenCypher A NoSQL rendszerek között a gráfadatbázisok támogatják legkevésbé a shardingot (Neo4j Standard vs Enterprise) Nyílt forráskódú Egyaránt használható startup és nagyvállalati környezetben is

13 HOL LEHET ELKEZDENI? olvasnivaló Könyv: Starter kit: Meetup-ok:

14 Köszönöm a figyelmet! %