Häufig gestellte Fragen zu Amazon Neptune

Allgemeines

Amazon Neptune ist ein Service, der eine Graphdatenbank-Engine, eine Graphanalyse-Datenbank-Engine, Graph Machine Learning (ML) und Visualisierungstools umfasst, die einzeln oder zusammen verwendet werden können. Der Neptune-Service macht es einfach, mit Graph-Daten in AWS zu arbeiten. Mit Amazon Neptune Database können Sie Ihre Graphen mit mehr als 100 000 Abfragen pro Sekunde für die anspruchsvollsten Anwendungen mithilfe einer Serverless Graphdatenbank skalieren, die auf hervorragende Skalierbarkeit und Verfügbarkeit ausgelegt ist. Mit Amazon Neptune Analytics können Sie Einblicke erhalten und Trends erkennen, indem Sie große Mengen an Graph-Daten schnell verarbeiten. Sie können Ergebnisse in Sekundenschnelle erhalten, indem Sie gängige Algorithmen zur Diagramm-Analyse aufrufen

Amazon Neptune Database bietet eine speziell entwickelte Graphdatenbank mit einem vollständigen Satz von Unternehmensfunktionen und Integrationen. Neptune Database unterstützt geschäftskritische Graph-Anwendungen, die hohe Verfügbarkeit, Notfallwiederherstellung, dynamische Skalierung und andere Funktionen erfordern, die von Unternehmensanwendungen benötigt werden.

Neptune Analytics ist eine Analyse-Datenbank-Engine zur schnellen Analyse großer Mengen an Graph-Daten, um Einblicke zu erhalten und Trends zu erkennen.

Neptune ML ist eine neue Funktion von Neptune Database, die Graph Neural Networks (GNNs), eine Technik des ML für Graphen, verwendet, um schnelle und genauere Prognosen anhand von Graphdaten zu erstellen.

Neptune Database mit den Neptune-Entwicklertools ist die richtige Wahl für den Aufbau unternehmenskritischer Systeme in großem Maßstab. Systeme wie Produktempfehlungsmodule, Identitäts- und Zugriffsmanagementsysteme und Compliance-Systeme erfordern häufig geografisch verteilte Funktionen, die in der Neptune Global Database verfügbar sind. Neptune Database speichert zig Milliarden von Beziehungen und kann Hunderttausende interaktiver Graph-Abfragen pro Sekunde verarbeiten.

Neptune Analytics und Neptune-Notebooks sind die richtige Wahl für die Interaktion mit Daten, um Erkenntnisse abzuleiten. Diese Funktionen ermöglichen es Benutzern, mithilfe vertrauter Tools wie Pandas, Jupyter und Python mit Daten zu interagieren, um Interaktionen und Verhaltensmuster in den Daten zu entdecken und zu lokalisieren, die auf Betrug, illegale Aktivitäten, Optimierungsmöglichkeiten und mehr hinweisen.

Zu den häufigsten Anwendungsfällen für Neptune Analytics gehören ephemere Analysen, das Ausführen analytischer Abfragen mit geringer Latenz, das Ausführen integrierter Graphenalgorithmen und das Durchführen von Vektorähnlichkeitssuchen. Mithilfe der Vektorähnlichkeitssuche kann Neptune Analytics zum Erstellen von RAG-Anwendungen (Retrieval Augmented Generation) verwendet werden, die dichte Datenrepräsentationen durchsuchen, die durch Einbettungen bereitgestellt werden. Die Ergebnisse der Vektorsuche können mit kontextsensitiven Datendarstellungen in Graphen kombiniert werden, um umfangreiche Kontextinformationen zu Beziehungen bereitzustellen.

Neptune ML kann zum Entwerfen, Erstellen, Optimieren und Prognostizieren von Beziehungen und Kategorisierungen unter Verwendung modernster GNNs verwendet werden. Zur Erweiterung von Feature-Tabellen kann Neptune Analytics verwendet werden, um mithilfe gängiger Algorithmen wie Clustering, Zentralität und Pfadfindung kritische Merkmale aus verbundenen Daten abzuleiten.

Ja. Bitte beachten Sie das SLA zu Amazon Neptune.

Neptune Database

Ja. Weitere Informationen finden Sie im SLA von Amazon Neptune. Die Neptune-Datenbank unterstützt zwei Abfragesprachen für das Eigenschaftsdiagramm-Datenmodell, die Open-Source-Diagramm-Durchlaufsprache Apache TinkerPop Gremlin und die Abfragesprache openCypher, und für das Resource Description Framework (RDF)-Datenmodell unterstützt Neptune die Abfragesprache W3C open standard SPARQL.

Ja, jeder Neptun-Database-Cluster kann sowohl Eigenschaftsdiagrammdaten als auch RDF-Daten speichern. Neptune bietet einen Gremlin-Endpunkt (HTTPS und WebSocket), einen openCypher-Endpunkt (HTTPS und Bolt) und einen REST-Endpunkt für das SPARQL-1.1-Protokoll.

Bei Eigenschaftsdiagrammen können Sie entweder eine Gremlin- oder OpenCypher-Abfrage über dieselben Daten ausführen, unabhängig davon, welche Sprache für die Eingabe dieser Daten verwendet wurde. Möglicherweise finden Sie es nützlicher, Gremlin für einige Workloads und OpenCypher für andere zu verwenden. Sie können keine Abfrage nach Eigenschaftsdiagrammdaten (Gremlin oder OpenCypher) über RDF-Daten ausführen oder umgekehrt.

Neptune Database bietet einen Apache-TinkerPop-Gremlin-Server, der sowohl WebSocket- als auch HTTPS-Verbindungen unterstützt. Wenn Sie eine Instance von Neptune bereitstellen, können Sie ihre vorhandene TinkerPop-Anwendung konfigurieren, sodass sie den vom Service bereitgestellten Endpunkt verwendet. Siehe auch Zugriff auf das Diagramm über Gremlin.

Nein, der Gremlin-Server von Neptune unterstützt Clients, die mit Apache-TinkerPop kompatibel sind, sowohl über WebSocket- als auch über HTTPS-REST-Verbindungen. Die neueste Version von Neptune Database unterstützt TinkerPop 3.6.x. In der Dokumentation finden Sie weitere Informationen.

Mit der Neptune-Unterstützung für die openCypher-Abfragesprache können Sie die meisten Cypher- oder Neo4j-Workloads, die das Bolt-Protokoll oder HTTPS verwenden, nach Neptune verschieben. Weitere Informationen zur Migration einer openCypher-Anwendung finden Sie im Migrationsleitfaden in der Dokumentation.

Neptune bietet einen HTTPS-REST-Endpunkt, der das SPARQL-1.1-Protokoll implementiert. Sobald Sie eine Service-Instance bereitstellen, können Sie Ihre Anwendung konfigurieren, sodass sie auf den SPARQL-Endpunkt verweist. Siehe auch Zugriff auf das Diagramm über SPARQL.

Nein, der SPARQL-Endpunkt von Neptune funktioniert mit jedem Client, der das SPARQL-1.1-Protokoll unterstützt.

Ja, Neptune ist ACID-konform mit sofortiger Konsistenz auf der primären Writer-Instance und letztendlich Konsistenz auf den Read-Replica-Instances.

Neptune Database ist eine zweckgerichtete, leistungsstarke Graphdatenbank-Engine. Für bestimmte Management-Funktionen wie z. B. Instance-Lebenszyklusverwaltung, Verschlüsselung gespeicherter Daten mit AWS Key Management Service (AWS KMS)-Schlüsseln und Sicherheitsgruppen-Management verwendet Neptune die gleiche Betriebstechnologie wie Amazon Relational Database Service (Amazon RDS).

Neptune Database wurde entwickelt, um Graph-Anwendungen zu unterstützen, die einen hohen Durchsatz erfordern und Graph-Abfragen mit geringer Latenzzeit. Mit der Unterstützung von bis zu 15 Lesereplikate kann die Neptune Database hunderttausende von Abfragen pro Sekunde unterstützen.

Ja, Neptune verwendet Abfrageoptimierung für Gremlin-, openCypher- und SPARQL-Abfragen. Weitere Informationen finden Sie unter Die Amazon Neptune Alternative Query Engine (DFE).

Nein, Neptune ist eine zweckgerichtete, leistungsstarke Graphdatenbank-Engine. Neptune speichert und navigiert effizient durch Graph-Daten und verwendet eine speicheroptimierte Scale-Up-Architektur, um eine schnelle Abfrageevaluierung über große Graphen durchzuführen.

Auf unserer Seite mit der Preisübersicht finden Sie die aktuellen Preisinformationen.

Weitere Informationen zu den AWS-Regionen, in denen Neptune Database verfügbar ist, finden Sie in der Tabelle mit den AWS-Regionen.

Nein. Die Neptune-Database-Replikation ist im Preis enthalten. Es wird auf Basis des Speichers verrechnet, den Ihre Datenbank in der Datenbankschicht nutzt, nicht auf Basis des in der virtualisierten Speicherebene von Neptune verbrauchten Speichers.

Neptune Database ist so konzipiert, dass es unnötige E/A-Vorgänge eliminiert, so die Kosten senkt und sicherstellt, dass die Ressourcen für Lese-/Schreibvorgänge verfügbar sind. Schreib-E/A-Vorgänge werden nur genutzt, wenn Transaktionsprotokoll-Aufzeichnungen in die Speicherschicht übertragen werden, um Schreibvorgänge dauerhaft zu machen. E/A-Schreibvorgänge werden in 4-KB-Einheiten gezählt. Eine Transaktionsprotokoll-Aufzeichnung mit 1 024 Bytes beispielsweise zählt als ein E/A-Vorgang.

Gleichzeitige Schreibvorgänge, deren Transaktionsprotokoll weniger als 4 KB hat, können jedoch zur Optimierung der E/A-Nutzung durch die Neptune-Datenbank-Engine zusammengefasst werden. Anders als herkömmliche Datenbank-Engines überträgt Neptune nie modifizierte Datenbankseiten zur Speicherschicht, was die E/A-Nutzung weiter senkt.

Es gibt ein unteres Speicherplatzlimit von 10 GB. Basierend auf Ihrer Datenbanknutzung wächst Ihr Neptune-Speicher automatisch in 10-GB-Schritten auf bis zu 128 TiB. Die Datenbankleistung wird dadurch nicht beeinträchtigt. Es besteht keine Notwendigkeit, Speicher im Voraus bereitzustellen.

Sie können die Ihrer Datenbank-Instance zugewiesenen Rechenressourcen über die AWS-Managementkonsole skalieren, indem Sie die gewünschte Datenbank-Instance auswählen und auf die Schaltfläche Ändern klicken. Speicher- und CPU-Ressourcen können durch eine Änderung der DB-Instance-Klasse modifiziert werden.

Alle gewünschten Änderungen der DB-Instance-Klasse erfolgen während des von Ihnen festgelegten Wartungszeitfensters. Alternativ können Sie einen "Apply Immediately"-Schalter setzen, um die angeforderte Skalierung sofort durchzuführen. Beide Optionen wirken sich ein paar Minuten lang auf die Verfügbarkeit aus, solange die Skalierung durchgeführt wird. Beachten Sie, dass in diesem Fall alle anderen noch ausstehenden Systemänderungen ebenfalls durchgeführt werden.

Mit Amazon Neptune Serverless können Sie Ihre Datenbankkapazität automatisch skalieren. Mit Amazon Neptune Serverless können Sie Graph-Workloads ausführen und sofort skalieren, ohne die Kapazität verwalten und optimieren zu müssen. Neptune Serverless ermittelt automatisch die Rechen- und Arbeitsspeicherressourcen für den Betrieb der Graphdatenbank, stellt diese bereit und skaliert die Kapazität auf Basis der sich ändernden Anforderungen des Workloads, um eine gleichbleibende Leistung aufrechtzuerhalten.

Ja, Neptune unterstützt die automatische Skalierung von Lesereplikaten von Instances. Sie können die automatische Skalierung so konfigurieren, dass Lesereplikate als Reaktion auf Änderungen Ihrer Verbindungs- oder Workload-Anforderungen automatisch hinzugefügt oder entfernt werden. Weitere Informationen finden Sie in der Dokumentation.

In Neptune-Database-Instances sind automatisierte Backups immer aktiviert. Backups wirken sich nicht auf die Leistung der Datenbank aus.

Ja. Das Erstellen von Snapshots wirkt sich nicht auf die Leistung aus. Beachten Sie, dass für die Datenwiederherstellung aus Datenbank-Snapshots die Erstellung einer neuen Datenbank-Instance erforderlich ist.

Neptune Database speichert automatisch sechs Kopien Ihrer Daten in drei Availability Zones und versucht automatisch, Ihre Datenbank in einer fehlerfreien Availability Zone ohne Datenverlust wiederherzustellen. Im unwahrscheinlichen Fall, dass Ihre Daten im Neptune-Speicher nicht verfügbar sind, können Sie aus einem Datenbank-Snapshot wiederherstellen oder eine zeitpunktbezogene Wiederherstellung auf eine neue Instance durchführen. Beachten Sie, dass der späteste wiederherstellbare Zeitpunkt bei einer zeitpunktbezogenen Wiederherstellung bis zu 5 Minuten zurückliegt.

Sie können wählen, ob Sie einen letzten Datenbank-Snapshot erstellen möchten, wenn Sie Ihre Datenbank-Instance löschen. In diesem Fall können Sie diesen Datenbank-Snapshot zum Wiederherstellen der gelöschten Datenbank-Instance zu einem späteren Zeitpunkt nutzen. Neptune behält diesen letzten vom Benutzer erstellten Datenbank-Snapshot zusammen mit allen anderen manuell erstellten Datenbank-Snapshots bei, nachdem die Datenbank-Instance gelöscht wurde. Nach dem Löschen der Datenbank-Instance werden nur Datenbank-Snapshots aufbewahrt (automatische Backups, die für die Wiederherstellung zu einem bestimmten Zeitpunkt erstellt wurden, werden beispielsweise nicht aufbewahrt).

Ja. Neptune bietet Ihnen die Möglichkeit, Snapshots Ihrer Datenbanken zu erstellen, die Sie später zum Wiederherstellen einer Datenbank verwenden können. Sie können einen Snapshot für ein anderes AWS-Konto freigeben und der Besitzer des Empfängerkontos kann Ihren Snapshot verwenden, um eine Datenbank wiederherzustellen, die Ihre Daten enthält. Sie können Ihre Snapshots sogar öffentlich zugänglich machen, sodass jeder eine Datenbank mit Ihren (öffentlichen) Daten wiederherstellen kann. Sie können dieses Feature nutzen, um Daten zwischen Ihren unterschiedlichen Umgebungen (Produktion, Dev/Test, Staging usw.) zu teilen, die unterschiedliche AWS-Konten nutzen, sowie Sicherungen all Ihrer Daten in einem getrennten Konto aufzubewahren, falls einmal in Ihr AWS-Konto eingebrochen werden sollte.

Die Freigabe von Snapshots für verschiedene Konten ist kostenlos. Möglicherweise werden Ihnen aber die Snapshots selbst sowie die Datenbanken, die Sie über freigegebene Snapshots wiederherstellen, in Rechnung gestellt. Weitere Informationen zu den Amazon-Neptune-Preisen.

Die Freigabe von automatischen Datenbank-Snapshots wird nicht unterstützt. Um einen automatischen Snapshot freizugeben, müssen Sie manuell eine Kopie des Snapshots erstellen und diese dann freigeben.

Sie können manuelle Snapshots für bis zu 20 AWS-Konto-IDs freigeben. Wenn Sie den Snapshot für mehr als 20 Konten freigeben möchten, können Sie den Snapshot entweder öffentlich freigeben oder sich an den Support wenden, damit Ihr Kontingent erhöht wird.

Sie können Ihre Neptune-Database-Snapshots in allen AWS-Regionen freigeben, in denen Neptune verfügbar ist.

Nein. Auf Ihre freigegebenen Neptune-Database-Snapshots kann nur von Konten in derselben Region wie das freigebende Konto zugegriffen werden.

Ja, Sie können verschlüsselte Neptune-Database-Snapshots freigeben.

Nein, Neptune-Snapshots können nur innerhalb des Service verwendet werden.

Ein Neptune-Database-Cluster kann nur in einer Amazon VPC erstellt werden, die über mindestens zwei Subnetze in mindestens zwei Availability Zones verfügt. Durch die Verteilung Ihrer Cluster-Instances auf mindestens zwei Availability Zones stellt Neptune sicher, dass in Ihrem Database-Cluster Instances verfügbar sind, falls es zu einem Ausfall der Availability Zone kommen sollte. Das Cluster-Volume für Ihren Neptune-Database-Cluster erstreckt sich immer über drei Availability Zones, um dauerhaften Speicher mit geringerer Wahrscheinlichkeit von Datenverlusten bereitzustellen. Neptune ist so konzipiert, dass es transparent den Verlust von bis zu zwei Kopien der Daten ohne Beeinträchtigung der Schreibverfügbarkeit, und bis zu drei Kopien ohne Beeinträchtigung der Verfügbarkeit von Leseleistung verarbeiten kann. Außerdem behebt der Speicher von Neptune Probleme automatisch. Datenblocks und Datenträger werden laufend auf Fehler untersucht und automatisch repariert.

Neptune muss nach einem Datenbankabsturz – anders als andere Datenbanken – nicht das Redo-Protokoll aus dem letzten Datenbank-Prüfpunkt wiedergeben, bevor es die Datenbank für Operationen zur Verfügung stellt (was normalerweise 5 Minuten dauert), und rückmelden, dass alle Änderungen angewendet wurden. Das reduziert in den meisten Fällen die Dauer des Neustarts auf weniger als 60 Sekunden. Neptune löst den Puffercache der Datenbank vom Datenbankprozess und macht diesen sofort zum Zeitpunkt des Neustarts verfügbar. Das verhindert eine Drosselung des Zugriffs bis zur Neuauffüllung des Cache zur Vermeidung von Brownouts.

Neptune unterstützt Lesereplikate, die dasselbe zugrunde liegende Volume wie die primäre Instance nutzen. Durch die primäre Instance ausgeführte Updates sind in allen Amazon Neptune Replicas sichtbar. Ein Neptune-Cluster kann eine Schreib-Instance und bis zu 15 Lesereplikate haben. Falls eine Schreib-Instance ausfällt, wird ein Lesereplikat automatisch zu einer Schreiber-Instance heraufgestuft.

Ja, Amazon Neptune unterstützt die regionsübergreifende Replikation, indem Ihr Neptune-Cluster für die Verwendung der globalen Neptune-Datenbank konfiguriert wird.

Ja. Sie können jeder Instance auf dem Cluster ein Beförderungs-Prioritätskontingent zuweisen. Bei einem Ausfall der primären Instance befördert Neptune Database das Replikat mit der höchsten Priorität zur neuen primären Instance. Wenn zwei oder mehr Replikate dasselbe Prioritätskontingent haben, stellt Neptune das Replikat bereit, das dieselbe Größe wie die primäre Instance hat.

Sie können das Prioritätskontingent für eine Instance jederzeit bearbeiten. Das Bearbeiten eines Prioritätskontingent löst keinen Failover aus.

Sie können den Replikaten, die Sie nicht zur primären Instance befördern möchten, niedrigere Prioritätskontingente zuweisen. Wenn jedoch die Replikate auf dem Cluster mit höherer Priorität beschädigt oder aus irgendeinem Grund nicht verfügbar sind, befördert Neptune das Replikat mit der niedrigeren Priorität.

Sie können Neptune-Replikate hinzufügen, die denselben zugrunde liegenden Speicher wie die primäre Instance nutzen. Jedes Neptune-Replikat kann ohne Datenverlust als primär hochgestuft werden. Damit kann man es bei einem Ausfall der primären Datenbank-Instance zur Verbesserung der Fehlertoleranz verwenden. Zur Verbesserung der Datenbankverfügbarkeit können Sie einfach 1 bis 15 Replikate erstellen. Im Fall eines Datenbankausfalls fügt Neptune diese automatisch zur primären Auswahl für einen Failover hinzu.

Der Failover wird von Neptune Database automatisch durchgeführt, sodass Ihre Anwendungen den Datenbankbetrieb schnellstmöglich und ohne Verwaltungsaufwand wieder aufnehmen können. Wenn Sie ein Neptune-Replikat in derselben oder einer anderen Availability Zone haben, wechselt Neptune den Canonical Name Record (CNAME) für Ihren primären Datenbank-Endpunkt, sodass auf das fehlerfreie Replikat verwiesen wird, das dann dadurch zur neuen primären Instance hochgestuft wird. Das gesamte Failover ist in der Regel innerhalb von 30 Sekunden abgeschlossen.

Außerdem sind für den Endpunkt der Read Replicas während des Failover keine CNAME-Updates erforderlich. Verfügen Sie über kein Neptune-Replikat (z. B. eine einzelne Instance), versucht Neptune zuerst, eine Datenbank-Instance in der Availability Zone der ursprünglichen Instance zu erstellen. Gelingt das nicht, so versucht Neptune, eine neue Datenbank-Instance in einer anderen Availability Zone zu erstellen. Ein Failover dauert von Anfang bis Ende normalerweise unter 15 Minuten. Bei Verbindungsunterbrechung muss Ihre Anwendung versuchen, die Datenbankanforderung erneut zu starten.

Neptune Database erkennt Probleme bei Ihrer primären Instance automatisch und beginnt mit dem Routen Ihres Schreib-/Lesedatenverkehrs zu einem Neptune-Database-Replikat. Dieses Failover ist im Durchschnitt innerhalb von 30 Sekunden abgeschlossen. Außerdem wird der Lesedatenverkehr Ihres Neptune-Database-Replikats kurz unterbrochen.

Da Neptune-Database-Replikate dasselbe Daten-Volume verwenden wie die primäre Instance, gibt es praktisch keine Verzögerung bei der Replikation. Wir beobachten normalerweise Verzögerungen im Zehntel-Millisekundenbereich.

Ja. Alle Amazon-Neptune-Database-Instances müssen in einer VPC erstellt werden. Mit Amazon VPC können Sie eine virtuelle Netzwerkarchitektur definieren, die weitgehend einem herkömmlichen Netzwerk entspricht, wie Sie es in Ihrem Rechenzentrum betreiben. Dadurch haben Sie die uneingeschränkte Kontrolle über den Zugriff auf Ihre Neptune-Datenbanken.

Derzeit wird die Verschlüsselung einer bestehenden unverschlüsselten Neptune-Instance nicht unterstützt. Zum Verwenden der Neptune-Verschlüsselung für eine bestehende unverschlüsselte Datenbank müssen Sie eine neue Datenbank-Instance mit aktivierter Verschlüsselung erstellen und Ihre Daten in diese Instance migrieren.

Der Zugriff auf Neptune-Datenbanken muss über den HTTPS-Port erfolgen, der bei der Erstellung der Datenbank innerhalb Ihrer VPC eingegeben wurde. Dies sorgt für eine zusätzliche Sicherheitsebene für Ihre Daten. Schritt-für-Schritt-Anweisungen zur Verbindung mit Ihrer Neptune-Datenbank finden Sie im Amazon-Neptune-Benutzerhandbuch.

Neptune Analytics

Sie können openCypher verwenden, ein Open-Source-Projekt, das die Verwendung der Cypher-Sprache für die Graphverarbeitung, den Aufruf der Neptune-Analytics-Algorithmen und für die Vektorähnlichkeitssuche erleichtert.

Neptune Analytics eignet sich gut für Graph-Abfragen, die auf große Teile eines Graphen oder ganze Graphen zugreifen. Neptune Analytics ist eine In-Memory-Engine und kann diese großen Graphen in den Speicher laden, um innerhalb von Sekunden eine Antwort zu liefern. Darüber hinaus kann Neptune Analytics mithilfe einer Bibliothek beliebter Graphenanalysealgorithmen Tausende von analytischen Abfragen pro Sekunde verarbeiten, um beispielsweise soziale Influencer zu bewerten, Gruppen im Hinblick auf Betrug zu erkennen oder Muster in der Netzwerkaktivität zu finden. Für generative KI-Anwendungen kann Neptune Analytics Vektoreinbettungen speichern und Suchvorgänge nach Vektorähnlichkeiten bereitstellen.

Sie können einen vorhandenen Neptune-Cluster als Datenquelle auswählen, der automatisch in Neptune Analytics geladen wird.

Neptune Analytics unterstützt 12 Algorithmen für die Pfadfindung, die Erkennung von Gemeinschaften (Clustering), die Identifizierung wichtiger Daten (Zentralität) und die Quantifizierung von Ähnlichkeiten. Algorithmen zur Pfadfindung werden für Anwendungsfälle wie die Routenplanung zur Optimierung der Lieferkette verwendet, während Zentralitätsalgorithmen wie PageRank die einflussreichsten Verkäufer in einem Graph identifizieren. In ähnlicher Weise können Algorithmen wie verbundene Komponenten, Clustering und Zentralitätsalgorithmen für Anwendungsfälle zur Betrugserkennung verwendet werden, um festzustellen, ob es sich bei dem verbundenen Netzwerk um eine Gruppe von Freunden oder um einen Betrugsring handelt, der von einer Gruppe koordinierter Betrüger gebildet wird.

Ja, Neptune Analytics ist ACID-konform und weist eine hohe Konsistenz auf.

Neptune Analytics unterstützt einen Vektorsuchindex für Einbettungen (bis zu 65 000 Dimensionen), die in Ihren Graph-Daten gespeichert sind.

Neptune Analytics unterstützt einen Vektorsuchindex für Einbettungen, die in Ihren Graph-Daten gespeichert sind.

Nein, mit Neptune Analytics benötigen Sie keine separate Vektordatenbank. Neptune Analytics unterstützt einen Vektorsuchindex für Einbettungen (bis zu 65 000 Dimensionen), die in Ihren Graph-Daten gespeichert sind. Neptune Analytics bietet eine effiziente Vektorsuche, die direkt aus der openCypher-Abfragesprache aufgerufen werden kann, die zum Schreiben Ihrer Graph-Abfragen verwendet wird.

Neptune Analytics speichert die Vektoren und unterstützt Hierarchical Navigable Small Worlds (HNSW) für die Vektorindizierung und Ähnlichkeitssuche. Sie sollten eine separate Vektordatenbank verwenden, wenn Sie unterschiedliche Indexierungs- und Ähnlichkeitssuchalgorithmen verwenden möchten oder wenn Sie mehrere Indizes verwenden möchten, die auf unterschiedlichen Eigenschaften basieren.

Ja, Sie können Neptune Analytics in Amazon VPC verwenden. Für privaten Zugriff können Sie einen Graph mit deaktiviertem öffentlichen Zugriff (Standard) erstellen und die Subnetze in einer VPC angeben. Neptune Analytics erstellt pro Graph in Ihrer VPC einen vom Anforderer verwalteten VPC-Schnittstellenendpunkt. Sie können Sicherheitsgruppen und Endpunktrichtlinien an die Endpunkte anhängen, aber Sie können die Endpunkte nicht löschen. Es fallen Standardgebühren für VPC-Schnittstellenendpunkte an.

Ja. Sie können optional einen öffentlichen graphspezifischen Endpunkt aktivieren, um über das Internet eine Verbindung zum Graphen herzustellen. Bei Neptune Analytics müssen sich alle Clients authentifizieren, alle Anfragen müssen mit SigV4 signiert sein und alle Verbindungen müssen die Graph-ID verwenden, um mit dem Graphen zu interagieren.

Ja, Neptune Analytics bietet Multi-AZ-Bereitstellungen mit verbesserter Verfügbarkeit und Beständigkeit. Standardmäßig stellt es einen Hot Standby in einer separaten Availability Zone bereit. Bei einem Hot Standby beträgt die Failover-Zeit Sekunden. Ohne Standby stellt der Service innerhalb von Minuten neue zugrundeliegende Rechenkapazität bereit.

Aktuelle Preisinformationen finden Sie auf der Neptune-Preisseite.

Weitere Informationen zu den Regionen, in denen Neptune Analytics verfügbar ist, finden Sie in der Tabelle mit den AWS-Regionen.

Neptune ML

Gremlin und SPARQL werden von Neptune ML unterstützt.

Neptune ML bietet Knotenklassifizierung, Mehrklassenklassifizierung, Knotenregression, Edge-Klassifikation, Einzelklassenklassifizierung, Edge-Regression und Linkvorhersage (Edge). Weitere Informationen finden Sie im Neptune-Benutzerhandbuch.

Preisdetails finden Sie auf der Neptune-Preisseite.