Pengantar BigQuery Graph

BigQuery Graph memungkinkan Anda menggunakan kemampuan analisis BigQuery untuk melakukan analisis graf dalam skala besar. Saat memodelkan data sebagai grafik dengan node dan edge, Anda dapat menggunakan Graph Query Language (GQL) untuk menemukan hubungan yang kompleks dan tersembunyi antara titik data yang akan sulit ditemukan menggunakan SQL.

Anda dapat membuat tabel node dan edge langsung dari tabel atau tampilan yang menyimpan entity dan hubungan antar-entity. Anda tidak perlu mengubah alur kerja yang ada atau mereplikasi data untuk menggunakannya dalam kueri grafik.

BigQuery Graph mendukung antarmuka kueri grafik yang kompatibel dengan standar ISO GQL dan standar ISO Property Graph Queries (SQL/PGQ). Hal ini memberi Anda interoperabilitas antara model relasional dan grafik dengan menggabungkan kemampuan SQL yang sudah mapan dengan ekspresi pencocokan pola grafik.

Manfaat BigQuery Graph

Grafik adalah cara alami untuk merepresentasikan hubungan dalam data. Database grafik digunakan untuk deteksi penipuan, rekomendasi, deteksi komunitas, pustaka pengetahuan, profil pelanggan, pembuatan katalog data, dan pelacakan silsilah.

Jika data grafik direpresentasikan sebagai tabel, Anda harus melakukan self join atau gabungan rekursif untuk melintasi data. Mengekspresikan logika traversal grafik di SQL akan menghasilkan kueri kompleks yang sulit ditulis, dikelola, dan di-debug. BigQuery Graph memungkinkan Anda menavigasi relasi dan mengidentifikasi pola dalam data graf dengan cara yang lebih intuitif.

Kemampuan utama

  • Pengalaman grafik bawaan. Antarmuka ISO GQL menawarkan pengalaman grafik yang sudah dikenal dan dibuat khusus, yang didasarkan pada standar terbuka.

  • Relasional dan grafik terpadu. Interoperabilitas penuh antara kueri grafik dan SQL menghilangkan data silo dan memungkinkan Anda memilih alat yang optimal untuk setiap kasus penggunaan, tanpa overhead operasional untuk mengekstrak, mentransformasi, dan memuat (ETL).

  • Kemampuan penelusuran bawaan. Kemampuan penelusuran vektor dan teks lengkap yang lengkap terintegrasi dengan grafik, sehingga Anda dapat menggunakan makna semantik dan kata kunci dalam analisis grafik.

  • Visualisasi grafik. Hasil kueri graf ditampilkan dalam format graf yang menarik secara visual, sehingga eksplorasi, investigasi, dan penjelasan data menjadi jauh lebih mudah.

  • Performa dan skalabilitas. Workload grafik didukung oleh mesin analisis BigQuery yang skalabel, hemat biaya, dan terdistribusi.

  • Integrasi dengan Spanner Graph. BigQuery Graph dan Spanner Graph memiliki skema graf dan bahasa kueri yang sama. Anda dapat menjalankan workload graf operasional di Spanner dan menjalankan analisis graf yang kompleks di BigQuery tanpa perlu membuat ulang model data atau menerjemahkan kueri.

  • Membuat kueri menggunakan bahasa alami. Ajukan pertanyaan tentang grafik Anda menggunakan analisis percakapan. Agen dapat menulis kueri SQL dan GQL serta memberikan visualisasi output Anda. Agen juga dapat menggunakan deskripsi, sinonim, dan measure yang didefinisikan pada graf Anda untuk meningkatkan kualitas hasil. Untuk mencoba melakukan chat dengan agen tentang grafik, gunakan agen contoh Look Graph di BigQuery di halaman Agen untuk mengajukan pertanyaan tentang grafik bigquery-public-data.thelook_ecommerce.graph.

Kasus penggunaan

Anda dapat menggunakan BigQuery Graph untuk membangun berbagai jenis workload grafik analisis, termasuk:

  • Deteksi penipuan keuangan. Menganalisis hubungan kompleks antara pengguna, akun, dan transaksi untuk mengidentifikasi pola dan anomali yang mencurigakan, seperti pencucian uang dan koneksi tidak teratur antara entitas, yang mungkin sulit dideteksi menggunakan database relasional.

  • Profil pelanggan. Lacak hubungan, preferensi, dan histori pembelian pelanggan. Dapatkan pemahaman menyeluruh tentang setiap pelanggan untuk memungkinkan rekomendasi yang dipersonalisasi, kampanye pemasaran yang ditargetkan, dan pengalaman layanan pelanggan yang lebih baik.

  • Jaringan sosial. Merekam aktivitas dan interaksi pengguna serta menggunakan pencocokan pola grafik untuk rekomendasi teman dan penemuan konten.

  • Pengelolaan manufaktur dan supply chain. Gunakan pola grafik untuk analisis dampak yang efisien, penggabungan biaya, dan pemeriksaan kepatuhan dengan membuat model komponen, pemasok, pesanan, ketersediaan, dan cacat dalam grafik.

  • Layanan kesehatan. Mencatat hubungan, kondisi, diagnosis, dan perawatan pasien untuk memfasilitasi analisis kesamaan pasien dan perencanaan perawatan.

  • Transportasi. Buat model tempat, koneksi, jarak, dan biaya dalam grafik, lalu gunakan kueri grafik untuk menemukan rute yang optimal.

Cara kerja BigQuery Graph dan Spanner Graph bersama-sama

BigQuery Graph dirancang untuk workload grafik analitis, yang berfokus pada analisis mendalam dalam skala besar. BigQuery dioptimalkan untuk mengungkap pola global, mengidentifikasi tren historis, dan memindai data berukuran petabyte menggunakan pemrosesan paralel. Jika aplikasi Anda memerlukan operasi real-time, latensi milidetik yang dapat diprediksi, atau kueri k-hop yang dimulai dari satu node (seperti deteksi penipuan live atau menyajikan rekomendasi live), gunakan Spanner Graph.

BigQuery Graph dan Spanner Graph bekerja sama untuk memberikan solusi yang komprehensif. Kasus penggunaan customer 360 berikut menjelaskan cara keduanya saling melengkapi:

  1. Mengumpulkan insight real-time. Agen layanan pelanggan menggunakan Spanner Graph untuk menangani keluhan pengguna tentang pengiriman produk yang salah berdasarkan statistik pembelian dan pengiriman real-time.
  2. Mereplikasi atau mengkueri data. Anda dapat mereplikasi data dari Spanner ke BigQuery menggunakan Aliran Data Perubahan Spanner tanpa operasi ekstrak, transformasi, dan pemuatan (ETL) yang kompleks, atau mengkueri data Spanner langsung dari BigQuery menggunakan kueri gabungan BigQuery.
  3. Menganalisis pola. Data scientist menggunakan BigQuery Graph untuk mengidentifikasi "hotspot churn" pada data yang sama untuk melabeli pelanggan sebagai "berisiko".
  4. Meningkatkan feedback loop. Label "berisiko" dikirim ke Spanner Graph dengan dukungan ETL terbalik untuk membuat kode kupon bagi pelanggan ini guna mencegah churn.

Memindahkan data antara BigQuery Graph dan Spanner Graph

Anda dapat memindahkan data antara Spanner Graph dan BigQuery Graph sesuai dengan persyaratan workload Anda:

  • ETL Forward. Untuk memindahkan data dari Spanner ke BigQuery untuk kueri analisis, gunakan template Dataflow.

  • ETL Terbalik. Meskipun Anda dapat mengkueri data Spanner langsung dari BigQuery Graph, mungkin ada skenario di mana Anda perlu memasukkan data BigQuery ke Spanner Graph. Gunakan pernyataan SQL EXPORT DATA. Untuk mengetahui detail selengkapnya, lihat Memahami pipeline ETL balik.

Tutorial

Tutorial berikut menunjukkan cara menggunakan BigQuery Graph dalam berbagai skenario:

Harga

Untuk menjalankan kueri GQL, Anda harus menggunakan harga on-demand atau memiliki pemesanan yang menggunakan edisi Enterprise atau Enterprise Plus.

Penyimpanan

Anda hanya dikenai biaya satu kali untuk penyimpanan tabel pokok yang digunakan untuk menentukan grafik Anda. Biaya penyimpanan mengikuti harga penyimpanan BigQuery standar (penyimpanan aktif atau jangka panjang), terlepas dari berapa banyak model grafik yang dibuat di atas tabel tersebut.

Langkah berikutnya