Publicamos as arquiteturas de referência da AWS usando o Amazon Neptune para ajudar a embasar suas escolhas de modelos de dados e linguagens de consulta de grafos, bem como oferecer arquiteturas de implantação de referência.
Accenture: Natural Language Processing and Graph Databases for the Oil and Gas Industry (6:23)
Nike: A Social Graph at Scale with Amazon Neptune (7:00)
AWS re:Invent 2020: Building the post-cookie identity graph for marketing (30:48)
AWS re:Invent 2020: ADP’s next-generation platform powers dynamic teams with Amazon Neptune (26:02)
AWS re:Invent 2019: Real-world customer use cases with Amazon Neptune (30:25)
AWS re:Invent 2018: Building a Social Graph at Nike with Amazon Neptune (53:46)
AWS re:Invent 2018: Data & Analysis with Amazon Neptune: A Study in Healthcare Billing (48:49)
AWS re:Invent 2017: Amazon Neptune Overview and Customer Use Cases (1:00:56)
AWS re:Invent 2022
AWS re:Invent 2022 - Deep dive into Amazon Neptune Serverless (Um mergulho profundo no Amazon Neptune sem servidor) (53:04)
AWS Summit SF 2022 - Amazon Neptune: Using graphs to gain security insights (Amazon Neptune: uso de grafos para obter insights de segurança) (56:43)
AWS re:Invent 2021 - Real-world use cases with graph databases (Casos de uso reais com bancos de dados de grafos) (31:25)
AWS re:Invent 2020
AWS re:Invent 2020: Deep dive on Amazon Neptune (29:50)
AWS re:Invent 2020: New capabilities to build graph apps quickly with Amazon Neptune (26:54)
AWS Tech Talks
AWS on Air 2020: AWS What’s Next ft. Amazon Neptune ML (24:05)
Build Event Driven Graph Applications with AWS Purpose-Built Databases (48:03)
Understanding Game Changes and Player Behavior with Graph Databases (50:21)
AWS DMS supports copying data from relational databases to Amazon Neptune (1:02:34)
Amazon Neptune: Build Applications for Highly Connected Datasets (32:33)
AWS Tel Aviv Summit 2018: How Amazon Neptune and Graph Databases Can Transform Your Business (38:39)
AWS re:Invent 2018: How Do I Know I Need an Amazon Neptune Graph Database? (46:12)
Estudos de caso de clientes
Audible for Business
Um banco de dados de grafos nos oferece mais flexibilidade do que os sistemas relacionais. Podemos precisar fazer várias junções em nossas tabelas (em um modelo relacional), o que causaria alta latência de grande parte da lógica de negócios. Um banco de dados grafo é otimizado para o nosso caso de uso. O Amazon Neptune resolveu o que tentávamos resolver.
O metaphactory e o Amazon Neptune capacitaram a Siemens Energy a criar um gráfico de conhecimento de turbina e visualizar as conexões entre peças semelhantes em toda a frota de turbinas de gás. O Amazon Neptune, um serviço gerenciado de banco de dados grafo, é ideal para a estratégia de priorização da nuvem promovida pela TI da Siemens Energy, em que o foco é confiabilidade, escalabilidade, redução de manutenção e integração com a plataforma existente na Amazon Web Services (AWS).
Escolhemos o Neptune por ser um poderoso banco de dados de grafos seguro, eficiente e fácil de realizar analytics. Em nosso modelo [monitoramento de contato], cada nó de usuário é conectado a um nó de dispositivo. Quando um dispositivo dá entrada em um local, forma-se uma borda entre ele e um elemento escaneável (código QR), que é associado a um site específico (loja física) e organização vinculada (entidade corporativa). O Neptune nos permite armazenar esses relacionamentos avançados entre usuários, entradas e locais para obter insights sobre a propagação do vírus.
Além da criptografia por banco de dados, gostamos da criptografia por aplicações. Quando usamos o Amazon Neptune, os dados já estão criptografados antes de chegarem ao banco de dados e são criptografados novamente em repouso.
Usando o [Amazon] Neptune e outros serviços da AWS, conseguimos obter uma plataforma de dados econômica e em grande escala em um período bastante curto.
