4Developers: Szymon Warda- Graph databases - why and how
Download as PPTX, PDF0 likes122 views
Od podstaw teorii grafów, przez budowę, typy baz grafowych po zastosowania i wydajność. Pokażę na przykładach jak bardzo zróżnicowanym i innym światem jest świat baz grafowych oraz jak pewne problemy się w nim dużo łatwiej rozwiązuje. Porozmawiamy o wydajności baz grafowych i porównamy do wydajności SQL Servera. A przez całość szybki kurs języka do zapytań grafowych - Cypher.
![MATCH (person:Person)–[:IS_FRIEND_OF]->(friend),
(friend)–[:LIKES]->(restaurant),
(restaurant)–[:LOCATED_IN]->(loc:Location),
(restaurant)–[:SERVES]->(type:Cuisine)
WHERE (person.name = ’Philip’ AND loc.location=’New York’ AND
type.cuisine=’Sushi’
RETURN restaurant.name
- - - - - - - - - - - - - - - - - - - - - - -
ROZPOZNAWANIE JĘZYKA NATURALNEGO- - -](https://image.slidesharecdn.com/prezentacja4developers-160429135055/85/4Developers-Szymon-Warda-Graph-databases-why-and-how-15-320.jpg)
4Developers: Szymon Warda- Graph databases - why and how
- 1. Graph databases - why and how?
- 2. Chief Architekt w ITMAGINATION Architekt i TeamLeader w jednym z największych projektów w .NET w Polsce Zajmuję się systemami rozproszonymi i tym co można wywnioskować z danych Coś piszę na IndexoutOfRange.com No i można mnie spotkać na rekrutacji - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - O MNIE- - -
- 3. Grafy Bazy grafowe Wydajność Zastosowania Neo4j i Cypher - demo Kiedy stosować - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - AGENDA
- 4. G=(E,V) - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - GRAF- - -
- 5. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - GRAFY 3 Ala Kota ma Ala lat:4 Kot Kolor:czarny ma Lat:3
- 6. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - GRAFY 3 Ala Kota ma Ala lat:4 Kot Kolor:czarny ma Lat:3 1 * 1 1 1 * 1 1 1 * * *
- 7. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - GRAFY Ala lat:4 ma Lat:3 1 1 1 *1 * 3 ma Ala Kota Kot Kolor:czarny 1 1 1 * * *
- 8. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - HISTORIA BAZ RELACYJNYCH- - - 1970 – Edgar F. Codd – model relacyjny Co innego działo się latach 70? Znaczący spadek ceny pamięci RAM – tylko 734$ za 1 MB IBM 3310 oferuje 100MB dyski 1971 Intel 4004 – 740kHz, 8 bitów 1974 Intel 8008 – 800kHz, 16 bitów, 1MB pamięci 1977 powstaje Oracle, apple 1 1978 Intel 8086 – 4MHz- 10MHz
- 9. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - HISTORIA BAZ GRAFOWYCH- - - 1736 – Problem mostów 1852 – Problem pokolorowania mapy 1936 – Książka „Teoria Grafów” 1948 - ENIAC 1969 – Częściowe rozwiązanie problemu mapy 1994 – Rozwiązanie problemu mapy 2002 – Pentium 4 3,8GHz 2003 – Pierwsze komercyjne bazy grafowe
- 10. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - OBECNE BAZY GRAFOWE- - - Przechowywanie ProcesowanieNatywne Natywne
- 11. Zastosowania
- 12. - - - - - - - - - - - - - - - - - - - - - - - PRANIE BRUDNYCH PIENIĘDZY
- 13. - - - - SUGEROWANIE PODOBNYCH PRODUKTÓW- - -
- 14. - - - - - - - - - - - - - - - - - - - - - - ROZPOZNAWANIE JĘZYKA NATURALNEGO- - -
- 15. MATCH (person:Person)–[:IS_FRIEND_OF]->(friend), (friend)–[:LIKES]->(restaurant), (restaurant)–[:LOCATED_IN]->(loc:Location), (restaurant)–[:SERVES]->(type:Cuisine) WHERE (person.name = ’Philip’ AND loc.location=’New York’ AND type.cuisine=’Sushi’ RETURN restaurant.name - - - - - - - - - - - - - - - - - - - - - - - ROZPOZNAWANIE JĘZYKA NATURALNEGO- - -
- 16. - - - - - - - - - - - - - - - - - - - - - - ROZPOZNAWANIE JĘZYKA NATURALNEGO- - -
- 17. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - WYDAJNOŚĆ Optymalizacja pod agregację Optymalizacja pod połączenia Relacyjne Grafowe
- 18. - - - - - - - - - - - - - - - - - - - - - - WYDAJNOŚĆ - TRAWERSOWANIE
- 19. - - - - - - - - - - - - - - - - - - - - - - WYDAJNOŚĆ - TRAWERSOWANIE
- 20. - - - - - - - - - - - - - - - - - - - - - - WYDAJNOŚĆ - TRAWERSOWANIE
- 21. - - - - - - - - - - - - - - - - - - - - - - WYDAJNOŚĆ - TRAWERSOWANIE
- 22. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Wydajność - testy- - - Twitter z 2009 roku 1,67 miliarda obserwowań 41,7 milionów userów Operacje Tworzenie kont – 1% Publikowanie tweetów – 15% Oczyt – 76% Rekomendacje – 7%
- 23. Przechowywanie danych 6 c1.4xl Nodów Casandry Obliczenia 40 m1.small Obsługa transakcji i zapytań - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Wydajność - testy- - -
- 24. Typ transakcji Liczba trx Ważona czasu Std czasu Tworzenie konta 379,019 115,15ms 5,88ms Tweetowani e 7,580,955 18,54ms 6,34ms Odczyt 37.936,184 6,29ms 1,62ms Rekomenda cje 3.793,863 67,65ms 13,89ms Total 49.690,061 Czas trwania 2,3h Średnia 5.900 trx/sek - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Wydajność - testy- - -
- 25. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - SMOKI- - -
- 26. Przeglądarkowa MMORPG Chwytanie potworów przy użyciu pułapek 4000 przedmiotów 800 przepisów 1500+ questów 100+ potworów 50+ pułapek 1M aktywnych użytkowników dziennie 250M requestów dziennie Skala - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - SMOKI- - -
- 27. Balansowanie grą Wycena przedmiotów Poziomu trudności Realizowalności questów Postępu graczy - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - SMOKI- - -
- 28. - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Neo4j- - - db-engines.com – 20 pozycja, 1 w bazach grafowych Drivery dla: Java .NET JavaScript Python Ruby PHP and R, Go, Clojure, Perl, Haskell Cypher jako standard Jest wersja darmowa
- 29. Cypher - demo
- 30. Kiedy stosować: Dane hierarchiczne Ważniejsze są relacje, niż atrybuty obiektów Wyszukiwanie wzorów w danych Do lepszej wizualizacji danych - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - - Zastosowanie- - - Kiedy NIE stosować: Systemów gdzie ważniejsze są atrybuty obiektów niż relacje ACIDowe transakcje Zamiast baz reacyjnych