|
圖數(shù)據(jù)庫一體機是面向知識圖譜、大數(shù)據(jù)、科學計算、工程計算、大數(shù)據(jù)分析、機器學習、深度學習、電信、能源、氣象、金融、數(shù)據(jù)庫、高頻交易等行業(yè)應用。是支持屬性圖模型，用于處理高度連接數(shù)據(jù)查詢與存儲的實時可靠的數(shù)據(jù)庫，管理極致計算性能和并行加速效率的彈性高性能計算服務平臺。適用于金融欺詐檢測、企業(yè)圖譜、公共安全、數(shù)字化變革、非關系型數(shù)據(jù)庫、大數(shù)據(jù)、大數(shù)據(jù)可視化、數(shù)據(jù)分析、供應鏈管理、數(shù)據(jù)管理、圖數(shù)據(jù)、數(shù)據(jù)決策、數(shù)據(jù)展示、反欺詐、反洗錢、實時推薦、客戶360、網(wǎng)絡安全等領域。
興起于20世紀60年代的數(shù)據(jù)庫技術十年來并未普及。近十年來，信息世界發(fā)展迅速，面對極其復雜、互聯(lián)互通、動態(tài)多變的數(shù)據(jù)洪流，數(shù)據(jù)庫平臺如雨后春筍般涌現(xiàn)，市場上有350多個選擇。多年來，數(shù)據(jù)庫市場一直以每年5%至6%的速度高速擴張，預計未來4至5年市場規(guī)模將從目前的500億美元攀升至1000億美元。
近兩年來，數(shù)據(jù)庫行業(yè)的發(fā)展趨勢呈現(xiàn)出三個特點。
1融合
隨著新數(shù)據(jù)的大規(guī)模創(chuàng)新，快速擴張的數(shù)據(jù)庫市場再次呈現(xiàn)出融合態(tài)勢，數(shù)百家數(shù)據(jù)庫廠商逐漸被分為四個新的穩(wěn)定的數(shù)據(jù)庫陣營，包括文檔數(shù)據(jù)庫、圖形數(shù)據(jù)庫、時間數(shù)據(jù)庫和NewSQL數(shù)據(jù)庫。在不同的子領域，只有數(shù)量有限的公司處于領先地位，比如圖領域的Neo4j和文檔領域的MongoDB。
2向云遷移已經(jīng)成為整個行業(yè)的長期趨勢
2017年前后一些大型云供應商和獨立云供應商開始現(xiàn)。雖然曾由于數(shù)據(jù)重力、監(jiān)管等因素進度有所放緩，但這一趨勢再次全面展開。在很大程度上，數(shù)據(jù)向云服務的轉移已經(jīng)成為數(shù)據(jù)庫平臺發(fā)展的驅動因素。
3數(shù)據(jù)科學家方興未艾
總的來說，數(shù)據(jù)科學家不喜歡數(shù)據(jù)庫，但他們喜歡數(shù)據(jù)。圖數(shù)據(jù)庫是一個例外，越來越多的數(shù)據(jù)科學家青睞它。數(shù)據(jù)科學家使用圖形算法處理數(shù)據(jù)，然后通過圖形將數(shù)據(jù)輸入機器學習管道，從而為機器學習模型和預測提供關系信號。因此，圖形數(shù)據(jù)庫成為機器學習管道的核心部分。
以供應鏈為例，十年前供應鏈應用還不是圖數(shù)據(jù)庫的最佳用例。因為當時任何生產(chǎn)實物產(chǎn)品的制造公司可能只有一個2到3個級別的供應鏈，關系數(shù)據(jù)庫完全可以滿足企業(yè)的需求。如果需要分析，添加2或3個節(jié)點即可。
目前為止，制造企業(yè)不僅在不同大洲擁有廣泛的業(yè)務分布，還必須應對一個又一個突發(fā)事件。制造企業(yè)需要了解此類事件對供應鏈乃至業(yè)務的影響，具備保障供應鏈安全的能力。有效的解決辦法是實現(xiàn)供應鏈的數(shù)字化。如今企業(yè)面臨的數(shù)據(jù)分析不再是2至3次的跳轉挖掘，而是20、30甚至40跳轉挖掘。數(shù)據(jù)庫尤其是在多次跳轉中表現(xiàn)優(yōu)異的圖形數(shù)據(jù)庫已經(jīng)成為必然的選擇。
|
