Amazon Neptune
Servicio de base de datos de grafos completamente administrado que soporta Gremlin, openCypher y SPARQL, permitiendo explorar miles de millones de relaciones con baja latencia
Descripción general
Amazon Neptune es un servicio de base de datos de grafos completamente administrado, optimizado para almacenar y consultar datos altamente conectados. Soporta los modelos de grafos de propiedades (consultable con Gremlin y openCypher) y RDF (consultable con SPARQL), permitiendo elegir el modelo más adecuado para cada caso de uso. Con replicación en múltiples zonas de disponibilidad, backups continuos a S3 y failover automático, proporciona la disponibilidad y durabilidad necesarias para cargas de trabajo de producción.
Selección de modelo de grafos y lenguaje de consulta
Neptune soporta dos modelos de grafos fundamentalmente diferentes. El modelo de grafos de propiedades representa datos como vértices (nodos) con propiedades y aristas (relaciones) con propiedades, consultable con Gremlin (imperativo, estilo traversal) u openCypher (declarativo, estilo SQL). Es adecuado para redes sociales, motores de recomendación, detección de fraude y gestión de redes. El modelo RDF (Resource Description Framework) representa datos como tripletas sujeto-predicado-objeto, consultable con SPARQL. Es adecuado para grafos de conocimiento, datos enlazados y ontologías donde la semántica formal y la interoperabilidad son importantes. La elección entre modelos depende del caso de uso: si se necesita flexibilidad de esquema y consultas de traversal, grafos de propiedades; si se necesita razonamiento semántico e integración con estándares web, RDF.
Problemas específicos de grafos irresolubles con RDB
Las bases de datos relacionales pueden modelar relaciones mediante tablas de unión, pero las consultas que atraviesan múltiples niveles de relaciones ("amigos de amigos de amigos") requieren JOINs recursivos cuyo rendimiento se degrada exponencialmente con la profundidad. Neptune resuelve estos problemas nativamente: traversal de N saltos en tiempo constante por salto, detección de caminos más cortos entre nodos, identificación de comunidades y clusters, y cálculo de centralidad (qué nodos son más influyentes). Casos de uso concretos incluyen: detección de fraude (identificar anillos de cuentas conectadas que realizan transacciones sospechosas), motores de recomendación ("usuarios que compraron X también compraron Y" con N niveles de profundidad), gestión de dependencias de infraestructura (impacto de fallos en cascada), y grafos de conocimiento empresarial (conectar personas, proyectos, documentos y habilidades).
Diferenciación entre Neptune Serverless y Neptune Analytics
Neptune Serverless escala automáticamente la capacidad de computación según la demanda de consultas, eliminando la necesidad de seleccionar y gestionar tipos de instancia. Es ideal para cargas de trabajo con patrones de tráfico variables o impredecibles, facturando por Neptune Capacity Units (NCU) consumidas. Neptune Analytics es un motor de análisis de grafos optimizado para consultas analíticas sobre grafos grandes (miles de millones de aristas). A diferencia de Neptune Database que está optimizado para consultas transaccionales de baja latencia, Analytics carga el grafo completo en memoria para ejecutar algoritmos de grafos (PageRank, detección de comunidades, caminos más cortos) con rendimiento de segundos sobre grafos masivos. Los datos pueden cargarse desde Neptune Database o directamente desde S3 en formato CSV. La elección es: Neptune Database para OLTP (consultas transaccionales de baja latencia), Neptune Serverless para OLTP con escalado automático, y Neptune Analytics para OLAP (análisis de grafos a gran escala).