使用 Amazon Neptune 构建图数据库 - 知识图谱与社交网络分析
通过 Gremlin 和 SPARQL 两种查询语言操作图数据，利用最多 15 个只读副本实现查询扩展。解析 Neptune Analytics 的图算法执行与向量搜索的应用方法。
Neptune 概述与图数据库的优势
Amazon Neptune 是一项全托管的图数据库服务。它支持属性图 (Gremlin/openCypher) 和 RDF 图 (SPARQL) 两种图模型，针对社交网络、推荐系统、知识图谱、欺诈检测等基于图的用例进行了优化。在关系型数据库中需要多级 JOIN 的复杂关系查询（如查找朋友的朋友的朋友），可以用图遍历的方式自然地表达，且随着数据量增长查询性能不易下降。标准提供最多 15 个只读副本的读取扩展、多可用区部署的高可用性和时间点恢复的数据保护。存储可自动扩展至最大 128 TiB，采用跨 3 个可用区保存 6 份数据副本的高可用架构。
查询语言与数据模型
Gremlin 是属性图模型的遍历语言，可以为顶点（节点）和边赋予属性（键值对）。通过 g.V().has("person","name","Alice").out("knows").values("name") 这样的遍历语句，可以获取 Alice 的朋友姓名。openCypher 是源自 Neo4j 的声明式查询语言，可以用 MATCH (p:Person {name:"Alice"})-[:KNOWS]->(f) RETURN f.name 这样的模式匹配直观地编写查询。SPARQL 是用于 RDF (Resource Description Framework) 图的 W3C 标准查询语言，适合构建知识图谱和本体。在同一集群内可以同时使用 Gremlin/openCypher 和 SPARQL，但数据模型是分别管理的。Neptune ML 将机器学习应用于图数据，可通过 GNN (图神经网络) 执行节点分类、链接预测、图聚类等任务。
实践用例
图数据库在多种场景中特别有效。在欺诈检测中，图算法可检测交易网络内的异常模式（循环交易、共谋网络）。推荐引擎整合用户购买历史、浏览记录和社交图谱，实现比协同过滤更精准的推荐。IT 基础设施依赖管理中，将服务器、应用和网络设备的关系以图形式可视化，可立即确定故障影响范围。生命科学领域，通过图分析蛋白质相互作用网络和药物副作用关系，加速药物研发过程。
Neptune Analytics 与向量搜索
Neptune Analytics 是一个无服务器分析引擎，可对图数据执行图算法（PageRank、最短路径、社区检测、中心性分析）。它可以导入 Neptune Database 的快照或 S3 中的数据，对数十亿条边规模的图进行交互式算法执行。向量搜索功能也已集成，可以在图节点中存储向量嵌入，将相似节点搜索与图遍历结合执行。例如，可以为知识图谱的实体附加文本嵌入，构建融合语义搜索与图探索的 RAG 管道。 关于图数据库的设计，Amazon 上的相关书籍也可供参考。
与 DynamoDB 的混合架构和数据管道
将 Neptune 与 DynamoDB 结合，可构建兼具图查询灵活性和 DynamoDB 高速读写的架构。将实体属性数据存储在 DynamoDB 中、将实体间关系存储在 Neptune 中的混合配置非常有效。Lambda 函数集成两个服务，通过 API Gateway 向客户端提供统一 API。利用 Neptune Streams 可实时检测图数据变更，构建自动更新 DynamoDB 缓存的事件驱动管道。Neptune 的批量加载器可从 S3 高速导入 CSV 或 JSON 数据。Step Functions 可构建图数据 ETL 管道，自动化定期数据更新。Neptune Serverless 根据工作负载自动扩展，最小化空闲时的成本。
Neptune 的定价
Neptune Database 的费用由实例、存储和 I/O 构成。db.r6g.large (2 vCPU、16 GiB) 约为 0.348 美元/小时（东京区域）。Neptune Serverless 采用基于容量单位 (NCU) 的计费方式，从最小 1 NCU 自动扩展到最大 128 NCU，每 NCU 约 0.1098 美元/小时。存储约为每 GB 0.11 美元/月，I/O 约为每百万请求 0.22 美元。Neptune Analytics 按处理单位 (PU) 计费，根据分析执行时间按量收费。流量断续的工作负载使用 Serverless 成本更低。
总结
Amazon Neptune 是支持 Gremlin、openCypher、SPARQL 三种查询语言的全托管图数据库。在欺诈检测、推荐、知识图谱、依赖管理等关系分析产生价值的场景中发挥威力。通过 Neptune Analytics 的图算法执行和向量搜索集成，以及与 DynamoDB 的混合架构，可构建高级的图驱动系统。