Intro to Graph Databases

1. GRAPH (ÇİZGE)
VERİTABANLARI
EMRE AKIŞ

2. AJANDA
• Isınma turları
• Teori
• İlişkisel vs Çizge Veritabanları
• Neden kullanalım ?
• Örnekler
• Ürünler
• Kullanım Önerileri
• Sonuç

4. INMAPS.LINKEDINLABS.COM

5. SOSYAL AĞLARDAN GELEN VERİ

6. TEORİ
• G = (V, E)
• V => Düğüm (Vertice)
• E => İlişki (Edge)
A& B&
C& D&
Graph Databases: GRAPH

7. BASİT ÇİZGE (SIMPLE GRAPH)
• Düğümler ve onları birbirine bağlayan ilişkiler (yönsüz)
a simple graph

8. YÖNLÜ ÇİZGE (DIRECTED GRAPH)
• Her ilişkinin bir yönü vardır ya da her ilişkinin başlangıç ve
bitiş düğümü vardır.
directed graph

9. NİTELİK ÇİZGESİ (PROPERTY GRAPH)
• Düğümlerin nitelikleri var (anahtar, değer)
• İlişkilerin bir tipi var ve her zaman yönleri var
• İlişkilerinden değerleri olabilir

10. İLİŞKİSEL VS ÇİZGE

11. JOIN VS GRAPH TRAVERSAL

12. JOIN VS GRAPH TRAVERSAL

13. JOIN VS GRAPH TRAVERSAL

14. İLİŞKİSEL VS ÇİZGE
• Kullanıcının arkadaşlarının arkadaşları (derinlik = 2)
• 1.000.000 kayıttan, 1.000 kullanıcı için (saniye)
Derinlik Süre - İlişkisel Süre – Çizge
2 0.016 0.010
3 30.267 0.168
4 1.543.505 1.359
5 1 saati geçkin 2.132
http://www.neotechnology.com/how-much-faster-is-a-graph-database-really/

15. NEDEN ?
• Veritabanı performansı, her zaman aslında çizgenin belli
bir kısmı ile ilgili olduğundan, görece sabit kalıyor.
• Sabit sorgu zamanı

16. NEDEN ?
• İlişkiler arası ilerlemek kolay ve hızlı

17. NEDEN ?
• Beyaz tahta dostu (anlatması, çizmesi kolay)

18. NEDEN ?
• Sonradan yeni tür ilişkiler ve düğümler kolaylıkla eklenebilir
• Örn : Sosyal medyadan alınacak veri, her mecrada farklı
yapıda

19. ÖRNEĞİN – TAVSİYE SİSTEMİ
APP: Collaborative filtering• Bunu alan bunu alabilir mi ? (Amazon,vs…)

20. ÖRNEĞİN – FACEBOOK GRAPH
SEARCH

21. ÖRNEĞİN – KARGO

22. ÖRNEĞİN - FRAUD
User ID
Cookie ID

23. ÜRÜNLER

24. GÖRSEL ARAÇLAR

25. SON OLARAK
• İlişkisel veritabanı yerine geçen bir çözüm değildir !

26. SON OLARAK
• Veriniz ilişkilerden oluşuyor ise, bu bir çizge olabilir !