2018/06/28 #4 dev.tworks

1. 軽くRDB再入門
と
Graph DB 入門

2. RDB 再入門 (1)
2018/06/28
• Relational Databaseの基礎論文は
1968年(?) E.F.コッド「大容量データバ
ンクのための関係モデル」
• コッドの関係型データモデルは，数学的
「関係」の概念に基づいたデータモデル。
• 関係を数学的に定義すると集合 A と
集合 B の直積集合 A × B の任意の
部分集合を A から B への関係 とい
う。
• A から Aへの関係を単に A 上の関係
という。
• 主目的はループをなくしたかった
※図はwikiの直積集合より

3. RDB 再入門 (2)
2018/06/28
• データベースに含まれるべきすべてのデータを複数個の表形式で表現し，
これらの表を「関係」と見なすことにより，データベースを集合論的に定
式化したもの
• 関係については種々の演算が定義されており，このような演算の系は「関
係代数（Relational Algebra）」と呼ばれている。
• 選択(SELECT), 射影(PROJECT), 結合(JOIN)など
• 歴史
• 1974 SEQUEL言語の開発 (後にSQLと改名)
• 1979 Oracle V2
• 1981 Informix
• 1986 Sybase
• 1989 MS SQL Server
• 1995 MySQL

4. RDB 再入門 (3) 正規化
2018/06/28
注文# 店舗# 店舗 注文日 合計金額 消費税 商品1
商品1
数量
商品1
単価
商品2
商品2
数量
商品2
単価
商品3
商品3
数量
商品3
単価
1022 0001 半蔵門 20180618 2400 192 寿司 1 2000 ビール 2 100 水 1 200
4123 0004 大手町 20180618 200 16 水 1 200
非正規形
• 正規化されておらず繰返し項目などが存在する様な状態
じょうちょう
【冗⾧】
《名・ダナ》述べ方が⾧たらしく、むだのあること。
「―をきらって簡潔に書く」

5. 第1正規形
2018/06/28
• 関係がスカラ値のみを持ちうる
• スカラ値：それ以上分割できない値、表や配列、カンマで区切った文字列な
どはふつうスカラ値ではない
• 各テーブルで繰り返し現れるグループを除去します。
注文# 店舗# 店舗 注文日 合計金額 消費税 商品# 商品 数量 単価
1022 0001 半蔵門 20180618 2400 192 9001 寿司 1 2000
1022 0001 半蔵門 20180618 2400 192 9002 ビール 2 100
1022 0001 半蔵門 20180618 2400 192 9003 水 1 200
4123 0004 大手町 20180618 200 16 9003 水 1 200

6. 第2正規形
2018/06/28
• ある関係が、第1正規形で、かつ、すべての非キー属性が、す
べての候補キーに対して完全従属
• つまり、第2正規形では、候補キーの一部に関数従属する非キー属性が
あってはならない。
• 「AがBに関数従属する」とは、Bの値を決めると、常にAの値が一つに
定まるような性質をAが有する（B → Aと書く）
• 複数のレコードに該当する値のセットごとに 1 つのテーブルを作成し
ます。
注文# 店舗# 店舗 注文日 合計金額 消費税
1022 0001 半蔵門 20180618 2400 192
4123 0004 大手町 20180618 200 16
注文# 商品# 数量
1022 9001 1
1022 9002 2
1022 9003 1
4123 9003 1
商品# 名前 単価
9001 寿司 2000
9002 ビール 100
9003 水 200

7. 第3正規形
2018/06/28
• ある関係が、第2正規形で、かつ、非キー属性があるならば、
それら全てが候補キーに非推移的に関数従属するとき
• A → BかつB → Cのとき、Cは候補キーAに推移的に関数従属するとい
う。
• 非推移的に従属するとは、関数従属するが推移的に関数従属していな
いことをいう。
• キーに従属しないフィールドを除去します。
注文# 店舗# 注文日 合計金額 消費税
1022 0001 20180618 2400 192
4123 0004 20180618 200 16
注文# 商品# 数量
1022 9001 1
1022 9002 2
1022 9003 1
4123 9003 1
商品# 名前 単価
9001 寿司 2000
9002 ビール 100
9003 水 200
店舗# 店舗
0001 半蔵門
0004 大手町
住所 電話番号
一番町 03-xxxx-xxxx
1丁目 03-9999-9999

8. Graph Database
2018/06/28
• 基礎理論は 1960年代のネットワーク型
データベース（のはず）
• グラフ理論ベース(主に有向グラフ)
• 大雑把に頂点、辺、プロパティで構成す
るイメージ
• トラバーサル!
• Graph QLとか相性良さそう!(個人の感
想)
• 適当な(偏った) 製品紹介
• 2007 Neo4j
• 2010 CosmosDB
• 2018/05/30 AWS Neptune (GA)
頂点 辺
いらすとやより

9. 適用事例
2018/06/28
• 経路問題系
• 配送業務系
• ネットワーク管理系
• サジェスト(Recommend Engine)
• AWS Neptuneページでは推奨エンジンとして表現
• 不正検知(送金処理など)
• 分析系(パナマ文書)

10. 製品の違いなど
2018/06/28
製品 Query言語
Neo4j Cypher, Gremlin
Azure Cosmos DB Gremlin
AWS Neptune RDF/SPARQL, Gremlin
頂点 辺
• Cypher の場合、頂点をnode, 辺を relationship 等と表現
• Gremlin の場合、頂点を Vertex, Vertices(複), 辺を Edge と表現
outE = 外向きの辺
inV = 内向き辺の到達する頂点

11. Cypher
2018/06/28
• CREATE/DELETE :node、relationshipの登録、削除
• SET/REMOVE ： 属性の更新、削除
• MATCH：データパターン問い合わせ
• WHERE： MATCHに対する条件文、フィルター
• RETURN：返す値
• 例
MATCH (tom:Person)-[:ACTED_IN]->(movie1)<-[:ACTED_IN]-(coActor:Person),
(coActor)-[:ACTED_IN]->(movie2)<-[:ACTED_IN]-(coCoActor:Person)
WHERE tom.name = "Tom Hanks"
AND NOT (tom)-[:ACTED_IN]->(movie2)
RETURN coCoActor.name

12. Recommend Engine
2018/06/28

13. Apache Tinkerpop Gremlin
2018/06/28
• graph traversal language
• 頂点をV:Vertex, Vertices(複)、辺をE:Edge と表現
(例 outE:外向きの辺、 addV:頂点の追加)
• グラフに “Thomas” 頂点を挿入 Gremlinコンソール
:> g.addV('person').property('id', 'thomas.1').property('firstName','Thomas’)
.property('lastName', 'Andersen').property('age', 44)
• “Thomas の友人が使用しているオペレーティング システムは何か” Gremlinコンソール
:> g.V('thomas.1').out('knows').out('uses').out('runsos').group().by('name').by(count())
• “Thomas の ”友人の友人“ をすべて検索” トラバーサル C#/CosmosDB
g.V('thomas.1').outE('knows').inV().hasLabel('person').outE('knows').inV().hasLabel('person
')

14. From Relational Model
2018/06/28
Neo4J graph db vs rdbms より

15. to Graph Model
2018/06/28
Neo4J graph db vs rdbms より

16. RDB でのm:n表現
2018/06/28
PersonsId DepartmentId
815 111
815 119
815 181
…
id name
815 Alice
…
Persons
id name
111 4FUTURE
119 P0815
181 A42
…
Dept_Members
Department

17. Query
2018/06/28
Neo4J graph db vs rdbms より
• SQL
SELECT name FROM Person
LEFT JOIN Person_Department
ON Person.Id = Person_Department.PersonId
LEFT JOIN Department
ON Department.Id = Person_Department.DepartmentId
WHERE Department.name = "IT Department"

18. Query
2018/06/28
• Cypher
MATCH (p:Person)<-[:BELONGS_TO]-(d:Department)
WHERE d.name = "IT Department"
RETURN p.name
• Gremlin (自信ない)
g.V().hasLabel(‘Department’).has(‘name’, ‘IT Department’)
.out().values(‘name’)
• SPARQL
わかりません！
select ?s ?p ?o where {?s ?p ?o} limit 10

19. Cosmos DB (GraphSON)
2018/06/28
{
"id": "a7111ba7-0ea1-43c9-b6b2-efc5e3aea4c0",
"label": "person",
"type": "vertex",
"outE": {
"knows": [
{
"id": "3ee53a60-c561-4c5e-9a9f-9c7924bc9aef",
"inV": "04779300-1c8e-489d-9493-50fd1325a658"
},
{
"id": "21984248-ee9e-43a8-a7f6-30642bc14609",
"inV": "a8e3e741-2ef7-4c01-b7c8-199f8e43e3bc"
}
]
},
"properties": {
"firstName": [
{
"value": "Thomas"
}
],
"lastName": [
{
"value": "Andersen"
}
],
"age": [
{
"value": 45
}
]
}
}

20. Graph processing with SQLServer2017
2018/06/28
CREATE TABLE Person (ID INTEGER PRIMARY KEY, Name
VARCHAR(100), Age INT) AS NODE;
CREATE TABLE friends (StartDate date) AS EDGE;
SQL Server と Azure SQL Database を使用した処理グラフより

21. Query
2018/06/28
SQL Server と Azure SQL Database を使用した処理グラフより
-- Find friends of John
SELECT Person2.Name
FROM Person Person1, Friends, Person Person2
WHERE MATCH(Person1-(Friends)->Person2)
AND Person1.Name = 'John’;
※MATCHパターンで NOT や OR はサポートされていません。
ので Recommend クエリ等は Cypher に比べて少し複雑になり
ます。

22. クソデカため息
2018/06/28
クエリ言語 頂点 辺
Cypher node relationship
Gremlin vertex edge
SQLServer(T-SQL) node edge

23. おしまい
2018/06/28
引用・参考
• データベースの理論とその発展
• (論文) A Relational Model of Data for Large Shared Data Banks
• (英wiki) Graph database
• (MS) Azure Cosmos DB の概要: Graph API
• (wiki) 関係の正規化
• (MS) データベースの正規化の基礎
• (Neo4j) From Relational to Neo4j
• (AWS) Amazon Neptune
• (MS) SQL Server と Azure SQL Database を使用した処理グラフ
• (MS) Graph extensions in Microsoft SQL Server 2017 and Azure
SQL Database
• (MS) MATCH (Transact-SQL)
• (MS) SQL Graph のアーキテクチャ
• (wiki) パナマ文書
• 「パナマ文書」解析の技術的側面
• Analyzing the Panama Papers with Neo4j: Data Models, Queries &
More