图数据库

图数据库(Graph Database, 简称GDB)是阿里云自主研发、自主可控的图数据库产品,经历阿里巴巴集团内丰富的应用场景打磨,具备行业最佳实践经验。是基于图技术的行业多元异构数据的融合、分析、决策引擎,是知识图谱的最佳底座。

产品规格

规格
2核16G(单机版)
存储空间
20GB
购买时长
1年
4794.00/1年起
: ¥5640.00/1年
规格
8核64G
存储空间
200GB
购买时长
1年
39576.00/1年起
: ¥46560.00/1年
规格
16核128G
存储空间
200GB
购买时长
1年
74664.00/1年起
: ¥87840.00/1年

产品优势

支持标准图查询语言
支持Gremlin和Cypher语言,能够兼容市面主流图查询产品,降低开发门槛
实时在线
即时处理海量数据,分析洞察数据价值,可通过只读节点水平扩展并发查询性能
灵活架构
支持Schema free,满足更灵活多变的数据架构调整需求
自动索引
自动建立索引,优化查询效率的同时更易维护
优化超级顶点查询性能
GDB通过自动建立索引优化超级顶点的查询性能
支持自动机器学习
原生支持对接自动机器学习平台,通过AI算法洞察关系数据规律,产生智能决策

产品功能

借助图数据库,构建行业知识图谱,使您的多元异构数据,产生更聪明的决策。
标准图查询语言支持属性图,高度兼容Gremlin、OpenCypher图查询语言。
高度优化的自研引擎高度优化的自研图计算层和存储层,云盘多副本保障数据超高可靠,支持通过只读节点扩展并发能力。
服务高可用支持高可用实例,节点故障迅速转移,保障业务连续性。
易运维提供备份恢复,自动升级,监控告警,故障切换等丰富的运维功能,大幅降低运维成本。

应用场景

营收增长
商品推荐
社交推荐
金融风控
循环担保检测
违规团伙挖掘
异常指标监控
智能搜索推荐一体化营收增长方案
基于达摩院的智能搜索推荐算法和知识图谱技术,融合阿里巴巴电商策略沉淀,为企业提供贯穿搜索和推荐的一站式服务。助力企业快速过渡冷启动过程,面向业务场景定制化方案,持续提升核心业务指标,实现业务营收增长。
能够提供
搜索推荐一站式服务
将搜索和推荐融合提供一站式服务,精准理解用户意图并提供个新化智能推荐,推用户之所想。
融合知识图谱技术和数据沉淀
运用知识图谱技术,融合阿里电商丰富策略和数据沉淀,提供行业知识驱动、多元场景覆盖的智能服务。
提升核心业务营收指标
面向用户业务场景,通过智能算法和策略的赋能,同时支持用户面向一些业务场景的定制化需求,切实提升营收指标。
推荐搭配使用
商品推荐
基于图的推荐算法是当前推荐系统中的一种重要的技术方向,在兼顾了推荐精度的同时,还能让模型具备较好的可解释性。通过图的共性关系发现和分析方法,通过计算共同邻居数进行相似节点推荐。适用于电商、保险的商品推荐场景。
能够提供
支持标准图查询语言
能够兼容市面绝大多数开源图查询产品,降低开发门槛。
实时在线
即时处理海量数据,分析洞察数据价值,满足关键业务应用需求。
推荐搭配使用
社交推荐
在一个典型的社交网络中,常常会存在“谁认识谁,谁上过什么学校,谁常住什么地方,谁喜欢什么餐馆之类的查询”,传统关系型数据库对于超过3度的查询往往会很低效甚至无法支持。图数据库原生支持社交推荐的深度关系查询场景,轻松应对复杂社交网络关系分析、计算。
能够提供
Schema free
满足更灵活多变的数据架构调整需求。
优化超级顶点查询
超级顶点是一些紧密连接的节点簇,处理不当将拖慢图数据库性能。针对超级顶点问题,GDB通过特定的索引进行了优化,大幅提升超级顶点查询效率。
推荐搭配使用
金融风控
传统的金融风控模型,能够汇集各个数据源的属性特征信息,但是比较难挖掘数据源之间的深度关联关系。要深度并且快速的挖掘海量数据的关联特征,使用传统的方法则会面临非常大的技术挑战。通过图表示学习技术,提取知识图谱中的拓扑信息特征,作为风控模型的输入条件,参与模型训练,可以帮助金融机构构建更高精度的风控模型。
能够提供
支持自动机器学习
对接自动机器学习平台,通过算法洞察关系数据规律,产生智能决策。
Schema free
满足更灵活多变的数据架构调整需求。
推荐搭配使用
循环担保检测
金融场景中,债权人所持有的债券是否超过检测抵押物多次担保的价值,对于风险控制尤为重要。图计算中的环检测算法为核心,找到图中闭环连接,帮助金融机构发现抵押物和债权人之间的深层关联关系,从而实现降低风控成本的目的。
能够提供
优化超级顶点查询
超级顶点是一些紧密连接的节点簇,处理不当将拖慢图数据库性能。针对超级顶点问题,GDB通过特定的索引进行了优化,大幅提升超级顶点查询效率。
Schema free
满足更灵活多变的数据架构调整需求。
推荐搭配使用
违规团伙挖掘
很多平台上都有团伙作案的场景出现,如团伙性信用卡套现、羊毛党,甚至于团伙性的违法、犯罪性活动。团伙性作案的核心特征是,其成员之间具备某种关联关系,或行为之间具备某些相似特征。通过图结合机器学习的方式,提取团伙关系图谱之中的拓扑关系信息,以已知团伙信息作为样本,训练机器学习模型,针对目标节点进行分类,或其关系进行预测。
能够提供
自动索引
自动建立索引,优化查询效率的同时更易维护。
实时在线
即时处理海量数据,分析洞察数据价值,满足关键业务应用需求。
推荐搭配使用
异常指标监控
交易如电子支付、移动支付发展的同时,也带来了更为严峻的交易安全问题。为防止违法金融行为带来经济损失,通过使用异常检测算法在网络金融交易领域的应用,准确识别网络金融交易中存在的异常交易情况,及时阻止违法金融行为。通过图数据库,识别支付用户的设备信息、支付环境信息、转账信息、社交信息,检测可能出现的异常风险,提高支付的安全性。
能够提供
支持自动机器学习
对接自动机器学习平台,通过算法洞察关系数据规律,产生智能决策。
支持标准图查询语言
能够兼容市面主流图查询产品,降低开发门槛。
推荐搭配使用

产品动态

查看全部日志

文档与工具