广元网站设计,产品营销推广方式,网络营销组织的概念,做网站有谁做本文为杭州悦数 CTO 叶小萌在“标准智能#xff1a;新质生产力的原动力”悦数图数据库新产品发布会上的演讲回顾#xff0c;主题为#xff1a;《新标准、新期待#xff1a;展望图数据库发展的关键方向》 各位嘉宾、悦数图数据库的用户以及线上的观众朋友们大家好#xff0… 本文为杭州悦数 CTO 叶小萌在“标准智能新质生产力的原动力”悦数图数据库新产品发布会上的演讲回顾主题为《新标准、新期待展望图数据库发展的关键方向》 各位嘉宾、悦数图数据库的用户以及线上的观众朋友们大家好今天很高兴有机会和大家分享我对数据库尤其是图数据库的感悟与想法。
GQL 的诞生推动图数据库的发展
在 2000 年前后图数据库的概念尚未普及当时主要通过 Java API 进行相关操作。直到 2009 年Apache TinkerPop 规范定义的 Gremlin 查询语言首次发布两年后的 2011年Neo4j 推出了更加广为人知的 Cypher 图查询语言。在图数据库的后续发展中虽然越来越多的厂商为图数据库增添了丰富的功能但多样的查询语言也给用户带来了困扰。在选择产品时用户不仅需要考虑产品本身的性能还必须评估查询语言的易学性和掌握难度。此外如果所选产品所使用的查询语言在几年后不再被广泛采用替换成本将会非常高。这种情况直接影响了图数据库在业界的接受度。
直到 2019 年国际标准化组织ISO成立了专门工作组致力于制定图数据库查询语言的标准。经过近五年的讨论2024 年 4 月ISO 正式发布了国际标准图查询语言 ——Graph Query LanguageGQL。GQL 标准的发布标志着图数据库技术走向成熟的重要一步。它不仅有助于提高图数据库的可操作性还降低了用户的迁移成本促进了图数据库技术的广泛应用。杭州悦数作为图数据库厂商也积极参与了标准的制定进一步增强了标准的权威性和实用性悦数图数据库更是全球首款原生支持 GQL 的图数据库产品。相信 GQL 的发布有望像当年 SQL 标准推动关系数据库发展一样推动图数据库的发展提升业界对图数据库的接受程度。我们有理由相信在 2030 年前后依托于 GQL 标准 图技术将全方位融入生活形成行业的结构化、产业化。 图数据库与 HTAP融合发展突破数据处理瓶颈
在数据库领域近年来出现了 HTAP 概念旨在将 OLTP在线事务处理和 OLAP在线分析处理功能整合于一个系统中。在传统企业架构中OLTP 系统负责在线业务的数据修改和查询而数据随后会同步到后端数据仓库以进行分析和挖掘。然而这种方式无论是传统关系型数据库还是图数据库往往都面临高存储成本和数据时效性的问题。截至 2023 年OLTP 和 OLAP 在的市场份额基本上各占一半。然而在图数据库领域分析需求的占比可能更高。根据我们接触到的市场情况分析需求可能占到 60% - 70%而在线事务处理则占 30% - 40%。
作为图数据库厂商我们希望能够整合图数据库的交易与分析功能实现 HTAP 能力。首先实现底层数据共享以解决存储和数据时效性的问题其次针对分析查询既然已经有了 GQL 标准我们可以能够使用它进行分析查询就像使用 SQL 进行查询一样。此外图数据库中存在许多算法而以往在不同系统中描述这些算法的难度较大对数据分析人员的要求也很高。因此我们希望在 GQL 的基础上具备描述算法的能力从而真正实现查询语言的统一。因此我们认为基于标准的分布式 HTAP 系统是图数据库未来的重要发展方向。 图数据库与 AI 打破向量局限实现优势互补
2022 年底OpenAI 发布了 3.0 大模型掀起了 AI 的热潮。如何有效地将私有数据与公共领域的知识模型结合成为了一个重要的研究课题。对于企业而言训练专有的大模型不仅需要强大的计算能力还对技术团队和研发团队提出了较高的要求。相比之下RAG 技术将私有数据作为大模型的补充避免了重新校正和训练模型的复杂过程因此对技术能力的要求相对较低。随着大模型的不断发展基于向量数据库的 RAG 解决方案也逐渐涌现。 然而基于向量数据库的 RAG 存在显著问题。私有数据本身具有内在的关联关系但向量数据库无法有效地体现这些关系。而用户给到大模型的请求是按照 Token 来计算的Token 越多计算量越大价格也越高时间也越长RAG 因为缺少了关联的知识会导致大量的计算资源的浪费和时间的浪费且结果不够精准。 相比之下图数据库能够更好地识别和保留这些关系从而提高信息检索的准确性和效率。图数据库在处理复杂关系和大规模数据方面具有天然优势这对于 AI 的理解和推理能力至关重要。 在 2023 年 8 月我们提出用图数据库取代向量数据库并与 LlamaIndex 社区合作推出 Graph RAG。该方案通过提供更具上下文感知的能力和数据训练的方法缓解了传统搜索增强技术的幻觉能够区分像“保温杯”和“保温大棚”这种关键字相似但语义不同的内容确保所提供的回复不仅精确而且信息丰富。今年上半年微软开源的 Graph 相关项目也印证了图数据库与 AI 结合是市场和技术共同选择的结果。
展望未来
图数据库的未来发展方向主要包括三个方面
拥抱 GQL继续支持和推广 GQL 标准促进图数据库技术的普及与应用。
探索基于标准的 HTAP 解决方案开发高效的 HTAP 系统满足日益增长的数据处理需求。
深化图数据库与 AI 技术的融合结合图数据库和大模型的优势推动智能决策支持系统的发展。
图数据库不仅在技术上不断创新还在实际应用中展现出巨大的潜力。未来图数据库将在社交网络、推荐系统、金融风控等多个领域发挥重要作用为数据驱动的决策提供强有力的支持。
感谢各位的聆听希望今天的分享能够为大家带来一些启发和思考。谢谢。
