Graph DatabasesA little connected tour

!

@fcofdezc

El origen

Dado el mapa de Königsberg, con el río Pregolya dividiendo el plano en cuatro regiones distintas, que están unidas a

través de los siete puentes,

¿es posible dar un paseo comenzando desde cualquiera de estas regiones, pasando por todos los puentes, recorriendo

sólo una vez cada uno, y regresando al mismo punto de partida?

El origenG = (V, E)

¿Qué es?

Grafo

Nodos Relaciones

Propiedades

Guar

daGuarda

Organiza

Tiene

Tiene

Escrita en java

ACID

Interfaz REST

Cypher

¿Por qué NOSQL?

Ventajas BD Relacionales

Ventajas de BD Relacionales

ConcurrenciaPersistenciaIntegraciónEstándar

Persistencia

Ventajas de BD Relacionales

ConcurrenciaPersistenciaIntegraciónEstándar

Concurrencia

Ventajas de BD Relacionales

ConcurrenciaPersistenciaIntegraciónEstándar

Integración

Ventajas de BD Relacionales

ConcurrenciaPersistenciaIntegraciónEstándar

Estándar

DESVentajas BD Relacionales

El OrigenFricción

class Client < ActiveRecord::Base has_one :address has_many :orders has_and_belongs_to_many :rolesend

DesVentajas de BD Relacionales

Fricción!InteroperabilidadAdaptación al cambioEscalabilidadNo está destinada para ciertos escenarios

Interoperabilidad

Adaptación al cambio

!Escalabilidad

Profundidad Tiempo MySQL(s) Tiempo Neo4j (s) Nº Resultados

2 0.016 0.01 ~2500

3 30.267 0.168 ~110,000

4 1543.505 1.359 ~600,000

5 No Acaba 2.132 ~800,000

MySQL vs Neo4j

* Neo4J in Action

El enfoque tradicional en el contexto de datos conectados es artificial

Podemos trasladar el modelo del dominio que estamos tratando de forma natural

Casos de uso

Redes Sociales

Sigue

Sigue

Juan Jose

María

Problemas Geoespaciales

Detección de fraude

Gestión de permisos

Gestión de redes

CypherLenguaje declarativo

ASCII oriented

Pattern matching

CypherCypher

Traverser API

Core API

Kernel

Cypher

a b

(a)-->(b)

Cypher

clapton cream

(clapton)-[:toca_en]->(cream)

toca_en

Sigue

SigueJuan Jose

María

Cypher

(juan:Persona)-[:sigue]->(jose:Persona)!

(maria:Persona)-[:sigue]->(juan:Persona)

Cypher

clapton {nombre: Eric Clapton}

cream

(clapton)-[:toca_en]->(cream)<-[:etiquetado]-(blues)

toca_en {fecha: 1968}

Blues

etiquetado

Cypher

MATCH (a)-—>(b)RETURN a,b;

Cypher

MATCH (a)-[:TOCA_EN]—>(b)RETURN a,b;

Cypher

MATCH (a)-[t:TOCA_EN]—>(g), (g)<-[:ETIQUETADO]-(e)RETURN a.nombre, t.fecha, e.nombre;

Cypher

START c=node:node_auto_index(nombre=‘clapton’)MATCH (c)-[t:TOCA_EN]—>(g), (g)<-[:ETIQUETADO]-(e)RETURN c.nombre, t.fecha, e.nombre;

Cypher

START c=node:node_auto_index(nombre=‘clapton’) e=node:node_auto_index(nombre=‘blues’)MATCH (c)-[t:TOCA_EN]—>(g), (g)<-[:ETIQUETADO]-(e)RETURN c.nombre, e.nombreORDER BY t.fecha

Cypher

START c=node:node_auto_index(nombre=‘clapton’) e=node:node_auto_index(nombre=‘blues’)MATCH (c)-[t:TOCA_EN | PRODUCE]—>(g), (g)<-[:ETIQUETADO]-(e)WHERE t.fecha > 1968RETURN c.nombre, e.nombre

Cypher

MATCH (juan)-[:CONOCE*5]—>(pepe)

START startNode=node:node_auto_index(name = ‘Sol'),

endNode=node:node_auto_index(name = ‘Cuzco')

MATCH p = (startNode)-[rels:CONNECTED_TO]->(endNode)

RETURN p AS shortestPath,

reduce(weight=0, r in rels: weight + r.weight) as tWeight

ORDER BY tWeight ASC

LIMIT 1

Sistema de recomendación

Red social de cine

Red social de cine

Usuarios puntúan películas

Personas actúan en películas

Personas dirigen películas

Usuarios siguen a otros usuarios

Red social de cine

¿Cómo lo modelamos?

Red social de cine

Sigue

Puntúa {nota}

User

Film

User

Actor

Director

Actua en

Dirige

Red social de cine

START fran=node:Persona(name='Fran'), film=node:Peliculas(title=‘Pulp Fiction') MATCH fran-[or:PUNTUA]->film<-[:PUNTUA]-otro_user-[r:PUNTUA]->otras_pelis RETURN distinct otras_pelis.title;

Red social de cine

Puntúa {nota}

Puntúa {nota}

User 1

Film PF

Fran User 2

Puntúa {nota}

Film

Film

Puntúa {nota}

Puntúa {nota}

Red social de cine

START fran=node:Persona(name='Fran'), film=node:Peliculas(title=‘Pulp Fiction') MATCH fran-[or:PUNTUA]->film<-[:PUNTUA]-otro_user-[r:PUNTUA]->otras_pelis WHERE or.stars = r.stars RETURN distinct otras_pelis.title;

Red social de cine

START fran=node:Persona(name='Fran'), film=node:Peliculas(title=‘Pulp Fiction') MATCH fran-[or:PUNTUA]->film<-[:PUNTUA]-otro_user-[r:PUNTUA]->otras_pelis, otro_user-[:SIGUE]-fran WHERE or.stars = r.stars RETURN distinct otras_pelis.title;

Red social de cine

Puntúa {nota}

User 1

Film PF

FranPuntúa {nota}

Film

Sigue

Puntúa {nota}

Red social de cine

START tarantino=node:Persona(name='Quentin Tarantino') MATCH tarantino-[:DIRIGE]->peli<-[:ACTUA_EN]-tarantino RETURN movie.title; !

Red social de cine

Film Actor

Director

Actua en

Dirige

Red social de cine

Ahora se deben poder categorizar las películas

Red social de cine

Film

SubGenero

Pertenece_a

SubGenero

Pertenece_a

GeneroGenero

Pertenece_aPertenece_a

Red social de cine

START fran=node:Persona(name='Fran'), film=node:Peliculas(title=‘Pulp Fiction') MATCH fran-[or:PUNTUA]->film<-[:PUNTUA]-otro_user-[r:PUNTUA]->otras_pelis, film-[:PERTENECE:*3]->genero<-[:PERTENECE]-otras_pelis WHERE or.stars = r.stars RETURN distinct otras_pelis.title;

Instead of just picking a relational database because everyone does, we need to

understand the nature of the data we’re storing and how we want to manipulate it.

Martin Fowler

Referencias

Neo4J as a service

http://www.graphenedb.com

Neo4J Spain

http://www.meetup.com/graphdb-spain/

20 Febrero

Gracias