图数据库专家 Neo4j 推出了图形分析工作区，作为完全托管的云服务。
根据 Carl 的说法，它被称为 AuraDS，直接针对希望使用 Neo4j 图形数据库及其机器学习库的功能的数据科学家，承诺将数据科学家从建立数据库的枯燥任务中解放出来，并扩大图形数据库的吸引力。 Olofson，IDC 研究副总裁。
Neo4j于2020年4月在一个环境中推出了原生图形分析工作区、图形数据库、可扩展图形算法、机器学习库和图形可视化。
那年晚些时候，它在其工具套件中添加了图形嵌入。
在最新版本中，数据科学工具包以完全托管的云服务形式提供，带有适用于数据科学家的 Python 本地客户端。
Neo4j 图形数据科学主管 Alicia Frame 告诉The Register： “数据科学家真的很喜欢 Python。与开发人员项目不同，没有多样性。每个人都在使用 Python。”
尽管它在技术上支持 Python，但 Neo4j 使用 Cypher（类似 SQL 的查询语言）作为主界面构建了它的数据科学工作区。
Frame 表示，虽然数据科学家喜欢图形功能，但他们真的很挣扎。“他们说：‘你想让我学习一门新语言？我不懂你的司机。这很难。’
“我们了解到 Python 有多强大，以及几乎任何摩擦都会让新用户望而却步。”
除了对 Python 的本机支持外，Neo4j AuraDS 还包括在单个工作区中访问超过 65 种图算法以及图内 ML 模型，以减轻数据科学负担。
Frame 表示，Neo4j 已经在产品中内置了护栏，因此用户不会无意中破坏后端。“如果你现在尝试运行一个没有足够内存的算法，而不是让你这样做，你会收到一条消息，‘嘿，你正在尝试运行图形，它需要这么多内存’"
她说，用户可以选择终止进程、调整服务器实例的大小或自行承担风险。
图数据库适用于高维问题，因此在早期被应用于理解社交网络。金融风险管理和欺诈检测已成为其他流行的用例，而这一概念在化学、生物学和药物研究中越来越受欢迎。
“要考虑的最重要的事情是连接数据——根据定义，它是超高维的。在这些关系中编码了很多信息。
“所以，典型的数据科学工作流程：我有一个数据框；上帝保佑，我有一个电子表格；我有一个矩阵；而且我并不真正关心事物之间是如何相互联系的。我将每件事都视为独特的个体分散式。
“使用图表，您可以从一个表转到一个巨大的邻接矩阵，突然间我必须考虑每个数据点。它连接到哪些其他数据点？然后它连接到什么？所以你得到非常高维非常快，”Frame 说，他在加入科技行业之前曾在微生物学和遗传学领域使用图形数据库。
IDC 的 Olofson 表示，Neo4j 图形 DBMS 旨在处理复杂问题，并且主要以扩展方式实现，这意味着用户必须预测最苛刻的查询并扩展其系统以支持它。
文章来源：https://baijiahao.baidu.com/s?id=1729972114398127281&wfr=spider&for=pc
