Amazon Neptune で始めるグラフDB

第2回 AWS初心者LT会in札幌

Transcript

1. Amazon Neptune で始める グラフDB ビジネスソリューション第一事業部 八雲慎之助 株式会社クレスコ
2. 自己紹介 八雲慎之助（やくも しんのすけ） 所属 株式会社クレスコ 技術 好きなサービス Amazon Neptune
3. グラフDBとは？ 引用 （https://www.imagazine.co.jp/12805-2/） ノード間のリレーションを表現できる
4. グラフDBとは？（RDSとの比較） Q：「Aさんの孫（子供の子供）は？」 UserId ChildrenID 1 2 2 3 3 4 UserId Name 1 A 2 B 3 C UserID１の孫は誰？ A B C 子供はBさん 子供はCさん
5. 主な活用事例 ユーザー同士の友人関係やフォロー関係をグラフ構造で管理。 友達の友達を探す、コミュニティ検出、おすすめ表示 例）X, Instagram, Facebook SNS分析 ユーザーの購入履歴や閲覧履歴から、関係性に基づく商品推薦を行う。 例）Amazon, Netflix レコメンデーションエンジン Bedrockと組み合わせて、GraphRAGのような高度な応答システムを構 築できる 例）社内文書検索システム ナレッジグラフ
6. Amazon Neptune とは https://aws.amazon.com/jp/neptune/ • つながりの分析が得意 データの「関係性」を素早く見つけられる。 例）SNS上でおすすめを提示 • 2つのクエリ言語が得意 Gremlin → グラフをたどるための言語（経路検索などに便利） SPARQL → 知識グラフ（情報をネットワーク化して管理）に使う言語 • 高速でスケーラブル 大量のデータを高速に検索できる 大規模なアプリケーションでも対応可能 • 高い可用性と信頼性 自動フェールオーバ 保存時、転送時のデータ暗号化
7. レコメンド実装 AWS Cloud AWS Cloud Virtual private cloud (VPC) Public subnet Private subnet Amazon SageMaker AI Amazon Neptune
8. Gremlinクエリについて • ノード追加 g.addV('person').property('name', 'yakumo').next() • エッジ追加 g.V().hasLabel('person’). has('name','yakumo').addE('LIKE').to(__.V().hasLabel('team’). has('name', 'team 3')).next()
9. レコメンド実装(共通のLIKEをしているノードを表示) yakumo sakura product 1 product 2 product 3 tanaka product 4
10. レコメンド実装(共通のノードから伸びるエッジを確認) yakumo sakura product 1 product 2 product 3 tanaka product 4
11. レコメンド実装(yakumoがLIKEしたのは除外) yakumo sakura product 1 product 2 product 3 tanaka product 4
12. レコメンド実装 yakumo sakura product 1 product 2 product 3 tanaka product 4
13. 実際にやってみる！
14. レコメンド実装 今回投入したデータ
15. まとめ yakumo sakura MARIO KART 名前ID name 1 yakumo 2 sakura ゲームID Favorite 1 MARIO KART 名前ID Favorite 1 MARIO KART 2 MARIO KART