Neo4j verbessert die Usability mit neuen Funktionen
Die Graphdatenbank von Neo4j wird um neue Funktionen erweitert. Es kommen Verbesserungen hinzu, die sich mit der Einbindung von Data Warehouses, der automatischen Modellierung von Daten und der Backend-Administration befassen. Darüber hinaus verbessert der Hersteller auch die GDS (Graph Data Science), die jetzt in der Ausgabe 2.1 zur Verfügung steht. Die neuen Features sollen für Data Scientists und Entwickler gleichermaßen den Einstieg in die Graphdatenbank erleichtern.
Das neue Release Graph Data Science (GDS) 2.1 bietet in der Library mehr als 65 Graph-Algorithmen – darunter neu K-means clustering und Leiden für Community Detection. Quell- und Zielknoten lassen sich von nun an für die Algorithmen KNN (K-Nearest Neighbor) und Node Similarity filtern. Zudem bietet Neo4j Verbesserungen hinsichtlich der graph-nativen ML-Pipelines: So vereinfacht es das Autotuning für ML-Pipelines, die richtigen Abfrage-Parameter zu identifizieren, um das bestmögliche Modell zu erzeugen. Über Knotenregressions-Pipelines lassen sich jetzt numerische Eigenschaften vorhersagen. Der Python-Client vereinfacht Arbeitsabläufe für Data Scientists, die nicht mit Cypher vertraut sind. Neu ist außerdem die Apache Arrow-Integration für schnelle Graph-Projection aus externen Quellen, Datenbankerstellung und Graph Export. So können Anwender massive Datenmengen von bis zu 30 Millionen Objekten pro Sekunde in den Graphen direkt importieren und exportieren.
Außerdem hat Neo4j die Usability der Graphdatenbank weiter erhöht. Der neue Data Importer ermöglicht den Datenimport sowie die visuelle Modellierung von CSV-Dateien als Graph. Cypher Kenntnisse sind dafür nicht nötig. Die No-Code-Lösung sorgt so für eine einfache Bedienbarkeit und einen reibungslosen Start von eigenen Projekten. Daten lassen sich intuitiv modellieren (UI) und Flat Files als Graph abbilden. Das Feature ist für den Import von Millionen von Datensätzen ausgelegt.
In der GraphQL Toolbox gibt es zudem eine reibungslose Low-Code UI für Prototyping und zum Erforschen des GraphQL-Schemas. Dieses erlaubt es, Graph-Algorithmen direkt im Visualisierungstool Neo4j Bloom zu erforschen. Für noch mehr Benutzerfreundlichkeit bietet Neo4j außerdem AuraDB Free: Die kostenlose Variante der Cloud-Graphdatenbank steht ab sofort mit einer erhöhten Limitierung von 200.000 Knoten und 400.000 Kanten zur Verfügung.
Das neue Backend-Admin-Tool OpsManager hilft DB-Administratoren, die Auslastung ihrer Graphdatenbank im Blick zu behalten, den Arbeitsspeicher zu prüfen und so schnell Entscheidungen zu treffen. Ein Dashboard mit den wichtigsten Metriken für Betriebssystem, DBMS und Datenbank sowie dedizierte UIs für die Verwaltung und eine rollenbasierte Zugriffskontrolle helfen dabei, die Neo4j Bereitstellung zentral zu managen.
Mit dem Data Warehouse Connector bietet Neo4j jetzt umfassenden Support von Konnektoren und Sprachen (Java, Java Script, Python, .NET, GO). Dank des Connectors lassen sich Daten zwischen einem beliebigen Data Warehouse und Neo4j jetzt einfacher verbinden. Unterstützt werden Snowflake, Google BigQuery, Amazon RedShift, und Azure Synapse.
Weitere Informationen: Neo4j.com
