大数据 图技术应用现状
时间：2022-03-27 01:57:01 | 来源：行业动态
时间：2022-03-27 01:57:01 来源：行业动态
基于图数据库技术在这些场景中优异的表现，目前很多的企业开始对图数据库表示出了兴趣，在这也有一些前瞻性的企业已经从这项技术中受益并取得竞争性优势。
图技术已经出现很多年了，仍然还有很多企业没有用起来，是什么阻碍了这项技术的推进呢？
首先是无法扩展到多台机器，刚才我们已经提到，要想知识图谱发挥最大效用，数据种类的丰富性和数据存储年限都是非常重要的，但是之前的图数据库大多都是单机版，机器的配置大大限制了数据的存储范围。
举个例子，我们的某个银行客户想针对反套现场景的资金回流进行分析，即个人通过信用卡将钱刷给商家，商家再通过其他账户将钱打回给个人的储蓄卡。在这个场景中需要借记卡和信用卡的数据，客户的数据经过数据清洗以后，仅是10个月借记卡数据 1个月信用卡数据规模仍有5个T。这样的数据量过去的图数据库是无法支持的，基于TigerGraph，我们用了12台机器的集群实现了本期数据的存储，并将计算效率从之前的3-4天得到结果缩短到1-30分钟。他们的二期设想是想把借记卡和信用卡各13个月的数据放进去进行分析，场景才能更全面地覆盖到套现群体，而这个数据规模对于TigerGraph来说也不是问题。
第二点就是刚才那个反洗钱的例子也看到了，分析路径每增加一步，都可能揭示更多的链接和隐含的关系，实际业务需要中需要做到3-10步以上的分析，目前的图数据库在企业级场景下，2度到3度查询时就会出现超时或者内存溢出的场景，如此浅层的特征关系欺诈者甚至可以伪造，这样的性能可以说对欺诈甄别的帮助很小。
最后一点就是我们对欺诈等场景是有实时性要求的，而其他数据库难以做到亚秒级查询并支持实时更新操作。尽管目前国家对反洗钱等场景的时限要求并不高（按天计），这也是由于之前的技术发展未能实现更迅速的计算效率而做出的妥协。理论来说金融领域的任何案件在时效性上必然是越快越好。目前我们给国内某支付机构做的反洗钱系统，场景识别已经做到了分钟级。
这三点中每一点目前也都有替代的解决方案，很多公司通过图数据库 大数据平台的方式实现了大数据量 秒级相应的效果，但是这样的解决方案由于技术门槛较高无法轻易掌握。而作为普通企业来说，需要一款简单、成熟的解决方案来满足这三点要求，实时图数据库TigerGraph能够很好的地满足企业这三方面的需求。
在线咨询
