🥇 Amazon Neptune को पहिलो छाप

सलाम, Khabrovsk निवासीहरू। पाठ्यक्रमको सुरुवातको प्रत्याशामा "विकासकर्ताहरूको लागि AWS" हामीले रोचक सामग्रीको अनुवाद तयार गरेका छौं।

धेरै प्रयोग मामिलामा हामी मनपर्छ bakdataहामीले हाम्रा ग्राहकहरूको वेबसाइटहरूमा हेर्दा, सान्दर्भिक जानकारी संस्थाहरू बीचको जडानहरूमा लुकेको हुन्छ, उदाहरणका लागि प्रयोगकर्ताहरू बीचको सम्बन्ध, तत्वहरू बीचको निर्भरता, वा सेन्सरहरू बीचको जडानहरू विश्लेषण गर्दा। त्यस्ता प्रयोगका केसहरू सामान्यतया ग्राफमा मोडेल गरिएका हुन्छन्। यस वर्षको सुरुमा, अमेजनले आफ्नो नयाँ ग्राफ डाटाबेस, नेप्च्यून जारी गर्‍यो। यस पोष्टमा हामी हाम्रा पहिलो विचारहरू, राम्रो अभ्यासहरू र समयसँगै सुधार गर्न सकिने कुराहरू साझा गर्न चाहन्छौं।

हामीलाई अमेजन नेप्च्यून किन चाहियो

ग्राफ डाटाबेसहरूले उच्च जडित डाटा सेटहरू तिनीहरूको सम्बन्धका समकक्षहरू भन्दा राम्रोसँग ह्यान्डल गर्ने वाचा गर्दछ। त्यस्ता डेटासेटहरूमा, सान्दर्भिक जानकारी सामान्यतया वस्तुहरू बीचको सम्बन्धमा भण्डारण गरिन्छ। हामीले नेप्च्यून परीक्षण गर्न एउटा अचम्मको खुला डाटा प्रोजेक्ट प्रयोग गर्‍यौं MusicBrainz। MusicBrainz ले कलाकारहरू, गीतहरू, एल्बम रिलिजहरू वा कन्सर्टहरू, साथै गीतको पछाडि कलाकारले कोसँग सहकार्य गरेको थियो वा एल्बम कुन देशमा रिलीज भएको थियो भन्ने बारे जानकारी जस्ता कल्पना गर्न सकिने हरेक प्रकारको संगीत मेटाडेटा सङ्कलन गर्दछ। MusicBrainz लाई संस्थाहरूको ठूलो नेटवर्कको रूपमा देख्न सकिन्छ जुन कुनै न कुनै रूपमा संगीत उद्योगसँग जोडिएको छ।

MusicBrainz डेटासेट रिलेशनल डाटाबेसको CSV डम्पको रूपमा प्रदान गरिएको छ। कुल मिलाएर, डम्पमा 93 टेबलहरूमा लगभग 157 मिलियन पङ्क्तिहरू छन्। जबकि यी तालिकाहरू मध्ये केही आधारभूत डेटा समावेश गर्दछ जस्तै कलाकारहरू, घटनाहरू, रेकर्डिङहरू, रिलीज वा ट्र्याकहरू, अन्य लिङ्क तालिकाहरू — कलाकारहरू र रेकर्डिङहरू, अन्य कलाकारहरू वा रिलीजहरू, आदि बीचको सम्बन्धहरू भण्डार गर्नुहोस्। तिनीहरूले डेटा सेटको ग्राफ संरचना देखाउँछन्। डेटासेटलाई RDF ट्रिपलमा रूपान्तरण गर्दा, हामीले लगभग 500 मिलियन उदाहरणहरू प्राप्त गर्यौं।

हामीले काम गर्ने परियोजना साझेदारहरूको अनुभव र प्रभावहरूको आधारमा, हामी एक सेटिङ प्रस्तुत गर्दछौं जसमा यो ज्ञान आधार नयाँ जानकारी प्राप्त गर्न प्रयोग गरिन्छ। थप रूपमा, हामी यसलाई नियमित रूपमा अद्यावधिक हुने आशा गर्छौं, उदाहरणका लागि नयाँ रिलीजहरू थपेर वा समूह सदस्यहरू अद्यावधिक गरेर।

समायोजन

अपेक्षित रूपमा, Amazon Neptune स्थापना सरल छ। उनी एकदम विस्तृत छिन् दस्तावेज। तपाईंले केही क्लिकहरूमा ग्राफ डाटाबेस सुरु गर्न सक्नुहुन्छ। यद्यपि, जब यो अधिक विस्तृत कन्फिगरेसनमा आउँछ, आवश्यक जानकारी फेला पार्न गाह्रो। त्यसकारण, हामी एउटा कन्फिगरेसन प्यारामिटरलाई औंल्याउन चाहन्छौं।

प्यारामिटर समूहहरूको लागि कन्फिगरेसन स्क्रिनसट

अमेजन भन्छ कि नेप्च्युनले कम विलम्बता लेनदेन वर्कलोडहरूमा ध्यान केन्द्रित गर्दछ, त्यसैले पूर्वनिर्धारित अनुरोध टाइमआउट 120 सेकेन्ड हो। तथापि, हामीले धेरै विश्लेषणात्मक प्रयोग केसहरू परीक्षण गरेका छौं जसमा हामी नियमित रूपमा यो सीमामा पुगेका छौं। यो समय समाप्ति नेप्च्यून र सेटिङको लागि नयाँ प्यारामिटर समूह सिर्जना गरेर परिवर्तन गर्न सकिन्छ neptune_query_timeout अनुरूप प्रतिबन्ध।

डाटा लोड गर्दै

तल हामीले म्युजिकब्रेन्ज डाटालाई नेप्च्युनमा कसरी लोड गर्यौं भनेर विस्तृत रूपमा छलफल गर्नेछौं।

सम्बन्ध तीन मा

पहिले, हामीले MusicBrainz डाटालाई RDF ट्रिपलमा रूपान्तरण गर्यौं। त्यसकारण, प्रत्येक तालिकाको लागि, हामीले एउटा टेम्प्लेट परिभाषित गर्यौं जसले प्रत्येक स्तम्भलाई ट्रिपलमा कसरी प्रतिनिधित्व गरिन्छ भनेर परिभाषित गर्दछ। यस उदाहरणमा, प्रदर्शनकर्ता तालिकाबाट प्रत्येक पङ्क्तिलाई बाह्र RDF ट्रिपलमा म्याप गरिएको छ।

<http://musicbrainz.foo/artist/${id}> <http://musicbrainz.foo/gid> "${gid}"^^<http://www.w3.org/2001/XMLSchema#string> .
 
 
<http://musicbrainz.foo/artist/${id}> <http://musicbrainz.foo/name> "${name}"^^<http://www.w3.org/2001/XMLSchema#string> .
 
<http://musicbrainz.foo/artist/${id}> <http://musicbrainz.foo/sort-name> "${sort_name}"^^<http://www.w3.org/2001/XMLSchema#string> .
 
<http://musicbrainz.foo/artist/${id}> <http://musicbrainz.foo/begin-date> "${begin_date_year}-${begin_date_month}-${begin_date_day}"^^xsd:<http://www.w3.org/2001/XMLSchema#date> .
 
<http://musicbrainz.foo/artist/${id}> <http://musicbrainz.foo/end-date> "${end_date_year}-${end_date_month}-${end_date_day}"^^xsd:<http://www.w3.org/2001/XMLSchema#date> .
 
<http://musicbrainz.foo/artist/${id}> <http://musicbrainz.foo/type> <http://musicbrainz.foo/artist-type/${type}> .
 
<http://musicbrainz.foo/artist/${id}> <http://musicbrainz.foo/area> <http://musicbrainz.foo/area/${area}> .
 
<http://musicbrainz.foo/artist/${id}> <http://musicbrainz.foo/gender> <http://musicbrainz.foo/gender/${gender}> .
 
<http://musicbrainz.foo/artist/${id}> <http://musicbrainz.foo/comment> "${comment}"^^<http://www.w3.org/2001/XMLSchema#string> .
 
<http://musicbrainz.foo/artist/${id}> <http://musicbrainz.foo/edits-pending> "${edits_pending}"^^<http://www.w3.org/2001/XMLSchema#int> .
 
<http://musicbrainz.foo/artist/${id}> <http://musicbrainz.foo/last-updated> "${last_updated}"^^<http://www.w3.org/2001/XMLSchema#dateTime> .
 
<http://musicbrainz.foo/artist/${id}> <http://musicbrainz.foo/ended> "${ended}"^^<http://www.w3.org/2001/XMLSchema#boolean> .

बल्क अपलोड

नेप्च्यूनमा ठूलो मात्रामा डाटा लोड गर्ने सुझाव दिइएको तरिका S3 मार्फत बल्क अपलोड प्रक्रिया हो। S3 मा तपाईंको ट्रिपल फाइलहरू अपलोड गरेपछि, तपाईंले POST अनुरोध प्रयोग गरेर अपलोड सुरु गर्नुहुन्छ। हाम्रो मामलामा, 24 मिलियन ट्रिपलहरूका लागि लगभग 500 घण्टा लाग्यो। हामीले यो छिटो हुने अपेक्षा गरेका थियौं।

curl -X POST -H 'Content-Type: application/json' http://your-neptune-cluster:8182/loader -d '{
 
 
 "source" : "s3://your-s3-bucket",
 
 "format" : "ntriples",
 
 "iamRoleArn" : "arn:aws:iam::your-iam-user:role/NeptuneLoadFromS3",
 
 "region" : "eu-west-1",
 
 "failOnError" : "FALSE"
 
}'

यो लामो प्रक्रियाबाट बच्न प्रत्येक पटक हामीले नेप्च्युन प्रक्षेपण गर्दा, हामीले यी ट्रिपलहरू पहिल्यै लोड गरिएको स्न्यापसटबाट उदाहरण पुनर्स्थापना गर्ने निर्णय गर्यौं। स्न्यापसटबाट दौडनु महत्त्वपूर्ण रूपमा छिटो छ, तर अझै पनि अनुरोधहरूको लागि नेप्च्युन उपलब्ध नभएसम्म लगभग एक घण्टा लाग्छ।

सुरुमा नेप्च्युनमा ट्रिपलेट लोड गर्दा, हामीले विभिन्न त्रुटिहरूको सामना गर्यौं।

{
 
 
 "errorCode" : "PARSING_ERROR",
 
 "errorMessage" : "Content after '.' is not allowed",
 
 "fileName" : [...],
 
 "recordNum" : 25
 
}

तिनीहरूमध्ये केही त्रुटिहरू पार्स गर्दै थिए, जस्तै माथि देखाइएको छ। आज सम्म, हामीले यो बिन्दुमा वास्तवमा के गलत भयो भनेर अझै पत्ता लगाउन सकेका छैनौं। एक सानो थप विवरण निश्चित रूपमा यहाँ मद्दत गर्नेछ। यो त्रुटि सम्मिलित ट्रिपल को लगभग 1% को लागी भयो। तर जहाँसम्म नेप्च्युनको परीक्षण जान्छ, हामीले यो तथ्यलाई स्वीकार गर्यौं कि हामीले MusicBrainz बाट 99% जानकारी मात्र काम गर्छौं।

SPARQL सँग परिचित व्यक्तिहरूका लागि यो सजिलो भएता पनि, RDF ट्रिपलहरू स्पष्ट डेटा प्रकारहरूसँग एनोटेट हुनुपर्छ, जसले फेरि त्रुटिहरू निम्त्याउन सक्छ भन्ने कुरामा सचेत रहनुहोस्।

स्ट्रिमिङ डाउनलोड

माथि उल्लेख गरिए अनुसार, हामी नेप्च्यूनलाई स्थिर डाटा भण्डारको रूपमा प्रयोग गर्न चाहँदैनौं, बरु लचिलो र विकसित ज्ञानको आधारको रूपमा। त्यसैले हामीले ज्ञानको आधारमा परिवर्तन हुँदा नयाँ ट्रिपलहरू परिचय गर्ने तरिकाहरू खोज्नु आवश्यक छ, उदाहरणका लागि जब नयाँ एल्बम प्रकाशित हुन्छ वा जब हामी व्युत्पन्न ज्ञानलाई वास्तविक बनाउन चाहन्छौं।

नेप्च्युनले कच्चा र नमूना-आधारित दुबै SPARQL प्रश्नहरू मार्फत इनपुट अपरेटरहरूलाई समर्थन गर्दछ। हामी तल दुवै दृष्टिकोणहरू छलफल गर्नेछौं।

हाम्रो लक्ष्य मध्ये एक स्ट्रिमिङ तरिकामा डाटा प्रविष्ट गर्न थियो। नयाँ देशमा एल्बम जारी गर्ने बारे विचार गर्नुहोस्। MusicBrainz को परिप्रेक्ष्यबाट, यसको मतलब यो हो कि एल्बमहरू, एकलहरू, EPs, इत्यादि समावेश गर्ने रिलीजको लागि, तालिकामा नयाँ प्रविष्टि थपिएको छ। मुक्त देश। RDF मा, हामी यो जानकारीलाई दुई नयाँ ट्रिपलसँग मिलाउँछौं।

INSERT DATA { <http://musicbrainz.foo/release-country/737041> <http://musicbrainz.foo/release> <http://musicbrainz.foo/release/435759> };INSERT DATA { <http://musicbrainz.foo/release-country/737041> <http://musicbrainz.foo/date-year> "2018"^^<http://www.w3.org/2001/XMLSchema#int> };

अर्को लक्ष्य ग्राफबाट नयाँ ज्ञान प्राप्त गर्न थियो। मानौं हामी प्रत्येक कलाकारले आफ्नो क्यारियरमा प्रकाशित गरेको विमोचन संख्या प्राप्त गर्न चाहन्छौं। यस्तो प्रश्न एकदम जटिल छ र नेप्च्युनमा 20 मिनेट भन्दा बढी लिन्छ, त्यसैले हामीले यो नयाँ ज्ञानलाई केहि अन्य क्वेरीमा पुन: प्रयोग गर्नको लागि परिणामलाई साकार गर्न आवश्यक छ। त्यसैले हामी सबक्वेरीको नतिजा प्रविष्ट गरी ग्राफमा फिर्ता यो जानकारीको साथ ट्रिपलहरू थप्छौं।

INSERT {
 
 
  ?artist_credit <http://musicbrainz.foo/number-of-releases> ?number_of_releases
 
} WHERE {
 
  SELECT ?artist_credit (COUNT(*) as ?number_of_releases)
 
  WHERE {
 
     ?artist_credit <http://musicbrainz.foo/rdftype> <http://musicbrainz.foo/artist-credit> .
 
     ?release_group <http://musicbrainz.foo/artist-credit> ?artist_credit .
 
     ?release_group <http://musicbrainz.foo/rdftype> <http://musicbrainz.foo/release-group> .
 
     ?release_group <http://musicbrainz.foo/name> ?release_group_name .
 
  }
 
  GROUP BY ?artist_credit
 
}

ग्राफमा एकल ट्रिपलहरू थप्दा केही मिलिसेकेन्ड लाग्छ, जबकि सबक्वेरीको परिणाम सम्मिलित गर्नको लागि कार्यान्वयन समय सबक्वेरीको कार्यान्वयन समयमा निर्भर हुन्छ।

यद्यपि हामीले यसलाई प्राय: प्रयोग गरेका छैनौं, नेप्च्युनले तपाईंलाई नमूनाहरू वा स्पष्ट डेटामा आधारित ट्रिपलेटहरू हटाउन पनि अनुमति दिन्छ, जुन जानकारी अद्यावधिक गर्न प्रयोग गर्न सकिन्छ।

SPARQL प्रश्नहरू

अघिल्लो सबसम्पलको परिचय दिएर, जसले प्रत्येक कलाकारको लागि रिलिजको संख्या फिर्ता गर्छ, हामीले नेप्च्युन प्रयोग गरेर जवाफ दिन चाहेको पहिलो प्रकारको प्रश्नहरू पहिले नै प्रस्तुत गरिसकेका छौं। नेप्च्युनमा प्रश्न निर्माण गर्न सजिलो छ - SPARQL अन्तिम बिन्दुमा POST अनुरोध पठाउनुहोस्, तल देखाइएको अनुसार:

curl -X POST --data-binary 'query=SELECT ?artist ?p ?o where {?artist <http://musicbrainz.foo/name> "Elton John" . ?artist ?p ?o . }' http://your-neptune-cluster:8182/sparql

थप रूपमा, हामीले एउटा क्वेरी लागू गरेका छौं जसले कलाकार प्रोफाइललाई उनीहरूको नाम, उमेर, वा उत्पत्तिको देशको बारेमा जानकारी समावेश गर्दछ। ध्यान राख्नुहोस् कि कलाकारहरू व्यक्तिहरू, ब्यान्डहरू, वा आर्केस्ट्राहरू हुन सक्छन्। थप रूपमा, हामी यस डेटालाई वर्षको अवधिमा कलाकारहरूद्वारा जारी गरिएका विमोचनहरूको संख्याको बारेमा जानकारीको साथ पूरक गर्छौं। एकल कलाकारहरूको लागि, हामी कलाकारहरूले प्रत्येक वर्ष सहभागी भएका ब्यान्डहरूको बारेमा जानकारी पनि थप्छौं।

SELECT
 
 
 ?artist_name ?year
 
 ?releases_in_year ?releases_up_year
 
 ?artist_type_name ?releases
 
 ?artist_gender ?artist_country_name
 
 ?artist_begin_date ?bands
 
 ?bands_in_year
 
WHERE {
 
 # Bands for each artist
 
 {
 
   SELECT
 
     ?year
 
     ?first_artist
 
     (group_concat(DISTINCT ?second_artist_name;separator=",") as ?bands)
 
     (COUNT(DISTINCT ?second_artist_name) AS ?bands_in_year)     
 
   WHERE {
 
     VALUES ?year {
 
       1960 1961 1962 1963 1964 1965 1966 1967 1968 1969
 
       1970 1971 1972 1973 1974 1975 1976 1977 1978 1979
 
       1980 1981 1982 1983 1984 1985 1986 1987 1988 1989
 
       1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
 
       2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
 
       2010 2011 2012 2013 2014 2015 2016 2017 2018
 
     }   
 
     ?first_artist <http://musicbrainz.foo/name> "Elton John" .
 
     ?first_artist <http://musicbrainz.foo/rdftype> <http://musicbrainz.foo/artist> .
 
     ?first_artist <http://musicbrainz.foo/type> ?first_artist_type .
 
     ?first_artist <http://musicbrainz.foo/name> ?first_artist_name .
 

 
 
     ?second_artist <http://musicbrainz.foo/rdftype> <http://musicbrainz.foo/artist> .
 
     ?second_artist <http://musicbrainz.foo/type> ?second_artist_type .
 
     ?second_artist <http://musicbrainz.foo/name> ?second_artist_name .
 
     optional { ?second_artist <http://musicbrainz.foo/begin-date-year> ?second_artist_begin_date_year . }
 
     optional { ?second_artist <http://musicbrainz.foo/end-date-year> ?second_artist_end_date_year . }
 

 
 
     ?l_artist_artist <http://musicbrainz.foo/entity0> ?first_artist .
 
     ?l_artist_artist <http://musicbrainz.foo/entity1> ?second_artist .
 
     ?l_artist_artist <http://musicbrainz.foo/link> ?link .
 

 
 
     optional { ?link <http://musicbrainz.foo/begin-date-year> ?link_begin_date_year . }
 
     optional { ?link <http://musicbrainz.foo/end-date-year> ?link_end_date_year . }
 

 
 
     FILTER (!bound(?link_begin_date_year) || ?link_begin_date_year <= ?year)
 
     FILTER (!bound(?link_end_date_year) || ?link_end_date_year >= ?year)
 
     FILTER (!bound(?second_artist_begin_date_year) || ?second_artist_begin_date_year <= ?year)
 
     FILTER (!bound(?second_artist_end_date_year) || ?second_artist_end_date_year >= ?year)
 
     FILTER (?first_artist_type NOT IN (<http://musicbrainz.foo/artist-type/2>, <http://musicbrainz.foo/artist-type/5>, <http://musicbrainz.foo/artist-type/6>))
 
     FILTER (?second_artist_type IN (<http://musicbrainz.foo/artist-type/2>, <http://musicbrainz.foo/artist-type/5>, <http://musicbrainz.foo/artist-type/6>))
 
   }
 
   GROUP BY ?first_artist ?year
 
 }
 
 # Releases up to a year
 
 {
 
   SELECT
 
     ?artist
 
     ?year
 
     (group_concat(DISTINCT ?release_name;separator=",") as ?releases)
 
     (COUNT(*) as ?releases_up_year)
 
   WHERE {
 
     VALUES ?year {
 
       1960 1961 1962 1963 1964 1965 1966 1967 1968 1969
 
       1970 1971 1972 1973 1974 1975 1976 1977 1978 1979
 
       1980 1981 1982 1983 1984 1985 1986 1987 1988 1989
 
       1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
 
       2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
 
       2010 2011 2012 2013 2014 2015 2016 2017 2018 
 
     }
 

 
 
     ?artist <http://musicbrainz.foo/name> "Elton John" .
 

 
 
     ?artist_credit_name <http://musicbrainz.foo/artist-credit> ?artist_credit .
 
     ?artist_credit_name <http://musicbrainz.foo/rdftype> <http://musicbrainz.foo/artist-credit-name> .
 
     ?artist_credit_name <http://musicbrainz.foo/artist> ?artist .
 
     ?artist_credit <http://musicbrainz.foo/rdftype> <http://musicbrainz.foo/artist-credit> .
 

 
 
     ?release_group <http://musicbrainz.foo/artist-credit> ?artist_credit .
 
     ?release_group <http://musicbrainz.foo/rdftype> <http://musicbrainz.foo/release-group> .
 
     ?release_group <http://musicbrainz.foo/name> ?release_group_name .
 
     ?release <http://musicbrainz.foo/release-group> ?release_group .
 
     ?release <http://musicbrainz.foo/name> ?release_name .
 
     ?release_country <http://musicbrainz.foo/release> ?release .
 
     ?release_country <http://musicbrainz.foo/date-year> ?release_country_year .
 

 
 
     FILTER (?release_country_year <= ?year)
 
   }
 
   GROUP BY ?artist ?year
 
 }
 
 # Releases in a year
 
 {
 
   SELECT ?artist ?year (COUNT(*) as ?releases_in_year)
 
   WHERE {
 
     VALUES ?year {
 
       1960 1961 1962 1963 1964 1965 1966 1967 1968 1969
 
       1970 1971 1972 1973 1974 1975 1976 1977 1978 1979
 
       1980 1981 1982 1983 1984 1985 1986 1987 1988 1989
 
       1990 1991 1992 1993 1994 1995 1996 1997 1998 1999
 
       2000 2001 2002 2003 2004 2005 2006 2007 2008 2009
 
       2010 2011 2012 2013 2014 2015 2016 2017 2018 
 
     }
 

 
 
     ?artist <http://musicbrainz.foo/name> "Elton John" .
 

 
 
     ?artist_credit_name <http://musicbrainz.foo/artist-credit> ?artist_credit .
 
     ?artist_credit_name <http://musicbrainz.foo/rdftype> <http://musicbrainz.foo/artist-credit-name> .
 
     ?artist_credit_name <http://musicbrainz.foo/artist> ?artist .
 
     ?artist_credit <http://musicbrainz.foo/rdftype> <http://musicbrainz.foo/artist-credit> .
 

 
 
     ?release_group <http://musicbrainz.foo/artist-credit> ?artist_credit .
 
     ?release_group <http://musicbrainz.foo/rdftype> <http://musicbrainz.foo/release-group> .
 
     ?release_group <http://musicbrainz.foo/name> ?release_group_name .
 
     ?release <http://musicbrainz.foo/release-group> ?release_group .
 
     ?release_country <http://musicbrainz.foo/release> ?release .
 
     ?release_country <http://musicbrainz.foo/date-year> ?release_country_year .
 

 
 
     FILTER (?release_country_year = ?year)
 
   }
 
   GROUP BY ?artist ?year
 
 }
 
 # Master data
 
 {
 
   SELECT DISTINCT ?artist ?artist_name ?artist_gender ?artist_begin_date ?artist_country_name
 
   WHERE {
 
     ?artist <http://musicbrainz.foo/name> ?artist_name .
 
     ?artist <http://musicbrainz.foo/name> "Elton John" .
 
     ?artist <http://musicbrainz.foo/gender> ?artist_gender_id .
 
     ?artist_gender_id <http://musicbrainz.foo/name> ?artist_gender .
 
     ?artist <http://musicbrainz.foo/area> ?birth_area .
 
     ?artist <http://musicbrainz.foo/begin-date-year> ?artist_begin_date.
 
     ?birth_area <http://musicbrainz.foo/name> ?artist_country_name .
 

 
 
     FILTER(datatype(?artist_begin_date) = xsd:int)
 
   }

यस्तो प्रश्नको जटिलताको कारणले गर्दा, हामीले एल्टन जोन जस्ता विशिष्ट कलाकारका लागि मात्र बिन्दु प्रश्नहरू प्रदर्शन गर्न सक्छौं, तर सबै कलाकारहरूको लागि होइन। नेप्च्युनले उपचयनहरूमा फिल्टरहरू छोडेर यस्तो क्वेरीलाई अप्टिमाइज गरेको देखिँदैन। तसर्थ, प्रत्येक चयन म्यानुअल रूपमा कलाकार नाम द्वारा फिल्टर हुनुपर्छ।

नेप्च्युनमा प्रतिघण्टा र प्रति-I/O दुबै शुल्कहरू छन्। हाम्रो परीक्षणको लागि, हामीले नग्न न्यूनतम नेप्च्युन उदाहरण प्रयोग गर्यौं, जसको लागत $0,384/घण्टा छ। माथिको प्रश्नको मामलामा, जसले एकल कार्यकर्ताको प्रोफाइल गणना गर्दछ, Amazon ले हामीसँग दशौं हजार I/O अपरेसनहरू चार्ज गर्छ, जसको लागत $0.02 हो।

निष्कर्षमा

पहिलो, अमेजन नेप्च्युनले आफ्ना अधिकांश प्रतिज्ञाहरू राख्छ। व्यवस्थित सेवाको रूपमा, यो एक ग्राफ डाटाबेस हो जुन स्थापना गर्न अत्यन्तै सजिलो छ र धेरै कन्फिगरेसन बिना नै चलाउन सकिन्छ। यहाँ हाम्रा पाँच प्रमुख निष्कर्षहरू छन्:

बल्क अपलोड सजिलो तर ढिलो छ। तर यो त्रुटि सन्देशहरूसँग जटिल हुन सक्छ जुन धेरै उपयोगी छैन।
स्ट्रिमिङ डाउनलोडले हामीले अपेक्षा गरेको सबै कुरालाई समर्थन गर्दछ र धेरै छिटो थियो
प्रश्नहरू सरल छन्, तर विश्लेषणात्मक प्रश्नहरू चलाउन पर्याप्त अन्तरक्रियात्मक छैनन्
SPARQL प्रश्नहरू म्यानुअल रूपमा अनुकूलित हुनुपर्छ
Amazon भुक्तानीहरू अनुमान गर्न गाह्रो छ किनभने SPARQL क्वेरीद्वारा स्क्यान गरिएको डाटाको मात्रा अनुमान गर्न गाह्रो छ।

यति नै। लागि साइन अप गर्नुहोस् "लोड ब्यालेन्सिङ" शीर्षकमा नि:शुल्क वेबिनार.

स्रोत: www.habr.com

अमेजन नेप्च्यून को पहिलो छाप