使用 BigQuery Graph 和 Spanner Graph

本文比較 BigQuery Graph 和 Spanner Graph，協助您判斷要使用哪種圖譜解決方案。

這項比較僅供參考，並非絕對。BigQuery Graph 和 Spanner Graph 的功能有許多重疊之處，使用者應根據工作負載需求，決定要使用哪項功能。

BigQuery Graph 和 Spanner Graph 的使用時機

BigQuery Graph 和 Spanner Graph 適用於不同類型的圖譜工作負載。BigQuery Graph 適合大規模深度分析，Spanner Graph 則適合即時作業。

BigQuery Graph

BigQuery Graph 經過最佳化調整，能對大型圖表執行複雜查詢。您可以分析全球模式、找出歷來趨勢，並發掘龐大資料集中的隱藏關係。

其技術特性包括大規模最佳化效能、平行處理、對圖表重要部分進行複雜查詢、密集運算和複雜匯總。

常見用途包括：

  • 離線詐欺偵測：在客戶圖表中，找出與已知詐欺者有關聯的其他可疑使用者，這些使用者在整個網路中，與詐欺者共用相同的電子郵件、電話或地址，且關聯程度在幾度之內。如需詐欺偵測教學課程，請參閱「Spanner 和 BigQuery：即時詐欺防護盾牌」。
  • 供應鏈最佳化：建立物料清單圖，呈現最終產品與其元件之間的關係，以便規劃商品目錄。分析所有產品系列中的頂級產品及其根元件，計算產品交貨日期並瞭解材料供應情形。
  • 客戶 360 區隔：建立客戶 360 圖表，瞭解產品訂閱、轉換和流失的客戶歷程。您可以使用這項功能找出客戶流失的原因、識別使用模式，並使用圖表對整個目標對象進行顧客區隔和指定目標對象。

Spanner Graph

Spanner Graph 適用於即時作業，這項服務經過最佳化，適用於需要執行 k-hop 查詢、立即觸及一小組圖形元素、在幾毫秒內偵測詐欺行為、執行歷來追蹤以驗證身分和依附元件，以及提供即時推薦的應用程式。

其技術特性包括可預測的延遲時間 (抖動極低)、每秒查詢次數 (QPS) 會隨 Spanner 節點數量線性擴充，以及幾乎無限的擴充能力。此外，這項服務也內建圖譜儲存空間，可交錯節點和邊緣資料表、提供隨時可用性、全球一致性，以及從單一圖譜節點或一組圖譜節點開始的點查詢和多躍點查詢。

常見用途包括：

  • 即時詐欺偵測：在幾毫秒內，根據已知詐欺裝置和帳戶的圖表，檢查信用卡刷卡行為。
  • 自主網路作業：建構網路的數位孿生，即時監控及最佳化效能。
  • 實體解析：建立連結身分的叢集，做為不同 PII (電子郵件、電話、Venmo ID) 的可靠資料來源。在放送廣告前，使用標準設定檔查詢身分、即時偵測詐欺行為，以及訓練特徵儲存庫。

BigQuery Graph 和 Spanner Graph 如何搭配運作

BigQuery Graph 和 Spanner Graph 搭配運作，提供全方位解決方案。舉例來說，在 360 度客戶檢視用途中：

  1. 即時洞察：客服專員使用 Spanner Graph，根據即時購買和運送統計資料，處理使用者對寄錯產品的投訴。
  2. 複製或查詢：您可以使用 Spanner 變更串流，將資料從 Spanner 複製到 BigQuery，不需複雜的擷取、轉換和載入 (ETL) 程序，也可以使用 BigQuery 聯合查詢，直接從 BigQuery 查詢 Spanner 資料。
  3. 分析模式：資料科學家使用 BigQuery Graph 找出相同資料中的「流失熱點」，將客戶標示為「有流失風險」。
  4. 意見回饋循環：「有風險」標籤會推送至 Spanner Graph，並支援反向擷取、轉換和載入 (ETL)，為這位顧客產生優惠碼，防止流失。

在 BigQuery Graph 和 Spanner Graph 之間移動資料

您可以視工作負載需求，在 Spanner Graph 和 BigQuery Graph 之間移動資料：

  • 正向 ETL：如要將資料從 Spanner 移至 BigQuery 進行分析查詢，請使用 Dataflow 範本。

  • 反向 ETL：雖然您可以直接從 BigQuery Graph 查詢 Spanner 資料，但有時可能需要將 BigQuery 資料匯入 Spanner Graph。使用 EXPORT DATA SQL 陳述式。詳情請參閱「瞭解反向 ETL 管道」。

功能比較

下表詳細列出各項功能，並依最適合的產品分類：

功能 BigQuery Graph (離線/批次) Spanner Graph (線上/即時)
圖譜模型、查詢和視覺化 整合圖譜建模和 Graph Query Language，全面採用 GoogleSQL (符合 ISO SQL 標準)，建立圖譜不需要切換其他介面。 整合圖譜建模和 Graph Query Language，全面採用 GoogleSQL (符合 ISO SQL 標準)，建立圖譜不需要切換其他介面。
主要工作負載 離線 (批次)：匯總巨型資料集。 線上 (即時)：大量、低延遲的讀取/寫入要求。
查詢延遲時間 幾秒至幾小時。最適合掃描 TB/PB 規模的資料。 毫秒至秒。最適合面向使用者的應用程式。
查詢模式 全域或整個圖譜，例如「誰的『網路觸及率』超過 5,000 人？」 區域或鄰近範圍：「找出哪些人是我朋友的朋友，但並不屬於我的直接社交圈。」
擴充規模 PB 規模，擴充能力近乎無限，最適合大量歷來資料。 可水平擴充，處理規模近乎無限，最適合熱資料。
資料更新間隔 近乎即時或批次。可存取不同來源的資料，例如 Bigtable、Cloud Storage、Amazon S3，或透過 Spanner Data Boost 使用 Spanner Graph 資料。 即時且同步一致。
輸入資料 資料湖泊、歷來記錄、封存的交易資料。 即時應用程式串流、使用者互動。
資料遷移 可使用預先建構的批次或串流範本，將 Spanner 資料傳送至 BigQuery，即順向擷取、轉換和載入 (ETL)。使用 EXPORT_DATA，將資料從 BigQuery 匯出至 Spanner (反向 ETL)。聯合查詢 (免 ETL) 搭配外部結構定義。 可使用預先建構的批次或串流範本，將 Spanner 資料傳送至 BigQuery，即順向擷取、轉換和載入 (ETL)。使用 EXPORT_DATA 將資料從 BigQuery 匯出至 Spanner (反向 ETL)。聯合查詢 (免 ETL) 搭配外部結構定義。

後續步驟