Base de datos de grafos de código abierto, distribuida y escalable horizontalmente, con consultas compatibles con OpenCypher y consistencia basada en Raft.
12,5 mil1,3 milC++Apache-2.0Actualizado hace 2 meses
aws-samples/amazon-neptune-samples
Colección de aplicaciones de ejemplo, código y documentación que muestra cómo crear soluciones con la base de datos de grafos Amazon Neptune y Neptune Analytics.
- Estrellas
- 370
- Forks
- 137
- Issues abiertos
- 1
- Último commit
- hace 3 días
¿Qué es?
Este repositorio reúne proyectos de ejemplo que muestran cómo usar Amazon Neptune Database y Amazon Neptune Analytics. Abarca el modelado de datos de grafos, la carga de datos y los pipelines de ETL, las consultas Gremlin, openCypher y SPARQL, la conexión de clientes, la ingesta de datos en streaming con Kinesis y Flink, y la visualización con bibliotecas como Ogma y VIS.js.
Los ejemplos van desde tutoriales independientes pequeños, como una guía rápida de consultas openCypher y un ejemplo de filtrado colaborativo con Gremlin, hasta aplicaciones completas como un chatbot con un grafo de conocimiento, creado con Amazon Comprehend y Amazon Lex, y un flujo de trabajo de detección de fraude con Neptune ML. Cada subproyecto se mantiene como código de ejemplo con el mejor esfuerzo posible y puede requerir cambios antes de usarse en producción.
La página también enumera herramientas relacionadas de Amazon Neptune y otros repositorios de ejemplos de AWS, como Neptune Gremlin Client, Neptune Export, Graph Notebook y un driver JDBC.
Funciones clave
- 01Código de ejemplo para Neptune Database y Neptune Analytics
- 02Ejemplos de consultas Gremlin, openCypher y SPARQL
- 03Pipelines de carga de datos y ETL desde fuentes relacionales y AWS Glue
- 04Ejemplos de ingesta de datos en streaming con Kinesis, Lambda y Managed Service for Apache Flink
- 05Demostraciones de visualización de grafos con Ogma y VIS.js
- 06Enlaces a herramientas relacionadas de Neptune y proyectos de ejemplo de AWS
Casos de uso
- Aprender a modelar y consultar grafos de propiedades o datos RDF en Amazon Neptune
- Crear prototipos de aplicaciones de grafos de conocimiento o detección de fraude en AWS
- Conectar aplicaciones Java, Node.js o Python a Neptune mediante IAM o SSL
- Migrar datos relacionales a una base de datos de grafos en AWS
Antes de usarlo
- Los proyectos son código de ejemplo cuyo mantenimiento se realiza según disponibilidad.
- Es probable que haya que hacer modificaciones antes de implementar cualquier ejemplo en producción.
Temas
#graph-database#amazon-neptune#gremlin#opencypher#sparql#knowledge-graph#aws#aws-neptune#graph-model#rdf-graph
Preguntas frecuentes
- ¿Qué es amazon-neptune-samples?
- Colección de aplicaciones de ejemplo, código y documentación que muestra cómo crear soluciones con la base de datos de grafos Amazon Neptune y Neptune Analytics. Este repositorio reúne proyectos de ejemplo que muestran cómo usar Amazon Neptune Database y Amazon Neptune Analytics. Abarca el modelado de datos de grafos, la carga de datos y los pipelines de ETL, las consultas Gremlin, openCypher y SPARQL, la conexión de clientes, la ingesta de datos en streaming con Kinesis y Flink, y la visualización con bibliotecas como Ogma y VIS.js.
- ¿amazon-neptune-samples es gratuito? ¿Qué licencia tiene?
- amazon-neptune-samples es open source bajo la licencia MIT-0. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿amazon-neptune-samples sigue mantenido?
- Mantenimiento activo. El último commit de amazon-neptune-samples fue el 5 nov 2026.
- ¿Para qué puedo usar amazon-neptune-samples?
- Aprender a modelar y consultar grafos de propiedades o datos RDF en Amazon Neptune Crear prototipos de aplicaciones de grafos de conocimiento o detección de fraude en AWS Conectar aplicaciones Java, Node.js o Python a Neptune mediante IAM o SSL Migrar datos relacionales a una base de datos de grafos en AWS
- ¿Dónde consigo amazon-neptune-samples?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/aws-samples/amazon-neptune-samples
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Base de datos de grafos que representa las adyacencias como matrices dispersas y consulta con OpenCypher, orientada a grafos de conocimiento para cargas de trabajo de LLM y GraphRAG.
10,5 mil602RustOtherActualizado hace 21 horas
Motor en Rust para planificar, aplicar y certificar cambios en ontologías OWL/RDF, con informes del alcance del impacto y pruebas verificables en Lean 4 sobre las conclusiones derivadas.
2,8 mil+250 esta semana318RustMITBien mantenidoActualizado hace 3 días
Plataforma de memoria de IA de código abierto que convierte documentos, código y conversaciones en un grafo de conocimiento autohospedado para agentes de IA.
33,1 mil+166 esta semana3,5 milPythonApache-2.0Actualizado hace 8 horas
Framework de Python para crear grafos de conocimiento temporal que registran cómo cambian los hechos y sirven de memoria y contexto para agentes de IA.
32,6 mil+232 esta semana3,4 milPythonApache-2.0Actualizado anteayer
Una base de datos de grafos distribuida y escalable horizontalmente, con una interfaz de consulta GraphQL nativa y transacciones ACID.
21,8 mil+5 esta semana1,6 milGoApache-2.0Actualizado anteayer