Repolode
Предложить
aws-samples

aws-samples/amazon-neptune-samples

Подборка примеров приложений, кода и документации по разработке с графовой базой данных Amazon Neptune и Neptune Analytics.

Открыть на GitHub
Звёзды
372
Форки
137
Открытые issues
1
Последний коммит
вчера

Что это?

В этом репозитории собраны примеры проектов, демонстрирующие работу с Amazon Neptune Database и Amazon Neptune Analytics. Здесь рассматриваются моделирование графовых данных, загрузка данных и ETL-пайплайны, запросы Gremlin, openCypher и SPARQL, подключение клиентов, потоковая загрузка данных с помощью Kinesis и Flink, а также визуализация с библиотеками Ogma и VIS.js.

Среди примеров есть небольшие самостоятельные руководства — например, шпаргалка по запросам openCypher и пример коллаборативной фильтрации на Gremlin, — а также полноценные приложения: чат-бот на основе графа знаний с Amazon Comprehend и Amazon Lex и сценарий обнаружения мошенничества с Neptune ML. Каждый подпроект поддерживается по мере возможности как пример кода и может потребовать изменений перед использованием в production.

На странице также перечислены связанные инструменты Amazon Neptune и другие примеры проектов AWS, в том числе Neptune Gremlin Client, Neptune Export, Graph Notebook и JDBC-драйвер.

Ключевые возможности

  • 01Примеры кода для Neptune Database и Neptune Analytics
  • 02Примеры запросов Gremlin, openCypher и SPARQL
  • 03Пайплайны загрузки данных и ETL из реляционных источников и AWS Glue
  • 04Примеры потоковой загрузки данных с использованием Kinesis, Lambda и Managed Service for Apache Flink
  • 05Демонстрации визуализации графов с Ogma и VIS.js
  • 06Ссылки на связанные инструменты Neptune и примеры проектов AWS

Сценарии использования

  • Изучение моделирования графов свойств и RDF-данных, а также выполнения запросов к ним в Amazon Neptune
  • Создание прототипа приложения на основе графа знаний или системы обнаружения мошенничества в AWS
  • Подключение приложений на Java, Node.js или Python к Neptune с помощью IAM или SSL
  • Перенос реляционных данных в графовую базу данных в AWS

Что важно знать

  • Проекты — это примеры кода, которые поддерживаются по мере возможности.
  • Перед развертыванием любого примера в production, скорее всего, потребуются изменения.

Темы

#graph-database#amazon-neptune#gremlin#opencypher#sparql#knowledge-graph#aws#aws-neptune#graph-model#rdf-graph

Частые вопросы

Что такое amazon-neptune-samples?
Подборка примеров приложений, кода и документации по разработке с графовой базой данных Amazon Neptune и Neptune Analytics. В этом репозитории собраны примеры проектов, демонстрирующие работу с Amazon Neptune Database и Amazon Neptune Analytics. Здесь рассматриваются моделирование графовых данных, загрузка данных и ETL-пайплайны, запросы Gremlin, openCypher и SPARQL, подключение клиентов, потоковая загрузка данных с помощью Kinesis и Flink, а также визуализация с библиотеками Ogma и VIS.js.
amazon-neptune-samples можно использовать бесплатно? Какая у него лицензия?
amazon-neptune-samples распространяется с открытым исходным кодом под лицензией MIT-0. Перед использованием в коммерческих продуктах проверьте условия лицензии.
amazon-neptune-samples всё ещё поддерживается?
Активно поддерживается. Последний коммит в amazon-neptune-samples — 5 нояб. 2026 г..
Для чего можно использовать amazon-neptune-samples?
Изучение моделирования графов свойств и RDF-данных, а также выполнения запросов к ним в Amazon Neptune Создание прототипа приложения на основе графа знаний или системы обнаружения мошенничества в AWS Подключение приложений на Java, Node.js или Python к Neptune с помощью IAM или SSL Перенос реляционных данных в графовую базу данных в AWS
Где скачать amazon-neptune-samples?
Исходный код и инструкции по установке — на GitHub: https://github.com/aws-samples/amazon-neptune-samples

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты

fabio-rovai / open-ontologies

Rust-движок для планирования, применения и сертификации изменений OWL/RDF-онтологий с отчётами о радиусе воздействия и проверяемыми доказательствами выводов в Lean 4.

Данные и аналитика#ontology#owl#rdf
2,8 тыс.+731 за неделю315RustMITАктивно поддерживаетсяОбновлён позавчера