Del via

Merkede egenskapsgrafer i graf i Microsoft Fabric

Note

Denne funksjonen er for øyeblikket i offentlig forhåndsversjon. Denne forhåndsvisningen leveres uten en tjenesteavtale, og anbefales ikke for produksjonsarbeidsbelastninger. Enkelte funksjoner støttes kanskje ikke eller kan ha begrensede funksjoner. For mer informasjon, se Supplemental Terms of Use for Microsoft Azure Previews.

En merket egenskapsgraf (LPG) er en datamodell som representerer enheter som noder og forbindelser som kanter, med etiketter og egenskaper på begge. Graph i Microsoft Fabric bruker LPG-modellen for å levere rask traversering og spørringsytelse for analyser og tilkoblede data.

Hva er en merket egenskapsgraf (LPG)?

Mange populære grafdatabaser bruker LPG-datamodellen, inkludert graf i Microsoft Fabric. I en LPG:

  • Du representerer data som noder og kanter, som også noen ganger kalles hjørner og relasjoner, henholdsvis.
  • Du klassifiserer noder (som Person eller Product) og FRIENDS_WITH (som eller PURCHASED) med etiketter.
  • Både noder og kanter kan ha egenskaper – nøkkel-verdi-par som lagrer mer data (for eksempel {name: "Alice", age: 30} for en node, {since: 2020} for en kant).

LPG-er krever ikke globale identifikatorer som Internationalized Resource Identifiers (IRIs) eller Uniform Resource Identifiers (URIs) for hver node eller kant. I stedet bruker de interne eller applikasjonsnivå-identifikatorer. Søknaden din definerer betydningen av etiketter.

Sammenligning av Resource Description Framework (RDF)

Viktig!

Graph i Microsoft Fabric støtter kun LPG-modellen. Resource Description Framework (RDF) støttes ikke.

RDF er en standardisert modell fra World Wide Web Consortium (W3C) for å representere informasjon som subjekt-predikat-objekt-trippeler. Det brukes ofte for semantiske web- og kunnskapsgrafscenarier. RDF utmerker seg med interoperabilitet, dataintegrasjon og formell resonnement med ontologier. Men graph støtter ikke RDF.

Hvis bruksområdet ditt krever semantiske webstandarder, semantiske webontologier eller global dataintegrasjon, vurder andre plattformer som støtter RDF. For bedriftsanalyse, operasjonelle grafarbeidsbelastninger og forretningsintelligensscenarier er LPG den anbefalte og støttede modellen.

Viktige fordeler med LPG-modellen i Fabric

For de fleste kunder gir LPG-modellen den beste balansen mellom ytelse, brukervennlighet og integrasjon for tilkoblet dataanalyse i Microsoft Fabric.

  • Enkelhet og intuitivitet: Noder og kanter er tett knyttet til hvordan folk tenker på nettverk. LPG er mindre komplekst enn RDF. Du trenger ikke å definere ontologier eller administrere globale identifikatorer.
  • Egenskaper på kanter: Modellere vektede, tidsmessige eller merkede relasjoner på kanter. Denne funksjonen støtter avansert analyse som anbefalinger og svindeldeteksjon.
  • Ytelse og lagringseffektivitet: LPG-baserte grafdatabaser lagrer data kompakt og muliggjør raske traverseringer, selv for store, komplekse grafer.
  • Fleksibelt skjema: Utvikle grafmodellen din etter hvert som virksomhetens behov endres, uten rigide begrensninger. Merk at skjemaendringer for øyeblikket krever at du lager en ny grafmodell og laster inn dataene dine på nytt. For mer informasjon, se Design et grafskjema.
  • Integrasjon med Fabric: Graph fungerer med OneLake og Power BI, og muliggjør sømløs analyse og visualisering.

For detaljer om hvordan nodetyper og kanttyper mappes til lakehouse-tabeller i Fabric, se Forstå nodetyper og kanttyper.

Beslektet innhold

  • Last updated on