book

グラフデータベース ―Neo4jによるグラフデータモデルとグラフデータベース入門

by Ian Robinson, Jim Webber, Emil Eifrem, 佐藤直生, 木下哲也

March 2015

Intermediate to advanced

236 pages

4h 1m

Japanese

O'Reilly Japan, Inc.

Read now

Unlock full access

　　本書ついて　　本書の表記法　　コード例の使用　　ご意見とご質問　　謝辞
　　1.1　グラフとは何か　　1.2　グラフ領域の概要　　　1.2.1　グラフデータベース　　　1.2.2　グラフ計算エンジン　　1.3　グラフデータベースの能力　　　1.3.1　パフォーマンス　　　1.3.2　柔軟性　　　1.3.3　アジャイル性　　1.4　まとめ
　　2.1　リレーショナルデータベースには関係が欠如している　　2.2　NoSQLデータベースにも関係が欠如している　　2.3　グラフデータベースは関係を包含する　　2.4　まとめ
　　3.1　モデルと目的　　3.2　プロパティグラフモデル　　3.3　グラフのクエリ：Cypher入門　　　3.3.1　Cypherの哲学　　　3.3.2　START　　　3.3.3　MATCH　　　3.3.4　RETURN　　　3.3.5　その他のCypher句　　3.4　リレーショナルモデリングとグラフのモデリングの比較　　　3.4.1　システム管理ドメインでのリレーショナルモデリング　　　3.4.2　システム管理ドメインでのグラフのモデリング　　　3.4.3　モデルのテスト　　3.5　クロスドメインモデル　　　3.5.1　シェイクスピアのグラフの作成　　　3.5.2　クエリの開始　　　3.5.3　検索する情報パターンの宣言　　　3.5.4　一致の制限　　　3.5.5　結果の処理　　　3.5.6　クエリの連鎖　　3.6　一般的なモデリングの落とし穴　　　3.6.1　メールの発信元の問題ドメイン　　　3.6.2　妥当な最初の反復？　　　3.6.3　二度目は成功　　　3.6.4　ドメインの進化　　3.7　アンチパターンの回避　　3.8　まとめ
　　4.1　データモデリング　　　4.1.1　アプリケーションニーズの観点でのモデルの記述　　　4.1.2　物のためのノード、構造のための関係　　　4.1.3　粒度の細かい関係と汎用的な関係　　　4.1.4　ノードとしての事実のモデリング　　　4.1.5　ノードとしての複合値型の表現　　　4.1.6　時間　　　4.1.7　反復型で漸進的な開発　　4.2　アプリケーションアーキテクチャ　　　4.2.1　組み込みかサーバか　　　4.2.2　クラスタリング　　　4.2.3　負荷分散（ロードバランシング）　　4.3　テスト　　　4.3.1　テスト駆動データモデル開発　　　4.3.2　パフォーマンステスト　　4.4　キャパシティプランニング　　　4.4.1　最適化の基準　　　4.4.2　パフォーマンス　　　4.4.3　冗長性　　　4.4.4　負荷　　4.5　まとめ
　　5.1　グラフデータベースを選ぶ理由　　5.2　一般的なユースケース　　　5.2.1　ソーシャル　　　5.2.2　レコメンデーション　　　5.2.3　地理空間　　　5.2.4　マスタデータ管理　　　5.2.5　ネットワーク管理とデータセンター管理　　　5.2.6　認可とアクセス制御（通信）　　5.3　実世界の例　　　5.3.1　ソーシャルレコメンデーション（専門家ソーシャルネットワーク）　　　5.3.2　認可とアクセス制御　　　5.3.3　地理情報（物流）　　5.4　まとめ

　　6.1　ネイティブグラフ処理　　6.2　ネイティブグラフストレージ　　6.3　プログラミングAPI　　　6.3.1　カーネルAPI　　　6.3.2　コア（Beans）API　　　6.3.3　トラバーサルAPI　　6.4　非機能的な特徴　　　6.4.1　トランザクション　　　6.4.2　復旧可能性　　　6.4.3　可用性　　　6.4.4　スケーリング　　6.5　まとめ
　　7.1　深さ優先探索と幅優先探索　　7.2　ダイクストラ法での経路探索　　7.3　A*アルゴリズム　　7.4　グラフ理論と予測モデリング　　　7.4.1　三者閉包　　　7.4.2　構造的バランス　　7.5　ローカルブリッジ　　7.6　まとめ
　　A.1　NoSQLの台頭　　A.2　ACIDとBASEの比較　　A.3　NoSQLの4象限　　　A.3.1　ドキュメントストア　　A.4　キーバリューストア　　A.5　カラムファミリー　　A.6　集約ストアでのクエリと処理の比較　　A.7　グラフデータベース　　　A.7.1　プロパティグラフ　　　A.7.2　ハイパーグラフ　　　A.7.3　トリプル
　　B.1　商用のグラフデータベース　　　B.1.1　InfiniteGraph　　　B.1.2　Sparksee　　　B.1.3　AllegroGraph　　B.2　オープンソースのグラフデータベース　　　B.2.1　OrientDB　　　B.2.2　Titan　　B.3　その他のグラフデータベース　　　B.3.1　HyperGraphDB　　　B.3.2　Sones GraphDB　　　B.3.3　InfoGrid　　　B.3.4　FlockDB　　　B.3.5　Trinity　　B.4　Titanのインストール、使用方法　　　B.4.1　Apache Cassandraのインストールと起動　　　B.4.2　Titanインストールと起動　　　B.4.3　Gremlinシェルの使用方法　　　B.4.4　Rexsterグラフサーバ　　　B.4.5　TitanにおけるRexsterの制限事項　　B.5　TinkerPop　　　B.5.1　TinkerPop2　　　B.5.2　TinkerPop3

Content preview from グラフデータベース ―Neo4jによるグラフデータモデルとグラフデータベース入門

付録ANoSQLの概要

近年、NoSQL（Not Only SQL、またはさらに対立的にNo to SQLの厚かましい接頭辞）として知られているデータストレージ技術の人気が流星のごとく高まっているのを目にします。しかし、用語としてのNoSQLは、NoSQLデータストアが何であるかではなくNoSQLデータストアが何でないかを定めています（NoSQLはSQL中心のリレーショナルデータベースではありません）。NoSQLデータストアは、動作、機能、アーキテクチャ的な特性が多種多様な興味深く便利なストレージ技術です。

なぜこのような新しいデータベースが作成されたのでしょうか。これらのデータベースはどのような問題を解決するのでしょうか。ここでは、この10年間に出現した新しいデータの課題について議論します。そして、グラフデータベースを含む4種類のNoSQLデータベースを見ていきます。

A.1　NoSQLの台頭

歴史的に、ほとんどの企業レベルのWebアプリケーションはリレーショナルデータベース上で動作していました。しかし、この10年では、従来のRDBMSで扱える以上にデータ量が多く、急速に変更され、構造的に多様なデータに直面しています。このような課題を受けてNoSQLのムーブメントが生じています。

ストレージが劇的に増えているので、組織がNoSQLストアを採用するのにデータ量が主な要因となっているのは驚くことではありません。データ量は、単に格納されるデータのサイズと定義できます。

周知のとおり、大規模データセットはリレーショナルデータベースに格納すると扱いにくくなります。特に、表のサイズと結合数が増えるにつれ、クエリ実行時間が長くなります（いわゆる、結合の苦痛です）。これはデータベースそのものの欠点ではありません。むしろ、正しい解に到達するためにクエリに対して考えられるすべての答えを構築してからフィルタリングするという、基盤となるデータモデルの特徴なのです。 ...