De nieuwe aanvallen lijken erg op die van de hackoperatie 'Iron Tiger'.
Afbeelding: iStock
Het is vaak gemakkelijker om de gebruiksscenario's voor grafiekdatabases te begrijpen dan te begrijpen hoe grafiekdatabases werken. Bijvoorbeeld, de vraag stellen wie de meest krachtige opinieleiders over meerdere sociale netwerken, met de grootste verscheidenheid aan verbindingen, beter geschikt zijn voor grafische databases, omdat het alternatief om de query in een relationele database uit te voeren een belachelijk aantal tabel-joins zou vereisen .
En dus, met TigerGraph die product-R&D opvoerde vanuit een nieuwe basis in San Diego en een nieuw hoofd voor de operatie aanstelde, Dr. Jay Yu, die het excuus bood om naar het traject te kijken voor het bedrijf, om nog maar te zwijgen van ons verlanglijstje voor grafische databases, waar alles draait om vereenvoudiging. We hadden de kans om met hem en CEO Dr. Yu Xu te spreken, en hieronder staan onze gedachten.
De context bepalen
Grafiekdatabases zijn overal om ons heen, maar meestal verborgen in het volle zicht. Een goed voorbeeld is de Microsoft Graph, die door Microsoft wordt gekarakteriseerd als 'de toegangspoort tot data en intelligentie in Microsoft 365'. Sterker nog, het kan worden gebruikt om de stroom van documenten, taken, berichten of andere processen in Microsoft 365 te orkestreren, waartoe natuurlijk ook Microsoft Office behoort. Maar voor ontwikkelaars wordt de Microsoft Graph weergegeven als een API om apps tegen te schrijven, niet als een database. In dit geval modelleert Microsoft alle gegevens, ontwikkelaars kunnen er gewoon mee spelen.
Maar in toenemende mate verliezen grafische databases hun vermommingen omdat de use-cases ons alleen maar in de ogen staren. Ze kunnen variëren van het opsporen van cyberbeveiligingsbedreigingen tot risicobeheer in financiële diensten, het bestrijden van witwassen, aanbevelingsmotoren, het ondersteunen van onderzoeksjournalistiek, het in realtime geven van aanbevelingen voor behandelingen in de gezondheidszorg, tot het bouwen van kennisgrafieken voor verkenning van de ruimte. De rode draad is dat het verkrijgen van wijsheid betekent dat je door meerdere netwerken van relaties moet kammen.
Waar moet je verder? Een paar weken geleden betoogde George Anadiotis op deze pagina's dat grafische databases een logisch startpunt zijn voor AI. We gaan het van onderaf bekijken: grafische databases moeten een kritische massa-vaardighedenbasis vormen en toegankelijker worden, zowel voor ontwikkelaars als bedrijfsanalisten.
Het begint met querytalen
Verwante onderwerpen:
Gegevensbeheer Digitale transformatie Robotica Internet of Things Innovatie Enterprise Software 