前言1
第1章 圖思維9
1.1 為什么是現(xiàn)在將圖引入數(shù)據庫技術9
1.2 什么是圖思維15
1.3 制定技術決策解決復雜問題17
1.4 開啟你的圖思維旅程24
第2章 從關系思維進化到圖思維25
2.1 本章預覽：將關系概念轉化為圖術語25
2.2 關系和圖：差異在哪里26
2.3 關系型數(shù)據建模28
2.4 圖數(shù)據中的概念30
2.5 圖結構語言35
2.6 確定是關系型還是圖43
2.7 總結45
第3章 入門：簡單的C360視圖47
3.1 本章預覽：關系型技術和圖技術48
3.2 圖數(shù)據的基本用例：C36048
3.3 在關系型系統(tǒng)中實施C360應用程序50
3.4 在圖系統(tǒng)中實現(xiàn)C360應用程序59
3.5 關系型與圖：如何選擇72
3.6 總結74
第4章 在開發(fā)環(huán)境中探索鄰接點77
4.1 本章預覽：構建一個更現(xiàn)實的C36077
4.2 圖數(shù)據建模10178
4.3 在開發(fā)環(huán)境中探索鄰接點的實現(xiàn)細節(jié)89
4.4 Gremlin基礎導航91
4.5 高級Gremlin：構造查詢結果99
4.6 從開發(fā)到生產107
第5章 在生產環(huán)境中探索鄰接點109
5.1 本章預覽：學習Apache Cassandra的分布式圖數(shù)據110
5.2 使用Apache Cassandra處理圖數(shù)據111
5.3 圖數(shù)據建模201125
5.4 生產環(huán)境的實現(xiàn)細節(jié)129
5.5 更復雜的分布式圖問題137
第6章 在開發(fā)環(huán)境中使用樹139
6.1 本章預覽：導航樹、分層數(shù)據和循環(huán)139
6.2 分層和嵌套數(shù)據139
6.3 在紛繁的術語中找到出路142
6.4 通過傳感器數(shù)據學習層次結構145
6.5 開發(fā)環(huán)境中從葉子節(jié)點到根節(jié)點的查詢155
6.6 開發(fā)環(huán)境中從根節(jié)點到葉子節(jié)點的查詢164
6.7 回到過去169
第7章 在生產環(huán)境中使用樹171
7.1 本章預覽：分支系數(shù)、深度和邊上的時間屬性171
7.2 傳感器數(shù)據中的時間172
7.3 示例中的分支系數(shù)179
7.4 傳感器數(shù)據的生產結構181
7.5 生產環(huán)境中從葉子節(jié)點到根節(jié)點的查詢183
7.6 生產環(huán)境中從根節(jié)點到葉子節(jié)點的查詢190
7.7 在通信塔故障的場景中應用查詢195
7.8 以小見大199
第8章 開發(fā)環(huán)境中的路徑查找201
8.1 本章預覽：量化網絡中的信任201
8.2 關于信任的三個例子202
8.3 路徑的基本概念205
8.4 信任網絡中的路徑查找209
8.5 用比特幣信任網絡理解遍歷214
8.6 最短路徑查詢219
第9章 生產環(huán)境中的路徑查找233
9.1 本章預覽：權重、距離和剪枝233
9.2 加權路徑和搜索算法234
9.3 最短路徑問題的邊權重歸一化238
9.4 最短加權路徑查詢247
9.5 生產環(huán)境中的加權路徑和信任257
第10章 開發(fā)環(huán)境中的推薦259
10.1 本章預覽：電影推薦的協(xié)同過濾259
10.2 推薦系統(tǒng)示例260
10.3 協(xié)同過濾導論262
10.4 電影數(shù)據：結構、加載和查詢269
10.5 Gremlin中基于條目的協(xié)同過濾282
第11章 圖中的簡單實體解析291
11.1 本章預覽:合并多個數(shù)據集到一個圖291
11.2 定義一個不同的復雜問題：實體解析292
11.3 分析兩個電影數(shù)據集294
11.4 匹配和合并電影數(shù)據304
11.5 解決假陽性307
第12章 生產環(huán)境中的推薦313
12.1 本章預覽：快捷邊、預計算和高級修剪技術313
12.2 實時推薦的快捷邊314
12.3 計算我們的電影數(shù)據的快捷邊319
12.4 電影推薦的生產結構和數(shù)據加載325
12.5 帶有快捷邊的推薦查詢328
第13章 結語337
13.1 何去何從338
13.2 保持聯(lián)系341
鄂公網安備 42010302001612號 