圖數(shù)據(jù)實(shí)戰(zhàn)：用圖思維和圖技術(shù)解決復(fù)雜問題

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(jù)庫技術(shù)9
1.2 什么是圖思維15
1.3 制定技術(shù)決策解決復(fù)雜問題17
1.4 開啟你的圖思維旅程24
第2章 從關(guān)系思維進(jìn)化到圖思維25
2.1 本章預(yù)覽：將關(guān)系概念轉(zhuǎn)化為圖術(shù)語25
2.2 關(guān)系和圖：差異在哪里26
2.3 關(guān)系型數(shù)據(jù)建模28
2.4 圖數(shù)據(jù)中的概念30
2.5 圖結(jié)構(gòu)語言35
2.6 確定是關(guān)系型還是圖43
2.7 總結(jié)45
第3章 入門：簡單的C360視圖47
3.1 本章預(yù)覽：關(guān)系型技術(shù)和圖技術(shù)48
3.2 圖數(shù)據(jù)的基本用例：C36048
3.3 在關(guān)系型系統(tǒng)中實(shí)施C360應(yīng)用程序50
3.4 在圖系統(tǒng)中實(shí)現(xiàn)C360應(yīng)用程序59
3.5 關(guān)系型與圖：如何選擇72
3.6 總結(jié)74
第4章 在開發(fā)環(huán)境中探索鄰接點(diǎn)77
4.1 本章預(yù)覽：構(gòu)建一個更現(xiàn)實(shí)的C36077
4.2 圖數(shù)據(jù)建模10178
4.3 在開發(fā)環(huán)境中探索鄰接點(diǎn)的實(shí)現(xiàn)細(xì)節(jié)89
4.4 Gremlin基礎(chǔ)導(dǎo)航91
4.5 高級Gremlin：構(gòu)造查詢結(jié)果99
4.6 從開發(fā)到生產(chǎn)107
第5章 在生產(chǎn)環(huán)境中探索鄰接點(diǎn)109
5.1 本章預(yù)覽：學(xué)習(xí)Apache Cassandra的分布式圖數(shù)據(jù)110
5.2 使用Apache Cassandra處理圖數(shù)據(jù)111
5.3 圖數(shù)據(jù)建模201125
5.4 生產(chǎn)環(huán)境的實(shí)現(xiàn)細(xì)節(jié)129
5.5 更復(fù)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(yù)覽：導(dǎo)航樹、分層數(shù)據(jù)和循環(huán)139
6.2 分層和嵌套數(shù)據(jù)139
6.3 在紛繁的術(shù)語中找到出路142
6.4 通過傳感器數(shù)據(jù)學(xué)習(xí)層次結(jié)構(gòu)145
6.5 開發(fā)環(huán)境中從葉子節(jié)點(diǎn)到根節(jié)點(diǎn)的查詢155
6.6 開發(fā)環(huán)境中從根節(jié)點(diǎn)到葉子節(jié)點(diǎn)的查詢164
6.7 回到過去169
第7章 在生產(chǎn)環(huán)境中使用樹171
7.1 本章預(yù)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(jù)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(jù)的生產(chǎn)結(jié)構(gòu)181
7.5 生產(chǎn)環(huán)境中從葉子節(jié)點(diǎn)到根節(jié)點(diǎn)的查詢183
7.6 生產(chǎn)環(huán)境中從根節(jié)點(diǎn)到葉子節(jié)點(diǎn)的查詢190
7.7 在通信塔故障的場景中應(yīng)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(yù)覽：量化網(wǎng)絡(luò)中的信任201
8.2 關(guān)于信任的三個例子202
8.3 路徑的基本概念205
8.4 信任網(wǎng)絡(luò)中的路徑查找209
8.5 用比特幣信任網(wǎng)絡(luò)理解遍歷214
8.6 最短路徑查詢219
第9章 生產(chǎn)環(huán)境中的路徑查找233
9.1 本章預(yù)覽：權(quán)重、距離和剪枝233
9.2 加權(quán)路徑和搜索算法234
9.3 最短路徑問題的邊權(quán)重歸一化238
9.4 最短加權(quán)路徑查詢247
9.5 生產(chǎn)環(huán)境中的加權(quán)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(yù)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(dǎo)論262
10.4 電影數(shù)據(jù)：結(jié)構(gòu)、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(shí)體解析291
11.1 本章預(yù)覽:合并多個數(shù)據(jù)集到一個圖291
11.2 定義一個不同的復(fù)雜問題：實(shí)體解析292
11.3 分析兩個電影數(shù)據(jù)集294
11.4 匹配和合并電影數(shù)據(jù)304
11.5 解決假陽性307
第12章 生產(chǎn)環(huán)境中的推薦313
12.1 本章預(yù)覽：快捷邊、預(yù)計算和高級修剪技術(shù)313
12.2 實(shí)時推薦的快捷邊314
12.3 計算我們的電影數(shù)據(jù)的快捷邊319
12.4 電影推薦的生產(chǎn)結(jié)構(gòu)和數(shù)據(jù)加載325
12.5 帶有快捷邊的推薦查詢328
第13章 結(jié)語337
13.1 何去何從338
13.2 保持聯(lián)系341