SQL gagal pada 3+ lompatan. GraphDB tidak. Bayangkan menemukan semua akun dalam jarak 3 lompatan dari transaksi yang mencurigakan. Atau menautkan catatan pelanggan yang terfragmentasi di seluruh sistem dengan email dan nomor telepon bersama. Ini adalah kueri lintasan grafik. SQL dapat menangani hubungan tetapi tidak kedalaman. Tentu, Anda dapat menulis CTE rekursif dan gabungan sendiri. Itu bekerja pada 1-2 lompatan. Tapi masuk lebih dalam dan dua hal terjadi: - Kueri menjadi tidak dapat dibaca - Dan tangki kinerja Setiap lompatan menambahkan self-join lainnya. Pada hop 5-6, Anda melihat kueri yang berjalan selama beberapa menit dan berantakan di bawah beban. Kueri yang sama di Cypher: MATCH (t:Transaction {id: 'TXN-001'})-[:INVOLVES*1.. 3]-(a:Akun) KEMBALIKAN a.name BERBEDA, a.phone 3 baris. Membaca seperti pertanyaan yang Anda ajukan. Skala ke kedalaman berapa pun. Inilah yang membuat database grafik. FalkorDB adalah salah satu yang patut diketahui. Ini sumber terbuka. Dan dibutuhkan pendekatan arsitektur yang berbeda dibandingkan dengan kebanyakan DB grafik. Sebagian besar database grafik mengejar penunjuk dari simpul ke simpul selama traversal. FalkorDB tidak melakukan itu. Ini dibangun di atas GraphBLAS, kerangka kerja aljabar linier yang mewakili operasi grafik sebagai komputasi matriks jarang. Setiap lompatan menjadi operasi matriks yang dioptimalkan sebagai gantinya. Hasilnya: - Perilaku cache yang lebih baik - Komputasi paralel di seluruh hop...