Vollständig verwaltet in der Cloud Neo4j AuraDS als „as-a-Service“ verfügbar

Der Spezialist für Graphtechnologie Neo4j bietet seine Plattform Neo4j AuraDS erstmals als vollständig verwalteten Cloud-Service bereit. Sie bietet einen umfassenden Graph-Analytics-Workspace für Predictive Analytics und Machine Learning Pipelines.

Anbieter zum Thema

INFOMOTION GmbH

Confluent Germany GmbH

Fivetran Germany GmbH

neo4j

Neo4j AuraDS ist zunächst auf der Google Cloud Platform (GCP) verfügbar. Die Lösung kann in Verbindung mit bestehenden GCP-Verträgen oder einzeln bezogen werden. Sie ermöglicht den Zugriff auf mehr als 65 Graph-Algorithmen in einem einzigen Workspace und soll somit schnellere Entwicklungsprozesse begünstigen. Zudem sollen Graph-interne Machine-Learning-Modelle und ein nativer Python-Client für mehr Produktivität und einfachere Arbeitsabläufe sorgen.

Umfangreiches Funktionsangebot

Weitere Features umfassen unter anderem eine Drag-and-Drop-Benutzeroberfläche zum Modellieren und Importieren von Daten in Graphen, flexible Skalierungsmöglichkeiten sowie einen hohen Grad an Automatisierung. MLOps-Unterstützung ist ebenfalls vorhanden: So ist beispielsweise das Persistieren, Veröffentlichen und Wiederherstellen von Machine-Learning-Modellen ohne Unterbrechungen durch Neustarts möglich.

Snapshots von Instanzen, Modellen und In-Memory-Graphen sorgen für Sicherheit. Transparente Preisgestaltung wird durch das „Pay as you go“-Prinzip, On-Demand-Skalierung und das Pausieren ungenutzter Instanzen sichergestellt. Anleitungen und Referenzarchitekturen für den Einstieg in die Nutzung von Neo4j AuraDS mit VertexAI sind ebenfalls verfügbar.

„Neo4j Graph Data Science hilft Entwicklern, ihre prädiktiven Analysen und Recommendation Engines zu optimieren“, erklärt Ritika Suri, Director Technology Partnerships von Google. „Mit der Bereitstellung über GCP gewinnt die Graph-Data-Science-Lösung nun eine vertrauenswürdige, globale Infrastruktur in der Cloud. Anwender können die Plattform nahtlos entsprechend ihrer Geschäftsanforderungen skalieren und sie gemeinsam mit Lösungen wie Big Query sowie das umfangreiche KI, ML und Analytik-Toolset auf Google Cloud nutzen“, ergänzt sie.

(ID:48212295)