优势
不足
产品信息
详细说明
服务商概述
Amazon Neptune 于 2018 年正式商用,是 AWS 的全托管图数据库服务,同时支持属性图(Gremlin、openCypher)与 RDF 图(SPARQL),存储自动复制到三个可用区、最多 15 个只读副本,并派生出 Neptune Analytics 做内存图分析。
对后端与数据库场景,它的价值是「无运维的图能力」:无需自建集群与调优,按实例小时计费即可获得高可用图库,与 IAM、VPC、CloudWatch 及 SageMaker 打通;同时支持两种图模型,使知识图谱(RDF)与关系图谱(属性图)可以在同一技术栈里实现。
需要留意的是成本与性能特征:实例按小时计费且图查询对内存敏感,规格选小会明显变慢;写入吞吐不及内存型图库,深度遍历性能取决于查询写法;跨云迁移需要重写查询与数据模型。
核心优势
- 同时支持属性图(Gremlin/openCypher)与 RDF(SPARQL),两种生态都能用
- 存储三可用区复制、最多 15 个只读副本,故障切换自动完成
- 与 AWS IAM、VPC、CloudWatch、SageMaker 深度集成
- Neptune Analytics 提供内存图分析与预置算法,避免自建图计算集群
产品生态
Neptune Database
主服务,支持 Gremlin、openCypher 与 SPARQL,按实例规格与存储计费。
Neptune Analytics
内存图分析引擎,可从 S3 或 Neptune 加载数据并运行预置算法。
Neptune Serverless
按容量单位自动伸缩的形态,适合开发环境与不可预测负载。
不足之处
- 按实例小时计费,长期运行成本高于自建开源图库
- 写入吞吐与极深遍历性能不及内存型专用图库
- 只能在 AWS 内使用,跨云迁移要重写查询与模型
- 图算法能力集中在 Neptune Analytics,主库本身算法有限
适用场景
- AWS 上的知识图谱(★★★★★):SPARQL 与 RDF 原生支持
- 关系图谱与推荐路径(★★★★):Gremlin/openCypher 可用
- 免运维的图分析(★★★★):全托管加 Analytics
- 极致写入吞吐与深链路(★★★):内存型图库更合适
价格参考
| 套餐 | 价格 | 能力边界 |
|---|---|---|
| Neptune Serverless | 按容量单位计费 | 自动伸缩,适合间歇负载 |
| Neptune 实例(db.r6g 等) | 按实例小时计费 | 含存储与 I/O 另计 |
| Neptune Analytics | 按内存与 m-NCU 小时 | 内存图分析,按需加载 |
Neptune 的账单是「实例小时 + 存储 + I/O」,图查询对内存敏感,规格过小会导致查询变慢反而增加总成本。批量算法分析更适合用 Neptune Analytics 按需加载运行,而不是常驻大实例。
常见问题
-
Neptune 和 Neo4j 怎么选? 已全面使用 AWS、需要免运维与 SPARQL/RDF 选 Neptune;需要成熟 Cypher 生态、强写入性能与可视化选 Neo4j。
-
支持哪些查询语言? 属性图用 Gremlin 与 openCypher,RDF 用 SPARQL;同一集群只能选一种图模型,不能混用。
-
能做图算法分析吗? 主库只提供查询能力,算法需用 Neptune Analytics(内置 PageRank、社区发现、相似度等)或自行导出到其他引擎。