Hvorfor jeg unngår grafdatabaser Spørsmålet: "Er Knowledge Graph Rag-produksjon klar? Skal vi bruke den?» Svaret: Etter 10 år i ML holder jeg meg unna grafdatabaser. Hvert selskap jeg har sett gå inn i grafverdenen går tilbake til SQL innen 4-5 år. Problemene er reelle: Vanskelig å ansette talenter (lettere å finne PostgreSQL-eksperter) Skjemadefinisjon skaper endeløse debatter uten klare beste praksiser De fleste brukstilfeller trenger bare 1-2 gjennomganger, ikke komplekse grafoperasjoner Til og med Facebooks "graf" var faktisk en stor MySQL-database. Det eneste selskapet som virkelig trenger grafdatabaser er LinkedIn for 3-5 graders vennskapsberegninger. Selv for Microsofts Document Graph-tilnærming - vil jeg heller bruke finjusterte innebygginger. En graf er bare en tilstøtende matrise, og finjustering kan få deg nær den likhetsdefinisjonen uten den operasjonelle kompleksiteten. Start med dataene dine: La spesifikke brukstilfeller rettferdiggjøre grafkompleksitet i stedet for å velge teknologi først. Grafen kan være 2 % bedre, men tradisjonelle tilnærminger som fungerer bra betyr at 2 % sjelden rettferdiggjør vedlikeholdskostnadene.