随身听第19期:图数据库建模最佳实践
数据建模(schema)的设计不是一个一蹴而就的过程,而是随着对于数据和业务需求不断变化演化的过程。图数据库相较于其他类型的数据库,schema的调节更灵活影响更小,大家不用过分纠结于在一开始就做出完美的schema,也可以避免过度设计等工程陷阱。本期随身听我们将会把设计图schema的一些常识和对于TigerGraph来说性能较优的设计思路分享给大家。
数据建模(schema)的设计不是一个一蹴而就的过程,而是随着对于数据和业务需求不断变化演化的过程。图数据库相较于其他类型的数据库,schema的调节更灵活影响更小,大家不用过分纠结于在一开始就做出完美的schema,也可以避免过度设计等工程陷阱。本期随身听我们将会把设计图schema的一些常识和对于TigerGraph来说性能较优的设计思路分享给大家。
Anna Veronika Dorogus
Machine Learning Expert
Anna Veronika Dorogush graduated from Lomonosov Moscow State University and Yandex School of Data Analysis. She used to work at ABBYY, Yandex, Microsoft and Google on Machine Learning infrastructure and Machine Learning frameworks. In 2017 she published the open-source library CatBoost, which is now one of top-3 most popular Gradient Boosting libraries, and the top 7-th most used Machine Learning framework in the world according to Kaggle 2021 review.