Graph DBとは
RAGについて調べていると、GraphDBということばをよく見かけます。
単語として知っていたものの、恥ずかしながらよく知らず。
Graph DBについてざっくり調べてみようと思います。
Graph DBとは
Graph DB(グラフデータベース)は、簡単にいうとデータそのものだけでなく、データ同士の関係を扱いやすくしたデータベース」です。
例えば、こんな人間関係があったとします。
田中さん
↓ 所属
A社
↓ 取引先
B社
↓ 所属
鈴木さん
Graph DBでは、このようなデータを
[田中さん] --所属--> [A社] --取引先--> [B社] <--所属-- [鈴木さん]
のようなグラフ構造として表現します。
基本的な構成要素は2つです。
- **Node(ノード)**:人、会社、商品などの「もの」
- **Edge(エッジ)**:所属、購入、呼び出すなどの「関係」
例えば、
[田中さん] --勤務している--> [A社]
なら、
田中さん
A社
がNodeで、
勤務している
がEdgeです。
普通のDBと何が違うのか
例えば一般的なRDB(リレーショナルデータベース)なら、人と会社を次のようなテーブルで管理できます。
users
| id | name | company_id |
|---|---|---|
| 1 | 田中 | 10 |
| 2 | 鈴木 | 20 |
companies
| id | name |
|---|---|
| 10 | A社 |
| 20 | B社 |
これでも、
> 田中さんはどこの会社に所属している?
という質問には簡単に答えられます。
しかし、関係が増えてくると少し複雑になります。
例えば、
> 田中さんが所属している会社の取引先に所属している人を探したい
となると、
田中
↓
A社
↓
取引先
↓
B社
↓
社員
↓
鈴木
というように、いくつもの関係を辿る必要があります。
RDBでもJOINを使えばできますが、関係が何段階にもなるほどSQLが複雑になっていきます。
Graph DBでは、そもそも「関係を辿る」こと自体が中心的な操作になっています。
Graph DBは「点と線」で考える
例えばSNSなら、
[田中] --フォロー--> [鈴木]
[鈴木] --フォロー--> [佐藤]
[佐藤] --勤務--> [A社]
ECサイトなら、
[田中] --購入--> [MacBook]
[田中] --購入--> [iPhone]
[鈴木] --購入--> [MacBook]
のように表現できます。
Graph DBは、こうした「AとBにどういう関係があるのか」を表現するのが得意なデータベースです。
コードをGraphにするとどうなる?
今回プログラム関連のRAGについて調べていたときにGraphDBの話が出てきたのですが
プログラムについても考えてみます。
例えば以下のような処理があるとします。
def delete_user(user_id):
cancel_subscription(user_id)
user_repository.delete(user_id)さらに、
def cancel_subscription(user_id):
stripe_client.cancel(user_id)があるとします。
コードをGraphとして表現すると、
[delete_user]
|
calls
↓
[cancel_subscription]
|
calls
↓
[stripe_client.cancel]
という形になります。
さらに、
[delete_user]
|
calls
↓
[user_repository.delete]
|
accesses
↓
[users table]
という関係も持たせられます。
すると、
> delete_userを実行すると、どこに影響する?
という質問に対して、
delete_user
├─ cancel_subscription
│ └─ stripe_client.cancel
│
└─ user_repository.delete
└─ users table
と関係を辿れるようになります。
ここが、Graph DBをコード理解に使うと面白いところです。
Graph DBではどんな検索をする?
例えば有名なGraph DBの一つにNeo4jがあります。
Neo4jではCypherというクエリ言語を使います。
例えば、
UserService
↓ calls
何か
を探す場合、概念的には、
MATCH (a)-[:CALLS]->(b)
WHERE a.name = "UserService"
RETURN b
のように検索できます。つまり、
> UserServiceが呼び出しているものを全部教えて
という問い合わせです。さらに、
MATCH (a)-[:CALLS*1..3]->(b)
WHERE a.name = "delete_user"
RETURN b
のようにすれば、
delete_user
↓
1段目
↓
2段目
↓
3段目
と、何段階か先まで関係を辿ることもできます。
Graph DBが「関係性の検索に強い」と言われる理由がここにあります。
Graph DBが向いているデータ
Graph DBは何でもGraph DBにすればいい、というものではありません。
特に向いているのは、データ同士の関係そのものが重要なケースです。
例えば、
SNS
人 → フォロー → 人
EC
人 → 購入 → 商品
組織
人 → 所属 → 部署 → 所属 → 会社
金融
口座 → 送金 → 口座
コード
関数 → calls → 関数
ドキュメント
人物 → 所属 → 会社 → 関係 → プロジェクト
などです。
逆に、
id
name
age
created_at
のような単純なデータを保存するだけなら、普通のRDBで十分な場合も多いです。
まとめ
なんとなくGraphDBのユースケースなどは掴めた気がします。
やる気が続けばRAG関連の手法についても調べてまとめていければと思います。