我们利用搜索引擎搜寻结果

您正在使用互联网，因此您以前曾使用搜索引擎查找信息（甚至可能到达本文！）。您可能还不知道搜索引擎搜索的排名结果是由PageRank排序的，PageRank是一种流行的图形算法，用于根据链接到其他页面的多少来确定内容的相关性。

所有这三种大规模算法都是图算法的预计算结果

这里的重点是预先计算。不可能，当您在搜索引擎上单击搜索时，任何图形算法都可以在您搜索内容的确切时刻抓取数十亿个链接来确定内容的相关性，我之所以提及，是因为预计算图形算法在事务数据库中的出现是整个图形行业注意到的个趋势，在基于云的应用程序中实时提供图形结构化数据的下一步是了解当今领先的公司实际上是如何做到的，但是在图形世界中，它是链接到什么的。

事务图数据库的4个常见用例

从本质上讲，在生产应用程序中使用图形数据可以提出更好的问题。这是我们在事务数据库中图形数据的生产使用中发现的四个常见的问题和数据模型。

客户360

当今有效的组织了解有关客户的所有信息。包括他们的住所，上次购买的商品，他们的联系信息是什么，他们参观的商店，的付款方式，使用的设备等等，诸如数据湖和数据仓库之类的解决方案曾用于这些目的，而如今的应用程序要求数据的可访问性更高，图形技术使开发人员能够创建强大的检索系统，以补充跨数据湖和数据仓库的较长搜索远征，结果企业能够跨平台和渠道提供一致的体验，满足消费者的期望并促进更多的销售。

什么叫分层数据

哪些员工向哪些董事汇报？员工A属于哪个部门或成本中心？图形技术提供了一种更自然的方式来显示层次结构数据（例如组织结构图）中的嵌套关系，从而反过来提高了开发人员的生产力，因为开发团队需要维护的代码更少，图形技术可以帮助您弄清楚两个人是如何认识的，两个人之间有多少联系（如果有），从特定机场到两次航班之间可以到达多少个机场，等等，在区块链时代（尤其是比特币时代），寻路将变得越来越重要，除非它能帮助用户知道他们是否可以信任网络上的特定未知用户，否则没有其他原因，如果某人与您自己信任的人进行交易，您是否愿意信任该用户？如果他们与您信任的25个人进行交易怎么办？

图形思维比传统的基于矩阵的算法更有效

如果您喜欢一定数量的电影，那么另一组人也喜欢这些电影，然后看看这组人喜欢的其他电影，瞧，还有您可能也喜欢的电影列表，使用图表，建议引擎遵循三个步骤来提供个性化建议：

1、找出用户近评价，查看或购买的物品。

2、根据历史评分，查看或购买方式查找相似的商品。

3、根据评分模型提供内容建议。

图形有助于回答更高价值的问题

如您所见，图形技术已经在我们的生活中扮演着举足轻重的角色，随着越来越多的组织希望成为云原生并转变为数据驱动型企业，几乎可以肯定的是，在未来几年中，我们将看到越来越强大的用例，这些用例将帮助他们回答日益重要的问题。