Neo4j stellt AuraDB-High-Memory-Instanzen mit bis zu 2 TB allgemein bereit
Neo4j stellt AuraDB-High-Memory-Instanzen auf AWS und Google Cloud ab sofort allgemein bereit. Sie bieten bis zu 2 TB RAM, während der maximale Speicher des Dienstes über alle Clouds hinweg auf 5 TB steigt. Nach Angaben des Unternehmens ist die verwaltete Datenbank für große, speicherintensive Graph-Workloads ausgelegt, die bislang selbst verwaltete Bereitstellungen der Neo4j Enterprise Edition erforderten.
- AuraDB-High-Memory-Instanzen sind bei AWS und Google Cloud allgemein verfügbar.
- Die größte Konfiguration bietet 2.048 GB RAM bei AWS und 1.952 GB bei Google Cloud.
- Der maximale AuraDB-Speicher wurde bei AWS, Google Cloud und Azure auf 5 TB erhöht.
- Die Instanzen richten sich an große Wissensgraphen, Betrugsanalysen, Identitätsauflösung und andere anspruchsvolle Workloads.
- Die Verfügbarkeit hängt von der regionalen Cloud-Kapazität und den Vorauszahlungsbedingungen für Kunden ab.
Mehr Speicher für große Graph-Workloads
Kunden von AuraDB Business Critical und Virtual Dedicated Cloud können jetzt in jeder Cloud vier High-Memory-Instanzgrößen anfordern. Die AWS-Optionen reichen von 768 GB bis 2.048 GB RAM, während die Optionen bei Google Cloud von 744 GB bis 1.952 GB reichen.
Die verfügbaren Konfigurationen kombinieren diese Speichergrößen mit Speicherkapazitäten von 1,5 bis 5 TB. Jede Größe umfasst laut Neo4j eine entsprechende vCPU-Ausstattung. Das Unternehmen weist jedoch darauf hin, dass Kunden ihr Account-Team nach den Optionen in ihrer Region fragen sollten.
Neo4j zufolge ist der Speicher besonders wichtig für Graphen mit häufig abgerufenen Knoten, Beziehungen und Indizes. Graph-Abfragen können Beziehungen durchlaufen, Pfade auswerten und Kontext über verbundene Entitäten hinweg abrufen. Wenn ein großer Graph auf die Festplatte ausgelagert wird, spüren laut dem Unternehmen Multi-Hop-Traversierungen und Abfragen tiefer Pfade die Auswirkungen zuerst.
Mehr Speicher bei AWS, Google Cloud und Azure
Zusätzlich zur Einführung von High Memory hat Neo4j den maximalen Speicher für AuraDB Business Critical und Virtual Dedicated Cloud bei AWS, Google Cloud und Azure von 2 TB auf 5 TB erhöht. Die Erhöhung gilt für Instanzen mit 192 GB RAM und mehr innerhalb eines RAM-zu-Speicher-Verhältnisses von 1:16.
Das Unternehmen positioniert die größeren Konfigurationen für Wissensgraphen und GraphRAG, die Analyse von Betrug und Finanzkriminalität, die Identitätsauflösung, Customer-360-Anwendungen und digitale Zwillinge. Diese Workloads können Dokumente, Embeddings, Transaktionsverläufe, Kundeninteraktionen oder Telemetriedatenströme umfassen, die kontinuierlich wachsen.
Neo4j beschreibt die Instanzen außerdem als Option für Migrationen von selbst verwalteten Bereitstellungen. Kunden können große bestehende Graphen zu AuraDB verschieben, ohne sie in kleinere Teile aufteilen zu müssen, um sie an Infrastrukturgrenzen anzupassen.
Verwaltung über die bestehenden AuraDB-Tools
High-Memory-Instanzen nutzen dieselben Aura-Workflows wie andere AuraDB-Instanzen. Kunden können sie über die Aura API oder die Console erstellen, in der Größe ändern, pausieren, klonen und Snapshots erstellen. Nach Angaben von Neo4j umfassen sie außerdem die Betriebs-, Skalierungs- und Sicherheitsfunktionen der jeweiligen Kundenstufe, darunter Secondaries, Multiple databases, SSO und Private Link.
Speicher und Festplattenkapazität können bei der Erstellung oder Größenänderung unabhängig voneinander festgelegt werden. RAM wird pro GB-Stunde abgerechnet und umfasst Festplattenspeicher im Verhältnis von 1:2 von RAM zu Speicher, während zusätzlicher Speicher pro GB-Stunde zum Standardtarif berechnet wird. High-Memory-Instanzen sind für Kunden von AuraDB Business Critical und Virtual Dedicated Cloud zu Vorauszahlungsbedingungen verfügbar.
Die Verfügbarkeit hängt von der regionalen Cloud-Kapazität ab und muss bestätigt werden, bevor Neo4j die Instanzen für ein Projekt aktiviert. Kunden können über das Größenmenü der Aura Console eine größere Instanz anfordern oder ihr Neo4j-Account-Team kontaktieren.
