복잡한 관계와 상호작용 분석 그래프 DB ‘타이거그래프’

최근 심층 신경망을 활용한 딥러닝의 발전과 더불어 복잡한 관계와 상호작용의 표현과 분석에 효과적인 그래프 데이터베이스(이하 그래프 DB)에 관심이 높아지고 있다. 그래프 DB는 관계형DB 등이 해결하지 못하는 대용량 복잡한 데이터 구조를 빠르게 파악하는 고급 기술이다. 그래프 DB는 데이터를 노드와 에지로 나타내는 비관계형 데이터베이스로 노드는 데이터의 개별 항목을 나타내고, 에지는 두 노드 간의 관계를 나타낸다.

그래프 DB는 관계형 DB보다 복잡한 데이터 관계를 표현하고 분석하는 데 적합하다. 이에 사회 네트워크 분석, 사이버 보안, 추천 시스템 등 다양한 산업 분야에서 활용되고 있다.

그래프 DB는 데이터의 양이 증가하고 복잡해짐에 따라 관계형 데이터베이스의 한계를 극복할 수 있는 대안으로 주목받고 있다. 최근 발표된 퓨처 마켓 인사이트(Future Market Insights) 보고서에 따르면 그래프DB 시장은 2022년부터 연평균 15% 성장율로 2032년에 96억 달러에 규모에 이를 것으로 전망된다.

확장성·성능·사용 용이성 뛰어난 타이거그래프

그래프 DB중에 빠르고 강력한 성능 및 확장성을 자랑하는 타이거그래프(TigerGraph)는 대규모 병렬처리 아키텍처를 기반으로 개발되었다. 개발자 및 분석가가 손쉽게 개발하고 분석을 할 수 있는 다양한 도구를 제공하고 있다.

대규모 병렬처리 아키텍처로 타이거그래프는 스토리지 엔진에서 Query까지 모든 영역이 병렬처리를 진행하므로 업계 최고의 동시성과 속도를 제공하며, 초고속 데이터 적재 및 수정이 가능하다.

Deep-Link Multi-Hop 분석으로 타이거그래프는 다양한 데이터 요소 간의 다중 단계 연결을 탐색하는 데에 최적화되어 있어 10개 이상의 Hop에 대한 복잡한 분석도 신속하게 수행할 수 있다. 

실시간 그래프 분석면에서 타이거그래프는 복잡한 그래프 쿼리에 대해 최적화된 실행 계획을 생성하여 실시간으로 그래프 데이터를 분석하고 즉각적인 인사이트를 도출할 수 있다. 수천만 개의 엔터티/관계에 접근하는 쿼리에 대해 1초 미만의 응답이 가능하다.

확장성 및 고가용성 면에서 타이거그래프는 수평적인 확장성을 지원하며, 클러스터링과 데이터 파티셔닝을 통해 데이터의 분산 저장과 처리를 가능하게 한다. 이를 통해 시스템의 확장성과 고가용성을 보장하며, 대용량 데이터셋과 요구 사항의 변화에 유연하게 대응할 수 있다.

로우 코드 개발 및 직관적인 시각화에 있어서 GraphStudio를 활용하여 적은 코드로 분석 프로그램을 개발 할 수 있으며, Insight를 활용하여 코드 개발 없이 그래프 데이터를 시각화하여 데이터 간의 유의미한 인사이트를 직관적으로 발견할 수 있다.

초차원 쿼리 언어 GSQL은 고성능 그래프 작업 및 분석을 위한 언어로 SQL과 매우 유사하다. 병렬 처리가 기본으로 그래프 데이터 모델에 특화된 쿼리 기능을 제공하며, 복잡한 그래프 쿼리를 쉽게 작성하고 실행할 수 있다. 다른 그래프 언어 대비 더 빠른 성능을 제공한다.

풍부한 분석 기능과 라이브러리 면에서 타이거그래프는 그래프 분석 알고리듬, 머신 러닝 모델, 그리고 그래프 데이터에 특화된 분석 기능을 활용하여 데이터의 특성을 파악하고 예측할 수 있도록 다양한 라이브러리를 제공한다.

멀티 그래프를 제공해 개별 그래프의 접근 통제 및 보안을 유지하면서 여러 그룹이 동일한 데이터를 공유할 수 있다. 이를 활용하여 기업은 데이터의 사일로를 방지하며, 여러 조직의 데이터 접근을 개선할 수 있다.

다양한 배포 옵션으로 타이거그래프 관리형 클라우드와 주요 3개 클라우드(AWS, Azure, GCP Cloud) 뿐만 아니라 온 프레미스도 지원해 기업환경에 맞게 도입할 수 있다.

설명 가능한 AI, 사기 탐지, 공급망 분석 및 사이버 보안과 같은 UseCase에 대한 20개 이상의 다양한 스타터 키트가 제공된다. 스타터 키트에는 샘플 그래프 데이터 스키마, 데이터 세트 및 쿼리를 제공하여 기업에서 신속하게 필요한 솔루션을 개발할 수 있다.

타이거그래프가 제공하는 다양한 기능을 활용하여 사이버 보안, 개인화된 상품추천, 사기탐지(Fraud Detection/AML), 공급망 관리, AI/ML , 지식그래프 등 다양한 분야에서 효율을 높일 수 있다.

최근 사이버 공격이 점점 복잡해지고 정교해짐에 따라, 타이거그래프는 기업들이 클라우드 상의 이상 행위, 위협 패턴, 관련 이벤트 등을 그래프로 표현하고 분석하여 사이버 공격을 탐지하고 예방할 수 있게 지원한다. 기업은 보안 수준을 강화하고 중요한 데이터와 시스템을 안전하게 보호할 수 있다.

기업 공급망 위기 해결과 고객 경험 향상

재규어 랜드로버(Jaguar Land Rover, 이하 JLR)는 공급망 계획 소요시간을 3주에서 45분으로 단축하고, 재고부족 위험을 35% 줄였으며 연간 1억 파운드의 재고비용 감소 및 수익성 향상을 달성하였다. 코로나 팬데믹으로 전체 자동차 산업의 공급망이 혼란에 빠졌기 때문에 몇 시간 만에 공급망을 재계획하고 최적화를 할 필요가 있었지만, 제조 프로세스 전반에 걸쳐 데이터는 수많은 데이터 소스에 분산되어 있어 적시에 데이터를 쿼리하는 것이 불가능하였다.

JLR은 12개의 데이터 소스를 그래프로 결합하고, 수백개의 공급업체가 공급하는 부품 및 BOM을 연결하였다. 그래프를 사용하여 특정 업체의 공급을 하지 못하는 경우 공장에서 차량 주문이 어떻게 이루어졌는지 확인하고 순서를 재지정했다.

관계형 데이터베이스 소프트웨어를 사용할 때 3주 이상이 소요되었지만 타이거그래프를 도입한 이후 공급망 모델 전반에 걸친 쿼리에 30~45분로 단축하였으며, 재고부족 위험을 35% 줄였으며 연간 1억 파운드의 재고비용 감소 및 수익성 향상을 달성하였다.

게임 업계는 소비자가 선택할 수 있는 엔터테인먼트 옵션이 너무 많아 고객을 유지하기 위한 경쟁이 치열해지고 있다. 마이크로소프트 Xbox는 인공지능으로 데이터에서 패턴을 감지하여 고객의 전반적인 경험을 개선하고자 했으나 1억 명이 넘는 활성 사용자의 엄청난 양의 고객 데이터의 추세를 파악하는 데 어려움이 있었다.

Xbox는 타이거그래프를 도입해 Microsoft는 PageRank, Community Detection, Shortest Path 및 Louvain을 사용하여 다양한 게임 커뮤니티 세그먼트를 실험했다.

고객이 원하는 패턴을 감지하고 고객이 게임을 더 오래 플레이하도록 할 수 있도록 했으며, 사용자에게 스페셜 오퍼를 제공하면서 동시에 게임 내 구매를 추적할 수 있었다. 사용자를 커뮤니티로 분류하여 고객이 상호 작용하는 방식을 파악하여 고객의 더 잘 이해하게 되었으며, 사용자 그룹이 서로 어떻게 플레이하는지 알고 있으므로 전반적인 경험을 계속 개선할 수 있었다.

게임 시간 분석 및 세션 추적을 사용하여 고객을 식별할 수 있으므로 더 나은 게임 경험을 제공할 수 있고, 관계 또는 친구 네트워크와의 상호 작용을 통해 사용자 경험을 조정하면서 다양한 커뮤니티를 이해할 수 있었다.

Xbox는 이제 고객의 데이터를 사용하여 훨씬 더 즐거운 사용자 경험을 제공할 수 있다. 그들은 성공적이고 인기 있는 비디오 게임에 더 많은 투자를 할 수 있고 비슷한 관심사를 가진 고객들에게 새로운 비디오 게임을 추천할 수 있다.

타이거그래프는 23년 3월 v3.9.1 LTS버전을 발표하였다. 빠르게 성장하는 고객의 요구를 충족하고 그래프 데이터베이스 플랫폼의 도입, 배포 및 관리를 간소할 수 있는 기능과 개선된 데브옵스 지원 기능을 강화하였다. 타이거그래프는 지속적으로 제품과 서비스를 개선하고 새로운 기능과 기술을 도입하여 고객들에게 최고 수준의 그래프 데이터베이스 솔루션을 제공할 것이다.