[AWS] Amazon Neptune

AWS Neptune, Amazon Neptune, Neptune, Neptune Database, Neptune Analytics, Neptune Serverless, Neptune Global Database, Gremlin AWS, openCypher AWS, SPARQL AWS, Amazon 그래프 데이터베이스

정의

Amazon Neptune 은 AWS 가 관리하는 그래프 데이터베이스 서비스입니다. 두 데이터 모델과 세 쿼리 언어를 모두 지원합니다.

• Property Graph 모델: Gremlin (Apache TinkerPop), openCypher
• RDF 모델: SPARQL 1.1

두 개의 별도 제품군:

• Neptune Database: 트랜잭션/OLTP 그래프 워크로드 (2018 GA)
• Neptune Analytics: 분석/알고리즘 워크로드 (2024 GA), 인메모리 최적화, 25+ 내장 알고리즘, 벡터 검색

왜 그래프 DB 인가

관계 자체가 데이터의 핵심인 도메인:

• 소셜 네트워크: 친구/팔로우/공통 관심
• 추천: 사용자-상품, collaborative filtering
• 사기 탐지: 트랜잭션 그래프에서 이상 패턴 검출
• 지식 그래프: 개체 + 관계 + 속성 (Wikidata 스타일)
• 네트워크 라우팅: 최단 경로, 통신망
• 생명과학: 유전자, 단백질 상호작용
• 아이덴티티 그래프: 마케팅, MDM
• RAG 지식 그래프 (GraphRAG, 2024~): LLM + 그래프

RDB 의 JOIN 이 여러 겹 필요한 관계 조회를, 그래프 traversal 로 자연스럽게 표현.

두 데이터 모델

Property Graph (LPG)

Node (vertex) + Edge (relationship) 에 key-value property.

(User {id: 1, name: 'kim'}) -[LIKES {since: 2023}]-> (Movie {id: 42, title: 'Dune'})

Gremlin / openCypher 로 조회.

RDF (Resource Description Framework)

Triple (subject, predicate, object). W3C 표준. 시맨틱 웹.

<http://ex.com/user/1>  <http://ex.com/likes>  <http://ex.com/movie/42>

SPARQL 로 조회.

Neptune 은 두 모델을 같은 클러스터에서 병존 가능합니다.

쿼리 언어 예시

Gremlin

// 사용자 1 이 좋아하는 영화들
g.V().hasLabel('User').has('id', 1)
     .out('LIKES').hasLabel('Movie')
     .values('title')

// 사용자 1 이 좋아하는 영화를 좋아하는 다른 사용자 (친구 추천)
g.V().hasLabel('User').has('id', 1)
     .out('LIKES').in('LIKES')
     .where(neq(V().hasLabel('User').has('id', 1)))
     .valueMap()

// 최단 경로
g.V(user1).repeat(both().simplePath()).until(hasId(user2))
          .path().limit(1)

openCypher

// 사용자 1 이 좋아하는 영화들
MATCH (u:User {id: 1})-[:LIKES]->(m:Movie)
RETURN m.title

// 친구 추천
MATCH (u1:User {id: 1})-[:LIKES]->(m:Movie)<-[:LIKES]-(u2:User)
WHERE u1 <> u2
RETURN u2.name, count(m) AS shared
ORDER BY shared DESC LIMIT 10

// 최단 경로
MATCH p = shortestPath((u1:User {id: 1})-[*]-(u2:User {id: 999}))
RETURN p

SPARQL

PREFIX ex: <http://ex.com/>

SELECT ?movie ?title
WHERE {
  ex:user1 ex:likes ?movie .
  ?movie ex:title ?title .
}

# 친구 추천
SELECT ?friend ?name (COUNT(?movie) AS ?shared)
WHERE {
  ex:user1 ex:likes ?movie .
  ?friend ex:likes ?movie .
  ?friend ex:name ?name .
  FILTER (?friend != ex:user1)
}
GROUP BY ?friend ?name
ORDER BY DESC(?shared)
LIMIT 10

Neptune Database 아키텍처

Writer instance ──┐
                   ├── Neptune Cluster ── Shared Cluster Storage (auto-replicate 6 copies × 3 AZ)
Reader instances ─┘

• Cluster storage: 여러 AZ 에 자동 복제. Compute 와 분리.
• 1 Writer + 최대 15 Readers
• 인스턴스 유형: db.t4g, db.r5, db.r6g, db.r6i, db.x2g, db.serverless
• 자동 백업: continuous, PITR (Point-in-time recovery)
• 암호화: KMS at rest, TLS in transit
• VPC: Private only (public endpoint 없음)

Neptune Serverless

Auto-scaling on-demand. 최소 1.0 NCU (Neptune Capacity Unit) ~ 최대 128 NCU.

DBCluster:
  ServerlessV2ScalingConfiguration:
    MinCapacity: 1.0
    MaxCapacity: 16.0

• 작은 워크로드 / 스파이키 유리
• 유휴 시 최소 비용 (0 은 아님, 최소 1 NCU)
• Provisioned 와 mix 가능 (하이브리드)

Global Database

여러 리전에 replica. 재해복구 + 저지연 read.

• Primary region: read/write
• Secondary regions (최대 5): read-only, < 1s replication lag 목표
• 페일오버 시 secondary 를 primary 로 승격

Neptune Analytics (2024 GA)

Analytics 는 별도 서비스 (neptune-graph). Database 와 다른 endpoint, IAM, API.

특징

• 인메모리 최적화: 대규모 traversal 도 빠름
• 25+ 내장 알고리즘: openCypher CALL procedure 로
• openCypher only (Gremlin/SPARQL 미지원)
• Vector Similarity Search (embedding 통합)
• StartImportTask API: S3 에서 대용량 대량 로드

알고리즘 카테고리

1. Path finding (BFS, shortestPath, allShortestPaths, singleSourceShortestPath)
2. Centrality (PageRank + personalization, betweenness, degree, closeness)
3. Similarity (Jaccard, overlap, cosine)
4. Clustering / Community detection (Louvain, weakly/strongly connected components, label propagation)
5. Vector Similarity (vectors.byEmbedding, vectors.topK.byNode)

예: 미국 알래스카 지역 top 10 공항 (PageRank)

CALL neptune.algo.pageRank.stream({
  edgeWeightProperty: "distance",
  maxIterations: 100
})
YIELD node, rank
WHERE node.region = 'US-AK'
RETURN node.iata AS airport, rank
ORDER BY rank DESC LIMIT 10

언제 Analytics vs Database?

축	Database	Analytics
워크로드	OLTP, 트랜잭션	분석, 알고리즘
쿼리 언어	Gremlin + openCypher + SPARQL	openCypher only
데이터 크기	매우 큼 (스토리지 무제한)	인메모리 (수십 TB 정도)
업데이트	실시간 (write endpoint)	대량 import 위주
알고리즘	별도 구현 필요	내장 25+
비용 모델	Instance-hour	m-NCU

하이브리드: Database 에서 원본 유지, 분석 시 Analytics 로 스냅샷/import.

GraphRAG (2024~)

Bedrock Knowledge Bases + Neptune Analytics 통합으로 그래프 기반 RAG.

일반 벡터 RAG 의 한계:

• 관계가 여러 단계인 질문 어려움 (multi-hop)
• 개체 disambiguation 부족

GraphRAG:

1. 문서에서 개체 + 관계 추출 (LLM)
2. Neptune 에 저장 (지식 그래프)
3. 질의 시 그래프 + 벡터 조합 검색
4. LLM 이 그래프 컨텍스트 활용

자세한 것은 Bedrock Managed Knowledge Base + Neptune backend 참조.

데이터 로딩

Bulk Load (S3)

큰 데이터셋은 S3 -> Neptune Loader:

curl -X POST https://your-neptune-endpoint:8182/loader \
  -H 'Content-Type: application/json' \
  -d '{
    "source": "s3://bucket/data/",
    "format": "csv",
    "iamRoleArn": "arn:aws:iam::...:role/NeptuneLoadRole",
    "region": "us-east-1",
    "parallelism": "MEDIUM"
  }'

Format: csv (Gremlin/openCypher), rdfxml, nquads, ntriples, turtle, opencypher.

스트리밍

• Kinesis Data Streams -> Lambda -> Neptune 패턴
• 실시간 이벤트 -> 그래프 갱신

Neptune Streams

Neptune 의 변경 로그를 스트림으로 노출. CDC (Change Data Capture) 유사.

데이터 모델링 팁

Property Graph

• Vertex label = entity type (User, Product)
• Edge label = relationship type (동사 형태 관용, PURCHASED, FOLLOWS)
• Vertex property: 단순 (id, name, attributes)
• Edge property: 관계의 메타데이터 (timestamp, weight)
• Reified edge: 관계 자체가 개체 (예: 리뷰) -> 노드로

RDF

• URI 로 identity (http://ex.com/user/1)
• Prefix 표기법 (ex:user1)
• 표준 ontology 재사용 (FOAF, Dublin Core, schema.org)

관용

• 관계는 방향성 명확히 (Gremlin 은 방향 있음)
• 초강한 vertex (super node) 주의: edge 수백만 개 넣지 말 것 (traversal 병목)
• 인덱스: property key 별 자동 인덱스, 하지만 range query 는 별도 설계

함정

Neptune vs 다른 그래프 DB

DB	강점	약점
Neptune	관리형, 3 언어 지원, GraphRAG 통합	AWS 종속
Neo4j	커뮤니티 압도적, Cypher 원조	자체 관리 부담 (또는 AuraDB)
JanusGraph	오픈소스, 다양한 백엔드	성능/운영 부담
TigerGraph	성능 최상급	상용 라이선스
ArangoDB	Multi-model (그래프 + 문서)	그래프 특화 아님
Memgraph	인메모리, 빠름	신생

관련 위키

• RDS - 관계형 대안
• DocumentDB - 문서 DB
• Redshift - 분석 대안
• Bedrock - GraphRAG 통합
• S3 Vectors - 벡터 저장 대안
• IAM - Neptune 접근 제어
• VPC - Private 네트워크
• KMS - 저장 암호화
• LLM RAG - GraphRAG 배경