对于将Neptune DB用作网络数据库的最佳实践及其扩展以进行复杂计算的能力，我有一个普遍的问题。我想开发一个用户推荐系统，在该系统中，平台上的传入用户会被提示他们可能会关注的其他用户，以发展网络。
对于实施诸如Triadic Closure之类的简单技术，我是否应该在Network DB（我的情况下为AWS Neptune）上使用gremlin查询生成建议？我相信在这种情况下，我将必须创建python脚本来并行化多个节点的查询，并为每个节点大规模生成推荐。
OR 是一种较常见的做法，是将网络数据以节点，边及其属性的形式存储到关系数据库中，然后通过运行SQL查询以对其进行计算来加载将网络数据转换为python，然后在其之上使用NetworkX之类的软件包。在这种情况下，我不必担心批处理计算，因为像Redshift这样的关系数据库会处理它。但是，我将编写python逻辑来实现三重闭包等技术。
将来全部，我可能想使用更复杂的图形计算技术，例如图形聚类，分区，各种中心度的计算。在Neptune + Gremlin的框架内所有/所有这些可能吗？
在上述情况下，我正在寻求以下问题的答案：
数据科学团队使用图形数据来构建解决方案（例如用户推荐）的常用技术栈是什么？所谓数据科学技术堆栈，是指有助于查询，分析，可视化，计算和服务的技术。
Neptune + Gremlin可以代替诸如NetworkX的python软件包进行网络分析和集中度测量吗？
Neptune DB是否仅理想地用作数据存储或，它还可以支持复杂的网络分析和推荐服务吗？
任何对此的见解/资源都会很有帮助！
答案 0 :(得分：2)
在格里姆林绝对有可能进行三合会闭锁。我还看到数据科学家通过在Jupyter Notebook中运行gremlin-python客户端同时使用NetworkX和Gremlin。由于此问题是Amazon Neptune特有的，您可能需要在[1]上发布到Neptune支持论坛。 [2]上还有一些有用的Gremlin食谱
如果您发布到支持论坛，我相信有人会回答。