グラフ型のデータモデル

データを、ノード（頂点）と、ノード間の関係を表すエッジ（辺）で表すデータモデル。ノードとエッジに属性を持たせるプロパティグラフと、「主語・述語・目的語」の3つ組でデータを表すトリプルストアがある。人のつながりや経路のように関係をたどる処理に向き、グラフデータベースで実装される。

データを、ノード（頂点）と、ノード間の関係を表すエッジ（辺）で表すデータモデル。ノードとエッジに属性を持たせるプロパティグラフと、「主語・述語・目的語」の3つ組でデータを表すトリプルストアがある。人のつながり、推薦、経路の探索など関係をたどる処理に向き、関係モデルで多数の表を結合するより効率よく問い合わせられる。

データを、ノード（頂点）とノード間の関係を表すエッジ（辺）、それぞれに付けたプロパティで表すデータモデル。人のつながり、推薦、経路の探索、不正な取引の検出など、関係をたどる処理が中心の用途に向き、関係モデルで多数の表を結合するより効率よく問い合わせられる。グラフデータベースで実装される。

データを、実体を表すノード（頂点）と、ノード間の関係を表すエッジ（辺）、およびそれぞれに付けた属性（プロパティ）によって表すデータモデル。人のつながりや取引の経路など、関係そのものが重要なデータを自然に表現でき、関係をたどる問合せを効率よく処理できる。グラフデータベースの基礎となる。

グラフ型のデータモデルの一つで、データを「主語・述語・目的語」の3つ組（トリプル）の集まりとして格納するデータベース。RDFの形式で表したデータを格納し、SPARQLで問い合わせる。異なる情報源のデータを意味で結び付けるナレッジグラフなどに使われる。

人、組織、製品、場所などの実体（エンティティ）をノード、それらの関係をエッジとして結び付け、知識をグラフ構造で表現したもの。オントロジーで概念や関係の意味を定めることで、異なるデータソースの情報を統合し、関係をたどる検索や推論ができる。検索エンジンや、生成AIの回答を事実で補うGraphRAGに使われる。

JSONやBSONなどの形式の文書（ドキュメント）を1件のデータとして格納するNoSQLデータベース。事前にスキーマを固定しなくてよく、入れ子の構造や項目の追加に柔軟に対応でき、文書内の任意の項目で検索や索引付けができる。文書をまたぐ結合や複数文書の更新の整合性の確保は関係データベースより弱く、MongoDBが代表例である。

グラフ型のデータモデルでデータを格納し、ノード間の関係をたどる問合せを高速に処理するデータベース。プロパティグラフにはCypherや国際標準のGQL、RDFにはSPARQLといった問合せ言語を使う。推薦、不正取引の検知、ナレッジグラフ、ネットワーク構成の管理など、つながりそのものを分析する用途に使われ、Neo4jが代表例である。

一意のキーと、それに対応する値の組だけでデータを管理するNoSQLデータベース。キーを指定した読み書きに機能を絞ることで、高速な応答と、サーバを増やして処理能力を上げるスケールアウトを実現する。値の中身による検索や複雑な問合せには向かず、セッション情報やキャッシュの保存に使われる（Redis、Amazon DynamoDBなど）。

基本的に可用である（Basically Available）、状態は一時的に不定でよい（Soft state）、最終的に一貫する（Eventually consistent）という、分散データベースやNoSQLの設計の考え方。厳密な一貫性を求めるACID特性と対比され、更新直後の不一致を許す代わりに可用性とスケーラビリティを優先する。