本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。 # 使用其他AWS服务 您可以将 Amazon Neptune 与许多其它 AWS 服务结合使用： **Neptune 与其它服务集成** + **[AWS Glue](https://docs.aws.amazon.com/glue/latest/dg/)** – AWS Glue 是一项无服务器数据集成服务，可以帮助您对数据执行提取、转换、加载 (ETL) 任务。 Neptune 提供了一个开源库 [neptune-python-utilities](https://github.com/awslabs/amazon-neptune-tools/tree/master/neptune-python-utils)，可简化在 Glue 任务中使用 Python 和 Gremlin。还支持使用 [Neo4j Spark 连接器](https://neo4j.com/docs/spark/current/)运行 Scala 和 openCypher Glue 任务。 + **[Amazon SageMaker AI](https://aws.amazon.com/sagemaker/)** – Amazon SageMaker AI 是一个特征齐全的机器学习平台，用于构建、训练和部署高质量的机器学习模型。 Neptune 通过两种主要方式与 SageMaker AI 集成： + Neptune 为 [Jupyter 笔记本](https://jupyter-notebook.readthedocs.io/en/stable/)提供一个开源 Python 软件包，可以在 GitHub 上的 [Neptune 图形笔记本项目](https://github.com/aws/graph-notebook)中找到该软件包。该软件包包含一组 Jupyter 魔术命令、教程笔记本和代码示例，这些示例在交互式编码环境中提供，您可以在其中学习图形技术和 Neptune。Neptune 为由 SageMaker AI 托管的 Jupyter Notebook 提供了一个完全托管式环境，并自动链接到开源 [Neptune 图形笔记本项目](https://github.com/aws/graph-notebook)中的笔记本。 + Neptune ML 特征可以在几小时而不是几周内在大型图形上构建和训练有用的机器学习模型。为了实现这一目标，Neptune ML 使用由 Amazon SageMaker AI 和[深度图表库 (DGL)](https://www.dgl.ai/) 提供支持的图形神经网络 (GNN) 技术。 + **[AWS Lambda](https://docs.aws.amazon.com/lambda/latest/dg/)** – AWS Lambda 函数在 Neptune 应用程序中有许多用途。 有关如何将 Lambda 函数与任何流行的 Gremlin 驱动程序和语言变体一起使用的信息，以及用 Java、JavaScript 和 Python 编写的 Lambda 函数的具体示例，请参阅[在 Amazon Neptune 中使用 AWS Lambda 函数](lambda-functions.md)。 + **[Amazon Athena](https://docs.aws.amazon.com/athena/latest/ug/)** – Amazon Athena 是一种交互式查询服务，让您能够轻松使用标准 SQL 分析 Amazon Simple Storage Service 和其它联合数据来源中的数据。 Neptune 提供了一个[连接到 Athena 的连接器](https://docs.aws.amazon.com/athena/latest/ug/connectors-neptune.html)，使 Athena 能够与存储在 Neptune 中的数据进行通信。 + **[AWS Database Migration Service (AWS DMS)](https://docs.aws.amazon.com/dms/latest/userguide/)** – AWS Database Migration Service 是一项 AWS Web 服务，可用于将数据从一个数据库迁移到另一个数据库。 AWS DMS 可以快速安全地将[支持的源数据库](https://docs.aws.amazon.com/dms/latest/userguide/CHAP_Source.html)中的[数据加载到 Neptune](dms-neptune.md)。源数据库在迁移过程中可保持完全正常运行，从而最大程度减少依赖于该数据库的应用程序停机时间。 + **[AWS Backup](https://docs.aws.amazon.com/aws-backup/latest/devguide/)** – AWS Backup 是一项完全托管式备份服务，可在云中以及本地方便地集中管理和自动执行跨 AWS 服务的数据备份。 AWS Backup 允许您跨支持的 AWS 服务针对数据库、存储和计算使用集中式数据保护策略，以创建 Neptune 集群的自动定期快照。 + **[AWS SDK for pandas](https://github.com/aws/aws-sdk-pandas)** – AWS SDK for pandas（以前称为 AWS Data Wrangler 或 `awswrangler`）是一项 [AWS 专业服务](https://aws.amazon.com/professional-services)开源 python 计划，它将 `pandas` Python 数据分析库的功能扩展到 AWS，同时连接 `DataFrames` 和 30 多个 AWS 数据相关服务，包括 Neptune。 除了 SDK 之外，还有一个关于如何在 Neptune 上使用它的[教程](https://aws-sdk-pandas.readthedocs.io/en/latest/tutorials/033%20-%20Amazon%20Neptune.html)，以及几个示例 Neptune 笔记本，即[欺诈环检测](https://github.com/aws/graph-notebook/blob/main/src/graph_notebook/notebooks/05-Data-Science/00-Identifying-Fraud-Rings-Using-Social-Network-Analytics.ipynb)、[合成身份检测](https://github.com/aws/graph-notebook/blob/main/src/graph_notebook/notebooks/05-Data-Science/01-Identifying-1st-Person-Synthetic-Identity-Fraud-Using-Graph-Similarity.ipynb)和[物流分析](https://github.com/aws/graph-notebook/blob/main/src/graph_notebook/notebooks/05-Data-Science/02-Logistics-Analysis-using-a-Transportation-Network.ipynb)。 + **[JDBC 驱动程序](https://github.com/aws/amazon-neptune-jdbc-driver)** – Neptune JDBC 驱动程序支持 openCypher、Gremlin、SQL-Gremlin 和 SPARQL 查询。 JDBC 连接使您可以使用 [Tableau](https://www.tableau.com/) 等商业智能 (BI) 工具轻松连接到 Neptune。