本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。 # 使用其他 AWS 服務 您可以使用 Amazon Neptune 搭配許多其他服務 AWS ： **Neptune 與其他服務的整合** + **[AWS Glue](https://docs.aws.amazon.com/glue/latest/dg/)** – AWS Glue 是無伺服器資料整合服務，可協助您對資料執行擷取、轉換和載入 (ETL) 工作。 Neptune 會提供一個開放原始碼程式庫 ([neptune-python-utilities](https://github.com/awslabs/amazon-neptune-tools/tree/master/neptune-python-utils))，其可簡化在 Glue 工作內使用 Python 和 Gremlin 的過程。也支援 [Neo4j Spark Connector](https://neo4j.com/docs/spark/current/)，用於執行 Scala 和 openCypher Glue 工作。 + **[Amazon SageMaker AI](https://aws.amazon.com/sagemaker/)** – Amazon SageMaker AI 是一種功能完整的機器學習平台，用於建置、訓練和部署高品質的機器學習模型。 Neptune 以兩種主要方式與 SageMaker AI 整合： + Neptune 為 [Jupyter 筆記本](https://jupyter-notebook.readthedocs.io/en/stable/)提供了一個開放原始碼 Python 套件，此套件可在 GitHub 上的 [Neptune 圖形筆記本專案](https://github.com/aws/graph-notebook)中找到。此套件包含一組 Jupyter 魔法、教學課程筆記本，以及在互動式編碼環境中提供的程式碼範例，您可以在其中了解圖形技術和 Neptune。Neptune 為 SageMaker AI 託管的 Jupyter 筆記本提供全受管環境，並自動連結至開放原始碼 [Neptune 圖形筆記本專案中的筆記本](https://github.com/aws/graph-notebook)。 + Neptune ML 功能可讓您在數小時而不是數週的時間內，在大型圖形上建置並訓練有用的機器學習模型。為了達成此目的，Neptune ML 使用採用 Amazon SageMaker AI 和 [Deep Graph Library (DGL) 技術的圖形神經網路 (GNN)](https://www.dgl.ai/) 技術。 + **[AWS Lambda](https://docs.aws.amazon.com/lambda/latest/dg/)** – AWS Lambda 功能在 Neptune 應用程式中有很多用途。 如需如何使用 Lambda 函數搭配任何熱門 Gemlin 驅動程式和語言變體的相關資訊，以及以 Java、JavaScript 和 Python 撰寫之 Lambda 函數的特定範例，請參閱 [在 Amazon Neptune 中使用 AWS Lambda 函數](lambda-functions.md)。 + **[Amazon Athena](https://docs.aws.amazon.com/athena/latest/ug/)** – 是一種互動式查詢服務，可讓您在 Amazon Simple Storage Service 和其他聯合資料來源中使用標準 SQL 輕鬆地分析資料。 Neptune 提供 [Athena 連接器](https://docs.aws.amazon.com/athena/latest/ug/connectors-neptune.html)，可讓 Athena 與儲存在 Neptune 中的資料進行通訊。 + **[AWS Database Migration Service (AWS DMS)](https://docs.aws.amazon.com/dms/latest/userguide/)** – AWS Database Migration Service 是一種 AWS Web 服務，可用來將資料從一個資料庫遷移到另一個資料庫。 AWS DMS 可以快速且安全地從[支援的來源資料庫](https://docs.aws.amazon.com/dms/latest/userguide/CHAP_Source.html)[將資料載入 Neptune](dms-neptune.md)。來源資料庫在遷移期間仍然能夠維持完全正常運作，讓倚賴它的應用程式可以將停機時間縮到最短。 + **[AWS Backup](https://docs.aws.amazon.com/aws-backup/latest/devguide/)** – AWS Backup 是一種全受管備份服務，可讓您輕鬆地集中和自動化雲端和內部部署中跨 AWS 服務的資料備份。 AWS Backup 可讓您跨資料庫、儲存和運算支援的 AWS 服務，使用集中式資料保護政策建立 Neptune 叢集的自動定期快照。 + **[AWS 適用於 pandas 的 SDK](https://github.com/aws/aws-sdk-pandas)** – 適用於 pandas 的 AWS SDK （先前稱為 AWS Data Wrangler 或 `awswrangler`) 是一種 [AWS Professional Service](https://aws.amazon.com/professional-services) 開放原始碼 python 計畫，可將 `pandas` Python 資料分析程式庫的強大功能擴展到 AWS、連線`DataFrames`和超過 30 個與 AWS 資料相關的服務，包括 Neptune。 除了 SDK 之外，還有一個關於如何搭配 Neptune 使用它的[教學課程](https://aws-sdk-pandas.readthedocs.io/en/latest/tutorials/033%20-%20Amazon%20Neptune.html)，以及幾個範例 Neptune 筆記本，即[詐騙集團偵測](https://github.com/aws/graph-notebook/blob/main/src/graph_notebook/notebooks/05-Data-Science/00-Identifying-Fraud-Rings-Using-Social-Network-Analytics.ipynb)、[合成身分偵測](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 驅動程式](https://github.com/aws/amazon-neptune-jdbc-driver)** – Neptune JDBC 驅動程式支援 openCypher、Gremlin、SQL-Gremlin 和 SPARQL 查詢。 JDBC 連線能力可讓您透過商業智慧 (BI) 工具 (例如 [Tableau](https://www.tableau.com/)) 輕鬆連線至 Neptune。