本书是一本探索如何应用图思维和图技术解决复杂问题的书籍。该书针对有兴趣学习如何使用图数据提升工作水平、解决困难问题的实战从业者。
该书涵盖了与图数据相关的广泛主题，包括图思维、图数据模型和查询语言，讨论了如何将图数据应用于社交网络、物流和网络安全等领域的问题解决方案。
此外，该书还提供了实践指导，包括工具和框架的推荐、设计有效图数据模型的建议，以及如何使用图数据生成洞见和做出明智决策的建议。
总的来说，本书是任何希望学习如何使用图数据解决复杂问题和获得新的工作洞见的人的优质资源。

前言
第1章 图思维
1.1 为什么是现在将图引入数据库技术
1.2 什么是图思维
1.3 制定技术决策解决复杂问题
1.4 开启你的图思维旅程
第2章 从关系思维进化到图思维
2.1 本章预览：将关系概念转化为图术语
2.2 关系和图：差异在哪里
2.3 关系型数据建模
2.4 图数据中的概念
2.5 图结构语言
2.6 确定是关系型还是图
2.7 总结
第3章 入门：简单的C360视图
3.1 本章预览：关系型技术和图技术
3.2 图数据的基本用例：C
3.3 在关系型系统中实施C360应用程序
3.4 在图系统中实现C360应用程序
3.5 关系型与图：如何选择
3.6 总结
第4章 在开发环境中探索邻接点
4.1 本章预览：构建一个更现实的C
4.2 图数据建模
4.3 在开发环境中探索邻接点的实现细节
4.4 Gremlin基础导航
4.5 高级Gremlin：构造查询结果
4.6 从开发到生产
第5章 在生产环境中探索邻接点
5.1 本章预览：学习Apache Cassandra的分布式图数据
5.2 使用Apache Cassandra处理图数据
5.3 图数据建模
5.4 生产环境的实现细节
5.5 更复杂的分布式图问题
第6章 在开发环境中使用树
6.1 本章预览：导航树、分层数据和循环
6.2 分层和嵌套数据
6.3 在纷繁的术语中找到出路
6.4 通过传感器数据学习层次结构
6.5 开发环境中从叶子节点到根节点的查询
6.6 开发环境中从根节点到叶子节点的查询
6.7 回到过去
第7章 在生产环境中使用树
7.1 本章预览：分支系数、深度和边上的时间属性
7.2 传感器数据中的时间
7.3 示例中的分支系数
7.4 传感器数据的生产结构
7.5 生产环境中从叶子节点到根节点的查询
7.6 生产环境中从根节点到叶子节点的查询
7.7 在通信塔故障的场景中应用查询
7.8 以小见大
第8章 开发环境中的路径查找
8.1 本章预览：量化网络中的信任
8.2 关于信任的三个例子
8.3 路径的基本概念
8.4 信任网络中的路径查找
8.5 用比特币信任网络理解遍历
8.6 最短路径查询
第9章 生产环境中的路径查找
9.1 本章预览：权重、距离和剪枝
9.2 加权路径和搜索算法
9.3 最短路径问题的边权重归一化
9.4 最短加权路径查询
9.5 生产环境中的加权路径和信任
第10章 开发环境中的推荐
10.1 本章预览：电影推荐的协同过滤
10.2 推荐系统示例
10.3 协同过滤导论
10.4 电影数据：结构、加载和查询
10.5 Gremlin中基于条目的协同过滤
第11章 图中的简单实体解析
11.1 本章预览:合并多个数据集到一个图
11.2 定义一个不同的复杂问题：实体解析
11.3 分析两个电影数据集
11.4 匹配和合并电影数据
11.5 解决假阳性
第12章 生产环境中的推荐
12.1 本章预览：快捷边、预计算和高级修剪技术
12.2 实时推荐的快捷边
12.3 计算我们的电影数据的快捷边
12.4 电影推荐的生产结构和数据加载
12.5 带有快捷边的推荐查询
第13章 结语
13.1 何去何从
13.2 保持联系

图数据在人类和计算机看待世界的不同方式之间架起了桥梁。计算机依赖于静态的行列数据，而人们通过关系来指导和理解生活。本书演示了图数据如何将这两种方法结合起来。通过应用图论、数据库结构、分布式系统和数据分析方面的概念，你将最终掌握图思维。
本书向数据工程师、数据科学家和数据分析师展示了如何利用图数据库解决复杂问题，通过生动的示例演示了团队如何在实际应用程序中思考图数据，并提供了丰富的图技术开发模板。