چگونه می توان گسترش یک همه گیر جهانی را از طریق یک پایگاه داده نمودار (بر اساس یک مورد واقعی) پیگیری کرد

؛

عکس پروفایل نویسنده

@jamie1023نمودار سحابی

Nebula Graph یک پایگاه داده نمودار توزیع شده منبع باز است: https://github.com/vesoft-inc/nebula

زمینه

در این پست ویروس کرونا ویروس بر اساس یک مورد واقعی که در تیانجین چین اتفاق افتاده است ، شناسایی خواهد شد. در این مورد ، وجود دارد پنج مورد تایید شده از ذات الریه nCOV در همان مرکز خرید در تیانجین. از سه مورد اولیه ، به نظر می رسد هیچ ارتباط اپیدمیولوژیکی وجود ندارد. با چنین زمینه ای ، چگونه می توان پیوندها را در میان پرونده ها کشف کرد؟

شواهد نشانگر nCOV منتقل شده از فردی به شخص دیگر است. یعنی اگر انتقال در مدل نمودار استخراج شود ، شخصی از طریق لبه به یکدیگر منتقل می شود (نسخه ی نمایشی 1). در نظر بگیرید که A B را آلوده می کند ، سپس B C را آلوده می کند ، سپس C را به D … این مسیر درخت مانند را ایجاد می کند (نسخه ی نمایشی 2). با این وجود ، با توجه به عفونت متقاطع ، استفاده مکرر از مکان های عمومی و حمل و نقل ، مسیر گسترش ویروس به یک ساختار شبکه تبدیل می شود.

بنابراین یک پایگاه داده نمودار بهترین انتخاب برای ذخیره و کاوش در روابط انتقال است. در این پست ، ما در مورد چگونگی گسترش بیماری nCOV و موارد احتمالی مشکوک بحث خواهیم کرد.

معرفی پرونده تیانجین

اجازه دهید ما استفاده کنیم Usr1، Usr2، Usr3، Usr4، Usr5 برای مراجعه به این پنج مورد ، و ردیابی آنها را بررسی کنید:

  • Usr1: در 24 ژانویه تب گرفت ، در منطقه A از خرید کار کرد …