插件

PyGraphistry 经常与各种外部工具一起使用，例如数据提供者、计算引擎、布局引擎等。

用户通常更喜欢使用PyGraphistry的原生数据框支持（Apache Arrow、Pandas、cuDF等）。这通常是一个高效、安全且简单的起点。

偶尔，原生的PyGraphistry插件会简化常见操作，例如与图数据库的交互。我们会在下面适当地链接到原生API集成。

更多示例，请参见notebook catalog。

数据库

图表

• Amazon Neptune (graphistry.gremlin.NeptuneMixin)

• ArangoDB

• Gremlin (graphistry.gremlin.GremlinMixin)

• Memgraph (graphistry.PlotterBase.PlotterBase.cypher())

• Neo4j (graphistry.PlotterBase.PlotterBase.cypher())

• TigerGraph (graphistry.PlotterBase.PlotterBase.gsql())

• Trovares

文档、键值、日志、文本和SIEM

• Amazon DynamoDB

• Azure Cosmos DB (graphistry.gremlin.CosmosMixin)

• Azure Data Explorer (Kusto)

• Cassandra

• Elasticsearch

• OpenSearch

• Redis

• Splunk

SQL

通常通过数据框绑定访问

当可用时，我们建议通过ADBC探索加速绑定。

• Amazon Athena

• Databricks

• OpenSearch

• PostgreSQL

• Amazon Redshift

• BigQuery

• Snowflake

• SQL Server

计算引擎

在诸如.nodes()和.edges()等方法中本地支持：

• Apache Spark

• Pandas

• cuDF

部分原生支持：

• cuML

• Dask

• Dask-cuDF

通过Apache Arrow或Parquet加速互操作：

• DuckDB

• Polars

• Spark

图形布局和分析

• cugraph: GPU加速的图分析

• graphviz: CPU 图形分析和布局

• igraph: CPU 图分析和布局

• networkx: CPU 图形分析和布局

工具

我们不断进行实验，欢迎随时添加：

• OWASP Amass

存储引擎和文件格式

通过cuDF（内存中的单GPU）和Dask-cuDF（大于内存，多GPU）实现的GPU加速读取器：

• 箭头

• CSV

• JSON

• JSONL

• 日志

• ORC

• Parquet

• 文本

其他，通常通过 fsspec:

• Azure 博客存储

• GML

• S3

• XLS(X)