Neo4j Virtual Graph Chega ao Public Preview para Clientes Aura, Integrando Warehouses e Lakehouses

O Neo4j Virtual Graph chega ao public preview para clientes Aura com uma proposta clara: democratizar a análise de grafos sobre dados já existentes em data warehouses e lakehouses, eliminando a necessidade de movimentação de dados. A funcionalidade oferece suporte direto a plataformas como Snowflake, Databricks e Google BigQuery, permitindo que as equipes consultem dados governados como um knowledge graph. Essa arquitetura zero-copy é crucial para cenários onde a replicação de dados é inviável por volume, governança ou custo.

A ferramenta atua como um tradutor inteligente. Ela converte consultas Cypher, a linguagem de grafos do Neo4j, em SQL otimizado que é executado diretamente na fonte de dados. Para facilitar a modelagem, utiliza IA para propor um modelo de grafo a partir do esquema existente, transformando tabelas em nós e chaves em relacionamentos. Isso a torna ideal para aplicações de GraphRAG, enriquecimento de dados em lote e exploração analítica, complementando o Neo4j nativo que se mantém focado em cargas de trabalho de baixa latência, como detecção de fraude e resolução de identidade.

A chegada do Neo4j Virtual Graph ao public preview representa uma evolução significativa. O CEVIU noticiou o produto em private preview em 1 de junho de 2026, destacando sua capacidade de análise de grafos zero-copy direto no data warehouse. Agora, a funcionalidade se expande para todos os clientes Aura, com a adição do Google BigQuery como fonte de dados suportada, somando-se a Snowflake e Databricks. Essa etapa marca a concretização de um recurso que era testado em ambiente controlado.

Outro ponto de evolução é a modelagem de esquema assistida por IA. Em 23 de julho de 2026, o CEVIU cobriu o lançamento de um analisador de esquema com IA para lakehouses, que otimiza a gestão de dados. A integração de capacidades de IA no Virtual Graph para sugerir modelos de grafos diretamente dos esquemas de data warehouses e lakehouses, mesmo sem chaves estrangeiras declaradas, mostra uma tendência no mercado de usar IA para simplificar a engenharia e a modelagem de dados complexos.

Esta funcionalidade é um marco para a engenharia e análise de dados, especialmente para empresas com grandes volumes de informações dispersas em ambientes de data warehouse e lakehouse. Ela permite transformar esses dados em knowledge graphs sem os desafios e custos da movimentação e duplicação, acelerando o tempo para obter insights valiosos. Isso é vital para impulsionar a IA, permitindo que sistemas de Geração Aumentada de Recuperação (RAG) se beneficiem da riqueza contextual dos grafos, um tópico já abordado pelo CEVIU em 11 de julho de 2026, quando tratamos da busca vetorial nativa no Apache Hudi.

A capacidade de fazer consultas complexas em Cypher, traduzidas para SQL e executadas diretamente na fonte, significa que as empresas podem começar a explorar o poder dos grafos com seus dados existentes, usando a capacidade de processamento que já pagam. Isso reduz barreiras de entrada e democratiza o uso de tecnologias de grafo, integrando-as ao ecossistema de dados consolidado e abrindo caminho para novas abordagens de análise e tomadas de decisão.