お問い合わせ

TigerGraphのレビュー:グラフデータベースと分析ソフトウェア

著者:Léon Levinas-Ménard

最終更新:2026年11月4日

市場調査に戻る

TigerGraphは、分散グラフデータベース、照会言語、グラフ分析、接続されたデータ上でアプリケーションを開発するツールを提供する。サプライチェーン向けアプリケーションは、供給業者、部品、製品、工場、注文の関係を表し、依存関係と混乱の影響を企業が調べられるようにする。顧客はデータベース上でアプリケーションを構築するか、マネージドクラウドサービスのSavannaを使う。1 11 14

サプライチェーン総合評価:5.1/10

評価軸 点数
サプライチェーンの深さ 4.2/10
意思決定と最適化の実質 4.4/10
製品とアーキテクチャの整合性 6.2/10
技術的透明性 6.2/10
ベンダーの真剣さ 4.4/10

TigerGraphは、関係を対象に計算する信頼に足るエンジンを提供する。サプライチェーン判断への貢献は、主としてアプリケーションの土台である。不確実性、経済目標、実行可能な行動、その選択ロジックは顧客が定める必要がある。供給業者の停止で影響を受ける製品をグラフがすべて明らかにしても、どの購買、代替、生産変更が最大の価値を生むかは決まらない。

最も強い顧客証拠は、有用な分析の高速化に関するものだ。Jaguar Land Roverは分断された製造データを接続し、供給業者の混乱と購買約束を評価した。公開説明は、完成品として提供される確率的意思決定エンジンを実証しない。さらに問題なのは、TigerGraphの2026年8月の記事が、顧客の三週間から45分への短縮をエージェント型GraphRAGの成果とする一方、2020年9月のTigerGraph基調講演ですでに同じ結果が報告されていたことだ。この後付けの帰属は、現在のAIの主張の信頼性を損なう。1 2 3

TigerGraphとLokadの比較

TigerGraphは、開発者が業務ネットワークを表現し、照会するのを助ける。Lokadはソフトウェアとサプライチェーンサイエンティストを提供し、サプライチェーン判断を生む数値ロジックを構築・保守する。Lokadが説明する運用モデルでは、専門家が取引データを解釈し、経済的なトレードオフを表現し、計算を保守し、顧客と判断を検討する。どちらにも継続的な技術作業が必要だが、TigerGraphはより多くのサプライチェーンアプリケーション開発を購入者と導入チームに残す。11 19 Lokadの在庫最適化サービスも参照されたい。

部品の遅延に直面するメーカーを考える。グラフ照会で、影響を受ける車両構成と危険にさらされた供給業者との約束を見つけられる。対応の選択には、到着日、需要、代替可能性、取消費用、失われる利益、共有能力の機会費用の推定も必要だ。高価な代替部品を買うと、ある注文を守りながら、より収益性の高い別の注文から資金や能力を奪うこともある。決定的な計算は、不確実な将来の下でこれらの相互作用する結果を比較しなければならない。

TigerGraphは、そのようなアプリケーションを作れる表現力のあるグラフ計算を提供する。公開サプライチェーン資料は、同時確率モデルや金銭的な意思決定方針を提供しない。Lokadの在庫最適化手法は、それらの計算そのものをアプリケーションとする。実務上の比較対象は、運用で誤りが明らかになった際の前提修正も含め、意思決定システム全体を保守する費用と質である。

サプライチェーンアプリケーションが実際に計算するもの

Jaguar Land Roverの事例は具体的だ。予測に基づく購入約束は、実際の部品購入が合意量を下回ると費用を生み得る。TigerGraphは、部品、車両構成、部品表、製造順序、予測に関する十二のデータ源を接続した。生成された照会は、供給業者停止と計画生産の変更の分析を支援した。出力は顧客のBigQueryデータウェアハウスとTableau報告環境へ戻った。1

これは現実の経済問題を扱う。接続されていない部品表は、製品構成を変更する費用を隠しかねない。依存関係を計算可能にすると、対応を評価する作業が減る。ただし意思決定モデルは、契約上の違約金と回避可能費用、拘束された資金と自由に使える資金、消える需要と別の構成へ移る需要も区別する必要がある。これらの解釈はアプリケーションに属し、記録間に辺が存在するだけでは得られない。

TigerGraphのGraph Data Science Libraryには、中心性、コミュニティ検出、経路探索、類似性、リンク予測など、標準アルゴリズムの検査可能な実装がある。開発者はGSQL実装を変更できる。有用な部品ではある。しかし供給業者のネットワーク中心性は、その供給停止リスクに価格を付けない。最短経路も、購買量、在庫、生産順序を同時に選ばない。19

欠けている層は、将来の業務状態の校正された見通しである。現在の供給業者を接続したモデルは、将来の需要、納期、故障、復旧時間の確率を提供しない。グラフの埋め込みと類似性検索は関連する観測を取り出せても、それを同時分布や経済的に正当な行動には変えない。公開資料には、グラフ処理と同程度の証拠がこの層について存在しない。

具体的な失敗例が違いを示す。購買システム上で独立に見える二社の供給業者が、下位層で同じ工場を使っていることがある。つながりの発見はモデルを改善する。二社購買方針の価値を求めるには、共通工場の停止確率と期間、利用できる代替、事前在庫の費用も必要だ。グラフの走査高速化は接続関係の問題を解くが、顧客には経済問題が残る。

技術の歴史:実質あるデータベース開発とAIへの遡及的な功績付与

時期 公開された主張または提供内容 記録が示すもの
2017年10月 並列グラフ処理、部分グラフのアクセス制御、IoT・AI・機械学習対応 セキュリティ機能を発表したデータベース基盤。AIへの言及は用途の分類である。16
2019年1月 ネイティブな超並列グラフデータベースの論文 実行モデル、表現力のある照会言語、データベースベンチマーク再現用の公開資料。4
2020年9月 Jaguar Land Roverの基調講演 サプライチェーン照会の三週間から45分への短縮は、すでに公表されていた。3
2022年11月 CloudリリースノートにML Workbenchが登場 独自の運用ライフサイクルを持つ機械学習開発環境の提供。17
2025–2026年 TigerVector研究と4.2系列 ネイティブなベクトル属性、複合照会、増分インデックス更新、継続するデータベース公開。5 13
2026年8月 サプライチェーン記事が過去のJLR成果をエージェント型GraphRAGに帰属 主張する因果説明が、公開成果の時系列と矛盾する。2 3
2026年 Cloud Classicの移行案内とエージェントツール クラウド世代の移行と検査可能なMCP実装。顧客側の連携作業と明示的なアクセス制御を伴う。6 14

データベース開発には実質がある。2019年の論文は、GSQLが宣言的照会、反復的グラフ計算、並列実行をどう組み合わせるかを説明する。2025年のTigerVector論文は、HNSWインデックス、並列実行、グラフとベクトルの複合照会、アトミック更新を使い、グラフエンジンへベクトルを追加する。外部ベクトルデータベースを包むだけではない、特定可能な開発である。ベンチマークは検索とデータベース性能を対象とする。4 5

JLRへの帰属は、別個の重大な欠陥だ。現在の記事は、過去の性能成果を可能にした要素としてエージェント型GraphRAGを説明する。日付のある基調講演は、その成果が現在のエージェント製品より何年も前だと示す。古い成功に新技術の名を付けると、新技術が何を貢献したのか、そもそも貢献があったのかが隠れる。欠けているのは、新技術が追加運用費用を差し引いて、どれだけ仕事を減らし、判断を良くしたかの比較である。2 3

クラウドの歴史にも保有費用が伴う。移行FAQは、AWS上のCloud Classicの終了日を2026年9月30日と告知した。TigerGraphは追加移行料金なしでSavannaへの移行を管理し、既存の契約価格を維持すると述べる。それでも顧客は、接続と認証ロジックを更新し、必要に応じてパイプラインを修正し、アプリケーション動作を検証し、通信中断を調整する必要がある。無料の移行サービスは、顧客アプリケーションの移行を無料にはしない。14

エージェント、生産性、残る作業

TigerGraphの現在のエージェント製品は、グラフ、ベクトル、検索によって企業の文脈を提供する。サプライチェーンエージェントの自社説明は、混乱、依存関係、リスクの発見を中心に置く。宣伝する行動には、それらの発見を最善の購買や配分へ変える数値目標が示されていない。21

MCP実装は、対話による例外確認より広い用途を持つ。エージェントはスキーマを作り、データを読み込み、データベース操作を呼び出せる。これは技術者が再利用可能なアプリケーションを構築・修正する助けになる。ただしコネクターは経済モデルを提供せず、その存在はサプライチェーン運用に必要な人員の削減を証明しない。6

適切な生産性試験は二つに分かれる。運用生産性は、定めた対象群について判断を生成、検証、実行する総労働を測る。改善生産性は、モデルの誤りを見つけ、よりよいモデルに替える労力を測る。変わらない照会への回答を速めても、応答時間が改善するだけで、両方の労働需要はほぼ残り得る。

TigerGraphのプログラム可能な照会は、後者に利点がある。開発者は個々の推奨を何度も直す代わりに、表現と計算を変更できる。ただしモデル修正には、過去入力の再構築、経済比較、変えた行動の試験、制御された本番反映が必要だ。出力機能はスキーマ、照会、読み込みジョブ、関数を保存し、トランザクション機能はデータベース更新を保護する。どちらも完成したサプライチェーンの再実行・評価手法を提供しない。20 22 これはLokadのHolimizationで論じる区別であり、現在の答えを計算するのと同じくらい、問題の定式化を改善することが重要である。

JLRの証拠は、分析にかかる時間の大幅短縮を示す。しかし継続的な全人員、導入費用、経済的判断の統制された比較は報告しない。グラフを使う計画プロジェクトを検討する企業には、追加のアプリケーション基盤が費用に見合うか判断するため、それらの数値が必要だ。

ソフトウェア構成と保有費用

以下は、文書化されたTigerGraphの構成要素と、別途特定された顧客側または任意のツールを示す。

構成要素 文書化された役割と範囲 保有上の影響
C++のグラフ保存・処理エンジン TigerGraph DB 4.2の中核サービスGSEとGPE。11 ネイティブ実行と分散処理には専門的な開発・運用能力が必要。
GSQLとRESTPP アプリケーション照会、読み込み定義、基盤のリクエスト処理。11 12 スキーマと判断ロジックが保守対象のソフトウェアとなる。
KafkaとZooKeeper 4.2文書にある同梱のメッセージング・調整要素。12 メモリー、永続状態、復旧、更新もデータベース運用に含まれる。
Nginx 同梱HTTPサーバーとリバースプロキシ。12 ネットワーク設定とパッチが別の運用責任を増やす。
ネイティブなベクトル索引 TigerVectorは埋め込みとベクトル索引をグラフエンジンへ統合する。5 別のベクトルデータベースの必要を減らす一方、索引作成と埋め込みの処理が増える。
Python、pyTigerGraph、MCP SDK 任意のエージェントコネクター。2026年10月の固定リビジョン。6 別途展開する連携サービスと依存要素が加わる。
BigQueryとTableau JLRで記録された下流ウェアハウスと報告ツール。1 この導入では既存の分析環境にグラフが追加された。

TigerGraphの中核エンジン求人は、分散データベースの作業を説明する。求人に代替として並ぶプログラミング言語だけでは本番構成は決まらない。設計マニュアルがC++エンジンを直接特定している。18

同梱インフラの役割は特定できる。それでも費用は処理内容に見合わなければならない。グラフ複製、キュー、索引、バックアップ、データ取り込み、アプリケーションサービスはすべて資源を使い、復旧手順を必要とする。マネージドデータベースが運用の一部を引き受けても、顧客はサービス料と連携作業を通じて支払い続ける。

リリースノートは保守負担を具体化する。4.2系列はKafkaとZooKeeperを更新し、照会インストールの失敗を修正し、カスタムNginx設定を上書きしかねなかった更新動作を直している。これらの記録された修正は、データベース更新がアプリケーション可用性とインフラ設定にどう関わるかを示す。13

移植性は一部支援される。出力形式はCSVデータと実行可能なグラフ定義を含むが、完全インポートは移行先データベースを置き換える。クラスター移動には追加のファイル調整も要る。TigerGraphから離れるには、GSQLロジックを翻訳し、周辺アプリケーションを別の実行環境で再構築する必要もある。データの復元と業務ロジックの移植は別々の技術作業だ。20

エージェントアクセスとネイティブコードの安全境界

MCPサーバーは既定で全69ツールを提供し、展開担当者による部分集合の指定と、セッション単位の追加制限を可能にする。ソースコードは呼び出しの振り分け時に選択を強制するため、利用者が名前を直接呼んでも除外ツールは復活しない。利用者別の認証情報も支援する。共有設定の認証情報では、到達可能な利用者がデータベース上の共通IDを持つ。TLSとエンドポイントのアクセス制御はホスト側の展開で用意する必要がある。6 7

これらの選択により、展開時の規律が重要になる。技術者はアプリケーションに必要な操作だけを公開し、データベースIDに対応する権限を与えるべきだ。エージェント支援を理由に、本番管理、無制限の照会実行、日常分析を一つのIDにまとめてよいわけではない。コネクターの強制は有用だが、数値アプリケーションには独自の本番反映と巻き戻しの境界が必要である。

ネイティブなユーザー定義関数には特に精査が必要だ。GSQLはC++拡張を認める。4.2文書では、シェルからのアップロードは既定で無効であり、特権管理者がインストールを制御し、クラウド顧客はサポート経由で依頼する。スキャンはヘッダー、マクロ、その他のC++機能を制限する。これらは実行環境への入口を制限するが、インストール済みネイティブコードの実行時封じ込めは文書から実証できない。8

論争のあった2022年のUDF脆弱性へのTigerGraphの回答は、管理者のレビューと安全なプログラミングを重く見ていた。その後の既定アップロード制限とスキャンは意味のある変更である。残る問題は、特権のある確認者が欠陥や侵害を含むコードを承認した後に何が起きるかだ。人間の確認はメモリー安全性の誤りを防ぐ保証にはならず、ソーススキャナーは、機密情報、ネットワーク、他の顧客から実行を隔離することと等価ではない。10

更新文書は、管理者がUDF方針を無効にし、ヘッダーの許可リストを変えることを認める。この柔軟性はカスタムコード管理者の責任を増やす。生成されたC++を使うサプライチェーン実務者を、管理者がインストールを承認したというだけでセキュリティ境界とみなしてはならない。9

経済的責任と評価の制限

TigerGraphの顧客資料は、グラフ分析を在庫、運転資本、供給業者へのリスクと結び付ける。公開証拠は、ライセンス、導入、インフラ、継続的なアプリケーション開発を差し引いた純経済利益を分離しない。照会応答の短縮は、間に合ううちに判断を変えるなら価値がある。金銭的な価値は、組織が結果をどう使うかによる。

2019年9月付の公開クラウド契約条件は、文書化されたサービス動作とサービス水準を約束する一方、出力が用途に十分かを判断する責任を顧客に置く。またクラウドサービスのベンチマークを禁止する。これは性能と保有費用を比較するための実証作業と矛盾する。顧客には、実際の処理に対する明示的な評価権と受入基準が必要だ。15

生じる責任の空白は明確である。データベースサポートは故障した照会エンジンを直せても、常に誤った行動を選ぶ購買方針は直さないことがある。契約と導入範囲には、誰が経済的失敗を診断し、誰がモデルを変え、どう修正を試験し、どの費用を成功の計算に入れるかを定める必要がある。知的なサプライチェーンという広い主張は、その答えにならない。

サプライチェーン評価

サプライチェーンの深さ

基準 点数
経済的な捉え方 4/10
意思決定の最終成果 3/10
サプライチェーン概念の明確さ 5/10
古い中心的教義からの自由度 6/10
KPIの見せかけへの耐性 3/10

平均:4.2/10。

経済的な捉え方 — 4/10。 供給業者との約束は、JLRアプリケーションに特定可能な経済目的を与える。基盤は、資金、不足、無駄、業務上の代替行動を比較する文書化された共通目標を提供しない。顧客がその評価を実装する必要がある。1

意思決定の最終成果 — 3/10。 提供内容は影響分析とアプリケーション開発を支援する。実行可能な購買や生産変更を選ぶ最終方針はサプライチェーン説明で特定されず、可視性が上がっても判断は手作業のままになり得る。21

サプライチェーン概念の明確さ — 5/10。 グラフモデルは相互作用する対象を扱い、独立した品目記録が隠す依存関係を示す。アルゴリズム集は、その依存関係が校正された需給の不確実性や共通の経済判断にどう変わるかを説明しない。19

古い中心的教義からの自由度 — 6/10。 GSQLは、固定された計画フローを継承せずに計算を再定式化できる。合意予測の強制を避ける自由がある一方、購入者は有能な代替プロセスを設計しなければならない。4

KPIの見せかけへの耐性 — 3/10。 過去の照会速度成果を現在のエージェント証拠として使うと、増分価値が不明になる。検索高速化も新しい画面も、アプリケーション全費用差引後の判断改善を実証しない。2 3

意思決定と最適化の実質

基準 点数
確率モデルの深さ 2/10
独自の最適化またはMLの実質 7/10
現実の制約への対応 4/10
意思決定の自動化と労働生産性 4/10
実務の複雑さに対する耐性 5/10

平均:4.4/10。

確率モデルの深さ — 2/10。 公開されたグラフとMLの手法は、意思決定に関係する将来需要、入荷、混乱の同時予測を提供しない。リスクを調整した在庫・購買判断を主張する前に、購入者がこの層を足す必要がある。19

独自の最適化またはMLの実質 — 7/10。 ネイティブな並列グラフ処理と統合ベクトル検索には文書化された計算設計がある。検索と分析実行を強化する証拠であり、同じ証拠がサプライチェーン最適化エンジンを実証するわけではない。4 5

現実の制約への対応 — 4/10。 JLRアプリケーションは製造依存関係と供給業者への義務を表す。競合する能力、離散的購買、不確実な入荷、代替を一般的に扱うことは、実証された製品動作ではなくアプリケーション開発に残る。1

意思決定の自動化と労働生産性 — 4/10。 プログラム的なグラフ操作は反復的なデータ処理と分析手順を除ける。公開エージェント資料は、経済的に健全な判断を業務規模で作成・実行するための総残存労働を数量化しない。21

実務の複雑さに対する耐性 — 5/10。 編集可能なアルゴリズムと出力可能なアプリケーション定義は持続的な修正を支える。ただし定式化変更の検証に必要な歴史的再構築、経済的再実行、安全な公開手順は提供しない。19 20

製品とアーキテクチャの整合性

基準 点数
アーキテクチャの一貫性 7/10
システム境界の明確さ 7/10
セキュリティへの真剣さ 5/10
ソフトウェアの簡素さと保有費用 4/10
プログラムおよびエージェント支援による運用との適合性 8/10

平均:6.2/10。

アーキテクチャの一貫性 — 7/10。 グラフエンジンと統合ベクトル機能は一貫した実行設計に従う。完全なサプライチェーンアプリケーションにするには、顧客がデータ取り込み、業務ロジック、実行システムをつなぐ必要がある。5 11

システム境界の明確さ — 7/10。 マニュアルはデータベースサービス、インターフェース、トランザクションの意味、展開責任を特定する。基盤の境界は検査可能だが、経済的責任はデータベース契約の外に残る。11 22

セキュリティへの真剣さ — 5/10。 エージェントツール制限の強制とUDFインストール制限は具体的な対策である。承認済みの悪意ある関数や欠陥関数を閉じ込める実行境界は、ネイティブ拡張で実証されていない。管理者レビューへの依存が大きすぎる。7 8 10

ソフトウェアの簡素さと保有費用 — 4/10。 分散サービスと顧客作成ロジックには継続的な運用・開発が必要だ。クラウド移行はアプリケーション変更と検証を明示的に顧客へ残し、契約料や移行料金だけでは捉えない費用を示す。12 14

プログラムおよびエージェント支援による運用との適合性 — 8/10。 照会インターフェースとコネクターは再利用可能な計算の構築・運用を支える。サーバーが強制するツール制限により、限定されたエージェント利用が可能になる。その上に検証済みサプライチェーン方針を開発する必要は残る。6 7

技術的透明性

基準 点数
公開技術文書 8/10
ベンダーの仲介なしでの検証可能性 6/10
移植性と囲い込みの可視性 6/10
導入手法の透明性 6/10
技術的主張を支える証拠の密度 5/10

平均:6.2/10。

公開技術文書 — 8/10。 版管理されたマニュアル、詳細なリリースノート、研究論文が多くの実装詳細を開示する。サプライチェーン意思決定手法の不足が特に大きく、データベース文書はアプリケーションの証拠よりはるかに強い。4 13

ベンダーの仲介なしでの検証可能性 — 6/10。 公開コードからアルゴリズムとエージェントアクセス制御を検査できる。クラウド条件のベンチマーク禁止は、特に速度を強調して売る製品において、独立した実証比較を弱める。7 15 19

移植性と囲い込みの可視性 — 6/10。 文書化された出力はデータとアプリケーション定義を保存する。GSQLの意味、ネイティブ関数、クラスター移動手順は移行義務として残り、ファイルを出せるだけでは安価な置換を示さない。20

導入手法の透明性 — 6/10。 移行文書は検証を含め、ベンダーと顧客の仕事を明確に分ける。サプライチェーン判断アプリケーションの経済性を測り修復するための、同等の公開手順が欠ける。14

技術的主張を支える証拠の密度 — 5/10。 論文は実際のデータベース機構を裏付ける。サプライチェーンエージェントの主張は因果的証拠が大幅に弱く、過去の顧客成果では新たに付け加えた技術を検証できない。2 3 5

ベンダーの真剣さ

基準 点数
公開発信の技術的な真剣さ 4/10
技術ロードマップの一貫性 4/10
概念の明確さ 5/10
経済的責任 3/10
エージェント型ソフトウェア時代の競争優位 6/10

平均:4.4/10。

公開発信の技術的な真剣さ — 4/10。 詳細な技術出版と、古い証拠に新しい技術説明を付けるサプライチェーン宣伝が共存する。データベース機構が健全でも、アプリケーション水準の主張への信頼を弱める。2 4

技術ロードマップの一貫性 — 4/10。 リリース履歴はベクトル統合を含む継続的な提供を示す。しかしJLRの時系列は約束と成果の照合に失敗する。新しいエージェント製品は、宣伝に使う過去の成果を生んでいない。3 13

概念の明確さ — 5/10。 TigerGraphは接続された計算を理解する。一方、エージェントの位置付けは、不確実性の下で行動を評価することにあまり注意を向けない。それこそが接続された文脈からサプライチェーン判断へ進む際の中心的な難しさである。11 21

経済的責任 — 3/10。 公開義務はデータベースサービスを対象とし、出力の適合性は顧客が負う。欠けている受入方法は、単なる稼働時間ではなく、判断の純価値と有害なアプリケーションを直す責任に関するものだ。15

エージェント型ソフトウェア時代の競争優位 — 6/10。 開発されたグラフ実行エンジンと統合検索には、コネクター以上の技術的実質がある。それでも、より単純なアプリケーション設計と比べ、判断の構築・改善費用をこのインフラが減らすことを、サプライチェーン提案は実証する必要がある。4 5

出典

1. Jaguar Land Roverの顧客事例

Jaguar Land Roverの顧客事例。日付なし。2026年11月4日確認。供給業者との約束、データ連携、生産順序変更、分析所要時間に関する顧客報告。

2. サプライチェーン分析:グラフデータベースは混乱を発生前にどう検出するか

サプライチェーン分析:グラフデータベースは混乱を発生前にどう検出するか。2026-08-18。2026年11月4日確認。歴史的なJLR成果にエージェント型GraphRAGを結び付ける現在の記事。

3. Graph + AI World 2020:Harry Powellの基調講演

Graph + AI World 2020:Harry Powellの基調講演。2020-09。2026年11月4日確認。以前の成果とグラフ照会の文脈を示す、2020年の日付のある講演。

4. TigerGraph:ネイティブMPPグラフデータベース

TigerGraph:ネイティブMPPグラフデータベース。2019-01-24。2026年11月4日確認。元の設計論文、照会モデル、データベースベンチマーク手法。

5. TigerVector:高度なRAGのためのグラフデータベース内ベクトル検索

TigerVector:高度なRAGのためのグラフデータベース内ベクトル検索。2025-06。2026年11月4日確認。統合ベクトル検索、索引、更新の意味、評価を説明する2025年の論文。

6. TigerGraph MCPサーバーのREADME、固定リビジョン

TigerGraph MCPサーバーのREADME、固定リビジョン。2026-10-08。2026年11月4日確認。操作、展開、ID、ツール選択を扱う公開コネクター文書の固定版。

7. TigerGraph MCPの呼び出し振り分け実装、固定リビジョン

TigerGraph MCPの呼び出し振り分け実装、固定リビジョン。2026-10-08。2026年11月4日確認。設定されたツール制限を強制する固定版コード。

8. GSQL 4.2:照会のユーザー定義関数

GSQL 4.2:照会のユーザー定義関数。4.2文書。2026年11月4日確認。版を指定したネイティブ拡張の文書とインストール制御。

9. TigerGraph 4.2:更新とUDFスキャン

TigerGraph 4.2:更新とUDFスキャン。4.2文書。2026年11月4日確認。設定可能なUDFスキャン制限を含む更新手順。

10. CVE-2022-30331へのTigerGraphの回答

CVE-2022-30331へのTigerGraphの回答。2022年、後に更新。2026年11月4日確認。論争のあったUDFセキュリティ報告への回答と、その後の制限。

11. TigerGraph 4.2:内部設計

TigerGraph 4.2:内部設計。4.2文書。2026年11月4日確認。中核グラフエンジン、インターフェース、システム設計。

12. TigerGraph 4.2:サービス用語集

TigerGraph 4.2:サービス用語集。4.2文書。2026年11月4日確認。同梱メッセージング、調整、HTTPサービスの役割。

13. TigerGraph 4.2から4.2.5までのリリースノート

TigerGraph 4.2から4.2.5までのリリースノート。2026-09-02以前。2026年11月4日確認。版ごとの提供、依存要素更新、不具合修正。

14. Cloud ClassicからSavannaへの移行FAQ

Cloud ClassicからSavannaへの移行FAQ。日付なし、2026-11-04確認。2026年11月4日確認。AWS Cloud Classicの終了告知、Savanna移行作業、顧客責任。

15. TigerGraph Cloudの契約条件

TigerGraph Cloudの契約条件。2019-09-19。2026年11月4日確認。評価制限とサービス義務を含む公開クラウド条件。

16. TigerGraphが役割ベースのセキュリティを追加

TigerGraphが役割ベースのセキュリティを追加。2017-10-24。2026年11月4日確認。導入期の部分グラフアクセス制御の同時代発表。

17. TigerGraph Cloud Classicのリリースノート

TigerGraph Cloud Classicのリリースノート。2022–2026年。2026年11月4日確認。ML Workbenchを含む、日付付きのクラウド機能・サービス変更。

18. TigerGraphの中核エンジン開発職:投資家の求人サイト

TigerGraphの中核エンジン開発職:投資家の求人サイト。日付のない過去の求人。2026年11月4日確認。投資家の求人サイトに残る、雇用主作成の中核エンジン求人。

19. TigerGraph Graph Data Science Library

TigerGraph Graph Data Science Library。3.10文書。2026年11月4日確認。利用可能なグラフアルゴリズム、検査可能な実装、変更モデル。

20. TigerGraph 4.2:データベースの出力と取り込み

TigerGraph 4.2:データベースの出力と取り込み。4.2文書。2026年11月4日確認。出力・取り込み内容、クラスター処理、置換の意味。

21. TigerGraphのエージェント型AI

TigerGraphのエージェント型AI。日付なし。2026年11月4日確認。現在のエージェント用途と、接続された企業文脈に与える役割。

22. TigerGraph 4.2:トランザクション処理とACID対応

TigerGraph 4.2:トランザクション処理とACID対応。4.2文書。2026年11月4日確認。トランザクション範囲、一貫性、分離、永続性、資源しきい値。