GE的Predix使用了图形数据库作为Asset存储，用以解决传统RDBMS系统中扩展性差，不支持行的动态定义问题。
对于实体，或者Asset来说，由如下几个方面表述：
- ID: Ties everythings happens to asset together
- Structure:How the Asset data is stored (RDBMS, etc)
- Repressentation:How the Asset data is logically expressed(JSON, XML, etc)
GE认为大多数项目失败在于它们将这个概念融合起来了，而GE则将其清晰的分割。
- ID:Globally unique identifier
- Structure:Graph database
- Repressentation:JSON
通过将Asset使用图形数据库建模和存储，解决了如下问题：
- Overcome mathematical scale problems
- Queries and operations as path expressions
传统数据库在关系处理能力上大大弱与图形数据库。
Predix也有类型和分类的概念。
如：
Classification: 来源于 类型理论，将Asset进行分类, "is a"
Groups and tags: 来源于 集合理论，将Asset进行分组"is a member of"
Catalog: 自定义组织规则并且通过catalog分享
Knowledgy Graph :
在IOT领域内，资产（实体）是不断增长和变化的，传统的asset建模使用预先定义好的schema，由此导致结构和关系不能扩展并很难响应变化和需求。knowledge graph在IOT领域内得到了很好的应用。Knowledge graph不需要预先定义的sehema和预先设计。可以通过当前的理解进行建模，并提供面向内容的视角。
如：
找出电力缺乏的资产
找出在某一地理范围内的资产
找出由最优供应商提供部件的资产
总结：
Predix提供了IOT领域建模的另外一种思路，与我们现有的只使用图形数据库保存关系不同，Predix走的更远，其不进行预先的schema定义，而是通过knowledge graph层进行业务含义上的抽象。因此其对于模型的变化和响应具有最大的适应性。
另外，classification, groups and tags 以及catalog应该是定义在关系数据库中的。
也即predix是关系型数据库与图形数据库的结合，但将Asset下放至图形数据库中保存，从而提供了更好的可扩展能力。
