neo4j使用指南

目前neo4j文档只限于官方文档，本文将neo4j官方主要的文档整理了一下，供需要的人参考，内容也会不断更新！

开始

• 特点
  1. ACID事务
  2. 高可用
  3. 可伸缩到亿级结点、关系
  4. 高速遍历
• 部署模式

  	Single Instance	Multiple Instances
  Embedded	EmbeddedGraphDatabase	HighlyAvailableGraphDatabase
  Standalone	Neo4j Server	not yet available

• Maven配置

$HOME/.m2/setting.xml增加如下配置：

  
  

   
   

    
    

     
     [xhtml] 
     
     view plain
     
     copy
     
     

    
    
   
   
   
   
<profiles><profile><repositories><repository><id>neo4j-public-repository</id><name>Publically available Maven 2 repository for Neo4j</name><url>http://m2.neo4j.org</url><snapshots><enabled>true</enabled></snapshots></repository></repositories></profile></profiles>  
  
  
  

项目的pom.xml中增加如下配置：

  
  

   
   

    
    

     
     [xhtml] 
     
     view plain
     
     copy
     
     

    
    
   
   
   
   
<dependencies><dependency><groupId>org.neo4j</groupId><artifactId>neo4j</artifactId><version>{neo4j.version}</version></dependency></dependencies>  
  
  
 

• 安装
  • windows
    1. 从http://neo4j.org/下载
    2. 解压安装文件
    3. 配置环境变量：%NEO4J_HOME%和%PATH%
    4. 安装系统服务：%NEO4J_HOME%/bin/InstallNeo4j.bat
    5. 启动：%NEO4J_HOME%/bin/Neo4j.bat
  • Linux基本同windows
• 关键词
  • node：结点
  • relationship：关系
  • property：属性
  • indexer：索引器
  • traverser：遍历器
• Get Started
  • 一分钟向导
  • 开始向导
  • 基本使用样例

neo4j建模

• Design Guide
• Domain Modeling
• 一个具体的例子：从建模到类设计到编码全过程
• code tips
  1. wrap nodes：将node包装
  2. Subreferences：设置一个root的子引用结点（相当于namespace），再在此结点下建立你应用域的结点
• 工具neoclipse

REST API

使用curl进行测试：curl -H http_header -X [GET,POST,PUT,DELETE] -d post_data your_url
-H http的header
-X http的类型
-d post的数据
Accept:application/json -- 可以接受的回复编码格式
Content-type:application/json -- 内容类型格式
例如：
curl -H Accept:application/json -H Content-type:application/json -X GET http://localhost:7474/db/data/
curl -H Accept:application/json -H Content-Type:application/json -X post -d '{"key1":"value1"}' http://localhost:7474/db/data/node

更多REST API信息

索引

• 分类
  1. 内部的自然索引：因为其本身就相当于tree结构（一般数据库也用tree做索引，如B树），被traverser使用作遍历
  2. 使用集成索引：如Lucene
• 可以对结点、关系进行索引
• 为了更新一个索引，必须先移除，再添加
• 某一索引按key缓存，可设置缓存大小：setCacheCapacity
• 旧索引机制
  • IndexService
  • 不要实例化多个LuceneIndexService，因为内部其指向同一个index数据源
  • LuceneFulltextIndexService 和LuceneIndexService两者指向不同的index数据源
  • IndexService文档
• 新索引机制
  • 索引文档

事务

• 事务Overview
• 嵌套事务：只有一个高层事务，所有嵌套事务均在高层事务内
• 事务必须在try finally块中，事务必须显示success()
• 死锁
• 不要让事务太小（耗I/O），也不要太大（耗内存）
• 批量插入
  • 特点：
    1. 用于数据初始化，批量写入
    2. 非事务
    3. 非线程安全
    4. 性能稍好
    5. 可能corrupt数据集
    6. 非批量插入时，内存被分配在堆外；在批量插入时，内存被分配在堆内；因此，需要保证足够的堆大小
• Spring事务配置：具体见IMDB Example Transaction

  
  

   
   

    
    

     
     [xhtml] 
     
     view plain
     
     copy
     
     

    
    
   
   
   
   
<tx:annotation-driven /><bean id="transactionManager"class="org.springframework.transaction.jta.JtaTransactionManager"><property name="transactionManager" ref="neo4jTransactionManagerService" /><property name="userTransaction" ref="neo4jUserTransactionService" /></bean><bean id="neo4jTransactionManagerService" class="org.neo4j.kernel.impl.transaction.SpringTransactionManager" /><bean id="neo4jUserTransactionService" class="org.neo4j.kernel.impl.transaction.UserTransactionImpl"><constructor-arg index="0" ref="graphDbService" /></bean>  
  
  
 

  
  

   
   

    
    

     
     [java] 
     
     view plain
     
     copy
     
     

    
    
   
   
   
   
@Transactional  
public void newActors( final List<ActorData> actorList ){// code that operates on the graph}  
  
  
 

性能

性能关注

• CPU：32位、64位
• Memory：至少1G，推荐4～8G
• Disk：至少SCSI、EIDE，推荐SSD、SATA
• FileSystem ：支持fsync，fdatasync，至少ext3，推荐ext4、zfs
• Software：Java 1.6+，OS：Windows，Linux等

性能调整（OS保留内存+File Mapping内存+JVM内存）

1. 两个方面：caches和jvm
   1. caches
      • File buffer cache（File Mapping）
        • 低层次缓存，操作系统内存映射，尽可能使用操作系统特性
        • 事务提交时，logic log被立即fdatasync to disk，但是数据文件不是被立即存flush到磁盘上，直到logic log进行了rotate，增长logic log大小可以减少flush到磁盘的次数（可以在conf/neo4j-wrapper.conf中的wrapper.logfile.maxsize参数配置）
        • 防止不必要的page flush，配置OS当dirty page达到一定大小时才flush到磁盘（Linux OS参数配置）
        • 延迟写，直到逻辑日志轮转（sync、fsync、fdatasync）
        • 逻辑日志可用于崩溃恢复
        • 定长记录
          • nodestore 9bytes
          • relationshipstore 33bytes
          • propertystore 25bytes（primitive属性）
          • stringstore 133bytes（指针存在propertystore中，具体数据存在此处，120bytes有效）
          • arraystore 133bytes（指针存在propertystore中，具体数据存在此处，120bytes有效）
        • 可以配置缓存在JVM内存中，也可以不在JVM内存中
        • 相关配置参数
          1. use_memory_mapped_buffers：true使用操作系统内存mapping，false使用堆内存作映射
          2. neostore.nodestore.db.mapped_memory：结点file memory mapping
          3. neostore.relationshipstore.db.mapped_memory：关系file memory mapping
          4. neostore.propertystore.db.mapped_memory：属性file memory mapping
          5. neostore.propertystore.db.strings.mapped_memory：字符串属性file memory mapping
          6. neostore.propertystore.db.arrays.mapped_memory：数组属性file memory mapping
          7. string_block_size：property中类型string块大小，默认为120bytes（块大小在创建后不能改变，如果一个字符串大小大于块大小，字符串会分布在多个块中，有性能影响）
          8. array_block_size：property中类型array块大小，默认为120bytes（块大小在创建后不能改变，同上）
          9. dump_configuration：是否启动时dump配置
        • batch_inserter模式时，只需考虑node和relationship，因为在此模式下一般property在写入后不会读取，node和relationship因为会在其中保存属性等会被读取
      • Object cache
        • 高层次缓存
        • 以优化形式存储，利于快速遍历
        • 缓存在JVM堆中
        • 延迟加载策略
        • LRU策略
        • 相关配置参数：cache_type：值为soft（default）（SoftReference）、weak（WeakReference）、none（始终保持在jvm中，容易OOM）
   2. jvm
      • 参数：-d32或-d64（32位或64位），-server，内存相关参数（内存大小、分代比例、线程堆栈大小-Xss（所有线程共享？））、垃圾收集器（推荐使用CMS收集器），OOM时自动产生内存dump
      • 大量使用NIO包，很多堆外内存分配
      • 要防止page in or out（观察swap交换情况，不要给OS保留太小内存）
      • 要考虑jvm的pause time（暂停时间） / throughput（吞吐量）
      • NUMA structure：version 1.6.0 update 18实现，-XX:+UseNUMA
      • 在堆中每个对象大小
        1. Node：688bytes
        2. Relationship：392bytes
        3. Property：232bytes
        4. Primitive：24bytes
        5. String：(64 + 2 * len(string))bytes
        6. Relationships：？？？
   3. 写性能：事务大小（事务小，I/O多；事务大，内存多）；避免dirty page flushed to disk unexpectedly（不需要flush时flush）
   4. 更多配置，见Configuration Settings
   5. 更多性能，见Performance Guide

配置

• neo4j-wrapper.conf：logfile相关配置，jvm相关参数配置
• conf/neo4j-server.properties：neo4j参数配置文件
  1. org.neo4j.server.database.location：db位置，相对于NEO4J_HOME
  2. org.neo4j.server.webserver.port：端口号，默认7474
  3. org.neo4j.server.webadmin.rrdb.location：运行数据metrics信息文件，默认data/graph.db/../rrd
  4. org.neo4j.server.webadmin.data.url：REST API endpoint url，默认/db/data/
  5. org.neo4j.server.webadmin.management.uri：管理界面url，默认/db/manage/
  6. org.neo4j.server.db.tuning.properties：指定性能参数配置文件，默认conf/neo4j.properties
• conf/neo4j.properties：neo4j低层参数配置文件
• conf/log4j.properties：log4j配置文件
• conf/coord-wrapper.conf：ha结点启动相关配置
• conf/coord.cfg：ha结点的zookeeper相关配置

neo4j高可用部署

• neo4j-ha架构图
  
• 功能
  1. fault-tolerant
  2. horizontally scaling
  3. slave可写，同时同步到master，异步同步到其他他slave；对于master的写，会异步同步到slave
• 使用Apache Zookeeper保持各节点间的状态信息
• HA配置参数
  1. ha. machine_id：server id
  2. ha. server：master的host和port
  3. ha. zoo_keeper_servers：zookeeper连接，以逗号分隔
  4. ha. pull_interval：slave从master拉数据的间隔
• 更多信息，见neo4j_ha_cluster
• 例子：examples

neo4j shell

• 配置文件加入：enable_remote_shell = true（默认端口为1337）或enable_remote_shell = port = 1331（指定端口）
• neo4j-shell -host -port
• man可以查找命令，具体命令参数用man

neo4j备份

• 参数：keep_logical_logs：true

neo4j监控

• 监控，见Monitor

neo4j安全

Trouble Shooting

1. neo4j中的所有api都是线程安全的，因此不需要额外的同步；串行，性能是否可以？

相关文档

• neo4j-manual-stable.pdf
• 相关wiki文档
• stackoverflow中问题讨论