Neo4j 数据导入案例NorthWind load csv

介绍如何从关系数据库,以csv的文件格式，导入数据到neo4j数据库。重点理解关系数据库和图形数据库建模的联系。

一、 Northwind 数据库介绍

社区版本的数据样例，主要用来练习sql语句的查询。有较为丰富的表结构和复杂的 关联关系。

两个核心思想

• 列row代表一个节点node
• 一个表table代表一个标签lable

二、数据导入

1，load csv命令导入数据

dbms.directories.import=import 配置文件该参数表示load csv的默认访问路径在import文件夹下面
参考：neo4j server\neo4j-community-3.5.0\import
点击csv文件下载链接

下载后把数据放在import文件夹下,执行以下命令创建角色节点

// Create customers
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:/customers.csv" AS row
CREATE (:Customer {companyName: row.CompanyName, customerID: row.CustomerID, fax: row.Fax, phone: row.Phone});

// Create products
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:/products.csv" AS row
CREATE (:Product {productName: row.ProductName, productID: row.ProductID, unitPrice: toFloat(row.UnitPrice)});

// Create suppliers
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:/suppliers.csv" AS row
CREATE (:Supplier {companyName: row.CompanyName, supplierID: row.SupplierID});

// Create employees
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:/employees.csv" AS row
CREATE (:Employee {employeeID:row.EmployeeID,  firstName: row.FirstName, lastName: row.LastName, title: row.Title});

// Create categories
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:/categories.csv" AS row
CREATE (:Category {categoryID: row.CategoryID, categoryName: row.CategoryName, description: row.Description});

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:/orders.csv" AS row
MERGE (order:Order {orderID: row.OrderID}) ON CREATE SET order.shipName =  row.ShipName;

解释：

1. periodic commit 指示Neo4j在执行完一定行数后提交数据再继续，默认执行1000行,即每1000行提交一次
2. WITH HEADERS 表示input文件第一行是header，而不是数据。可以用header的字段选择插入
3. AS row，row是标识符代表了一列。 row.header字段名代表字段值，可以给属性动态赋值。
   总结：请理解一行数据代表一个节点，一个表文件代表一个角色label。

2、 建立索引

通过上面语句建立了大量的彼此之间毫无联系的节点。为了加快建立关系速度，给所有节点加上索引。

CREATE INDEX ON :Product(productID);
CREATE INDEX ON :Product(productName);
CREATE INDEX ON :Category(categoryID);
CREATE INDEX ON :Employee(employeeID);
CREATE INDEX ON :Supplier(supplierID);
CREATE INDEX ON :Customer(customerID);
CREATE INDEX ON :Customer(customerName);
#以在NODE或关系的属性上创建唯一约束。
CREATE CONSTRAINT ON (o:Order) ASSERT o.orderID IS UNIQUE;

3 创建节点间关系

3.1 建立order和product，customer,employee关系

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:/orders.csv" AS row
MATCH (order:Order {orderID: row.OrderID})
MATCH (product:Product {productID: row.ProductID})
MERGE (order)-[pu:PRODUCT]->(product)
ON CREATE SET pu.unitPrice = toFloat(row.UnitPrice), pu.quantity = toFloat(row.Quantity);

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:/orders.csv" AS row
MATCH (order:Order {orderID: row.OrderID})
MATCH (employee:Employee {employeeID: row.EmployeeID})
MERGE (employee)-[:SOLD]->(order);

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:/orders.csv" AS row
MATCH (order:Order {orderID: row.OrderID})
MATCH (customer:Customer {customerID: row.CustomerID})
MERGE (customer)-[:PURCHASED]->(order);

解释

1. 加载order文件，找到order和product的所有节点。这里的match不是匹配而是查找的意思
2. 创建order和product的关系为PRODUCT
3. SET 设置属性，为关系设置属性
   

3.2 创建products, suppliers，categories的关系

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:/products.csv" AS row
MATCH (product:Product {productID: row.ProductID})
MATCH (supplier:Supplier {supplierID: row.SupplierID})
MERGE (supplier)-[:SUPPLIES]->(product);

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:/products.csv" AS row
MATCH (product:Product {productID: row.ProductID})
MATCH (category:Category {categoryID: row.CategoryID})
MERGE (product)-[:PART_OF]->(category);

3.3 创建员工和管理者的关系

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:/employees.csv" AS row
MATCH (employee:Employee {employeeID: row.EmployeeID})
MATCH (manager:Employee {employeeID: row.ReportsTo})
MERGE (employee)-[:REPORTS_TO]->(manager);

表中两列的关系

结果查询

1，返回员工和经理报告层级

match (employee:Employee) -[:REPORTS_TO]-> (manager:Employee) return employee,manager

2，找到所有卖过巧克力的人以及销量

match(employee:Employee ) -[:SOLD]->(ord:Order) -[:PRODUCT]-> (product:Product {productName:"Chocolade"})  return employee.firstName,count ( ord) AS ords

总结

1. 以上可以看出关系型数据库和图形数据库是如何转化的。但个人不推荐使用图形数据库来做上述查询，我们都很清楚关系型数据库可以很轻松达成如上功能。随着业务复杂度的提高，图形数据库使用起来会越来越复杂。二关系型数据库可以对业务拆解，有更好的效率。
2. 图形数据库适合处理关系相关的业务逻辑
3. 重点是通过这个案例理解图形数据库如何建立模型和处理数据的。

官网参考，适合喜欢英语阅读的人