python neo4j 图数据库

知识图谱使用图数据库会更加高效，其存储实体——关系，以及各种属性信息。

1.neo4j安装

1. 安装jdk，并配置环境，在cmd中输入javac或java -version能够通过即安装完成
2. 下载neo4j，各版本下载地址：https://dist.neo4j.org
   解压后在…/bin目录下，打开cmd输入neo4j.bat console，即可启动该服务，显示 neo4j staring started
3. 在浏览器中打开http://localhost:7474，初次登录neo4j/neo4j，登陆后根据提示修改密码

可能遇到的问题

打开no4j.ps1，修改Import-Module为绝对路径即可

2. python使用示例

入门案例：https://www.jianshu.com/p/e53175c81b22
配置完成后，再次连接时使用如下语句

 neo_graph = Graph("bolt://localhost:7687", user="neo4j", password="XXXXX")

3. 常用查询语句

• 查询某类节点中包含某字符串的节点

MATCH (n: Product) WHERE n.name =~ ".*%s.*" RETURN n limit %s

• 查询两个节点之间的关系

match path=(m:Party_b)-[r:Have]-(p:Product) where %s.name = '%s' return r limit 10

• 删除一条特定的关系

match(m:Party_b)-[r:Have]-(n:Product) where m.name='AAA' and n.name='BBB' delete r

• 删除与一个节点相连的某类关系

MATCH (m:Product)-[r:SIM]-(n:Product) WHERE m.name='AAA' DELETE r

• 删除一个节点，当节点存在关系时，无法删除，需要执行上一条语句，删除其关系网，当该节点成为孤立节点时，即可删除

MATCH (n: Product) WHERE n.name ="AAA" DELETE n

• 删除某类节点

MATCH (n: R_TEL) DELETE n

• 删除2类节点之间的关系

match(m:S_ADDRESS)-[r:S]-(n:S_NAME) delete r

• 一层扩展，查找二级节点
  首先查找节点类型：S_NAME中包含chenhui的，将与之关联的节点类型S_TEL种的值存为tel_list，继续查找与所有tel_list存在边类型：S的的所有关系，并返回

 match (c:S_TEL)-[r2]-(d:S_NAME) where d.name =~ ".*chenhui.*" with collect(c.name) as tel_list match p=(c:S_TEL)-[r2:S]-(d) where c.name in tel_list return p

4. docker安装

4.1 创建neo4j镜像

1. 下载基础docker镜像

docker pull docker.io/ansible/centos7-ansible

2. 基于该镜像创建一个容器

docker run -tid --name neo4j_container --privileged=true -t docker.io/ansible/centos7-ansible /usr/sbin/init

3. 进入容器

docker exec -it neo4j_container /bin/bash

4. 安装centos基础环境

yum -y install vim wget screen openssh-server openssh-clients ifconfig ip initscripts tcping java-11-openjdk java-11-openjdk-devel

若neo4j版本为3.5，基础环境的java版本有所变化

yum -y install vim wget screen openssh-server openssh-clients ifconfig ip initscripts tcping java-1.8.0-openjdk java-1.8.0-openjdk-devel

5. 将neo4j安装包拷贝到容器中

# Windows上下载安装包，版本号可以自己变动
https://dist.neo4j.org/neo4j-community-3.2.3-unix.tar.gz
# linux上拷贝
docker cp neo4j-community-4.0.4-unix.tar.gz neo4j_container:/opt

6. 解压

docker exec -it neo4j_container /bin/bash
cd /opt
tar -zxvf neo4j-community-4.0.4-unix.tar.gz -C /opt/
# 重命名
mv neo4j-community-4.0.4 neo4j

7. 修改配置文件

vim /opt/neo4j/conf/neo4j.conf

dbms.default_listen_address=0.0.0.0

8. 将该容器做成镜像

docker commit neo4j_container tfws/neo4j-server:v1.0

4.2 docker启动neo4j服务

1. 创建neo4j容器

 docker run -d --name neo4j_server_test -p 7475:7474 -p 7688:7687 -h neo4j_server -t tfws/neo4j-server:v1.0

2. 进入容器，并启动服务，此处启动命令并未在创建容器时直接使用，而是在容器创建后进入容器内手动启动，坏处：容器挂掉时需要重复该行为，而不能通过docker restart就可重启

 docker exec -it neo4j_server_test /bin/bash
 cd /opt/neo4j/bin
 ./neo4j start &
 # 启动完成后退出容器
 exit

4.2 浏览器查看neo4j服务

！！！采用无痕浏览模式！！！打开该页面

http://localhost:7474/

登录页面

本项目中使用示例

5. neo4j导入

5.1 neo4j-admin导入

官方参考文档：https://neo4j.com/docs/operations-manual/current/tools/neo4j-admin/neo4j-admin-import/
该方法必须停止neo4j服务，且只能用于数据库初始化时导入，当数据库中已存在数据时，无法导入。

5.2 Cypher CREATE导入

最灵活的导入方式，但是速度最慢。

create(n:Movie{title:'Forrest Gup'}) return n;

5.3 load csv导入

比较推荐的批量导入方式，速度还可以。
节点的csv文件格式如图

在shell窗口下执行如下命令

LOAD CSV WITH HEADERS FROM 'file:///artists-with-headers.csv' AS line CREATE (:Artist {name: line.Name, year: toInteger(line.Year)})

6. neo4j导出

1. 查看neo4j的版本

 call dbms.components() yield name, versions, edition unwind versions as version return name, version, edition;

2. 从https://github.com/neo4j-contrib/neo4j-apoc-procedures/releases下载与版本匹配的插件，此处下载4.0.0.11的版本
   将jar包放到plugins目录下
3. 配置neo4j.conf，添加如下语句

apoc.export.file.enabled=true

4. 重新启动neo4j，采用如下命令查看apoc是否安装成功
   ！插件版本要与neo4j版本对应，否则重启neo4j会报错

return apoc.version()

# 导出CSV文件，文件位置默认在import目录
CALL apoc.export.csv.all("tender.csv",{})
# 导出特定数据
CALL apoc.export.csv.query("MATCH (a:company) RETURN id(a) as id, labels(a) as label, properties(a) AS properties", "company.csv", {})

7. neo4j数据库迁移

7.1 导出

./neo4j stop
# 不指定database则默认导出全部
./neo4j-admin dump --to=/opt/neo4j/import/customs_data

7.2 导入

./neo4j stop
# 不指定database则默认导出全部
./neo4j-admin load --from=/opt/neo4j/import/customs_data --force