图数据库-复杂关系型数据的查询优化

一、背景

    关系型数据库在处理以下几个问题时往往会显得捉襟见肘：

• 关联查询中涉及到的关系可能会经常性的变化、增加、修改、或者删除。更新其中一种关系时需要及时更新与之相关的其他关系，需要消耗额外的人力去记录所有的关联关系，以保证状态数据更新时不出错。例如，某个落地页实体ID与文案实体ID分别对应于同一个广告主实体ID，当修改了广告主实体表中的ID后，未同时更新落地页实体与文案实体中对应的广告主ID，这会导致多种关系发生断链
• 涉及到需要拼接合并多个实体数据的时候。相当于需要合并多个请求的响应结果，增大了网络请求压力
• 知识图谱型数据挖掘与展示。例如查询投放某个物料的全部广告主时，若采用关系型数据库，group的性能会随着结果的数量增大而降低

二、图数据库

1. 图数据库

    基于图论实现的一种新型noSql数据库，其数据库存储结构和数据的查询方式都是以图论为基础的，图论中图的基本元素为节点和边，在图数据库中对应的就是节点和关系。
    常用图数据库

2. 图论

    以图为研究对象，图由若干给定的点及连接两点的线所组成的图形，这种图形通常用来描述某些事物之间的某种特定关系，用点代表事物，用连接两点的线表示相应两个事物间具有这种关系。

3. 应用场景

    图数据库适用场景：

• 辅助搜索：如社交网络，类似facebook兴趣图谱可以辅助推荐一些兴趣相似或者有联系的用户
• 辅助问答：如知识问答，通过将知识建设成图的形式，可以把问题回答的更准确和可靠
• 辅助决策：通过结合图相关的算法，如PageRank、mcl、betweenness等可以通过图数据库的优势挖掘或者推理出一些信息，辅助业务决策

    图数据库不适用场景：

• 统计、报表分析
• 不适合写多读少的场景。在写入或者删除时候，需要维护关系的链接指针。因此大量而频繁的写操作，在性能上是一个考验。

三、Neo4j图数据库实践用例

1. 基本元素与概念

• 节点(node)：表示一个实体记录，类似于关系数据库中的一条记录，一个节点包含多个属性和标签
• 关系(relationship)：用于将节点关联起来构成图，关系也称为图论的边(edge)
• 属性(property)：节点和关系都可以有多个属性，属性由键值对组成，类似于Java中哈希表
• 标签(label)：指示一组拥有相同属性的节点，但不强制要求相同，一个节点可有多个标签
• 路径(path)：任意两个节点都存在由关系组成的路径，路径有长短之分

2. 节点创建

# 创建一个有两个属性(name="tuing big movie",time=100)、一个标签(Movie )的节点
CREATE (:Movie{
   name:"tuing big movie", time:100})

3. 节点查询

MATCH  (a:Movie{
   name:"tuing big movie", time:100}) re