neo4j数据导入到MySQL_图数据库neo4j数据导入、备份和恢复

在之前的文章中，介绍了如何搭建neo4j集群，集群的故障切换和节点恢复，还介绍了如何配置驱动实现自动failover。本文聚焦在neo4j的数据上。聊聊如何从外部数据源将数据导入neo4j，如何对neo4j数据库进行备份和恢复。

数据导入

可以有多种方式将数据导入neo4j。大致分为cypher语句导入、apoc.load函数过程导入和离线import导入。

cypher语句导入

这个最简单，就是直接使用cypher语句的create或merge命令来创建neo4j的节点、边和属性。对比来说，create性能较好，但其不会进行存在与否的检查，可能会导致数据库中出现2个相同的节点等情况，造成数据不一致。merge虽性能较差，但功能强大很多。在导入场景，merge一般与on create和on match配合使用，导入语句形如：

MERGE (keanu:Person { name: 'Keanu Reeves' })

ON CREATE SET keanu.created = timestamp()

ON MATCH SET keanu.lastSeen = timestamp()

RETURN keanu.name, keanu.created, keanu.lastSeen

apoc.load函数过程

apoc是neo4j的一个插件(plugin)，需要额外安装。可以从github neo4j-apoc-procedures上下载apoc的jar包，放入neo4j对应的plugins目录下，设置如下参数后重启neo4j进程后即可使用。

dbms.security.procedures.unrestricted=apoc.*

apoc.import.file.enabled=true

apoc的功能很强大，其使用文档可通过该链接查看。本文主要关心导入部分。 apoc支持导入json和csv两种格式的数据文件。数据文件内部格式可分为2种，对于csv格式，还分带schema行的(或者成为文件头)和不带schema的。apoc.load均可处理。可参考Neo4j APOC 使用做进一步了解。在此不详说。

离线import

使用neo4j-admin import，输入文件为csv格式。这是性能最好的导数据方式，但其是离线的，也就是neo4j进程关闭状态。不支持增量导数据，即图数据库中已存在的数据会被删除(或被重命名为其他数据库)。所以，import工具一般用于图数据库初始化后，全量导数据。 import工具有较大的灵活性，通过增加配置参数来实现多种不同的导入功能。详细介绍可参考import-tool，下面就其中几点展开说明下。

节点的格式和配置

首先来讨论下节点的设置。--nodes[:Label1:Label2]=，这是节点设置的选项。file可以是单独的schema头，也可以是schema头和数据在一起的文件，还可以将数据文件拆分为多个file。

movieId:ID,title,year:int,:LABEL

tt0133093,"The Matrix",1999,Movie

tt0234215,"The Matrix Reloaded",2003,Movie;Sequel

tt0242653,"The Matrix Revolutions",2003,Movie;Sequel

personId:ID,name,:LABEL

keanu,"Keanu Reeves",Actor

laurence,"Laurence Fishburne",Actor

carrieanne,"Carrie-Anne Moss",Actor

上面是2个节点文件，可以看到schema头和数据在同一个文件中，我们以第一个文件为例来说明。可以将“movieId:ID,title,year:int,:LABEL”这行抽出，单独放在一个新文件中作为头文件，可以将每行记录设置为不同的LABEL，同一行记录可设置多个LABEL。如果文件中的LABEL都是一样的，那么可将LABEL标签移到--nodes选项上来。在schema行可以设置各个属性的类型，比如设置year为int类型。如果没有显式设置，默认的属性为字符串。可以看到属性名为movieId这列被标记为ID列，ID用于在创建边是对节点进行索引。作为ID的字段需要具有唯一性，不过import工具允许文件中的ID列是重复的，可以通过设置--ignore-duplicate-nodes去除ID重复的冗余节点；默认的ID字段是字符串的，可以通过--id-type=来指定ID的类型。

需要注意的是，import工具会在导入数据时对ID列进行排序，这是必须的，因为后续在建立节点跟节点关系时，需要通过ID列进行索引，显然只有有序的ID才能够实现高效索引。这就要求我们在导入时一定要合理选择ID列，选择的标准应该跟数据库唯一索引的标准是类似的。不合适的ID列会极大印象import的效率，建议使用数值列作为ID列。

边的格式和配置

通过--relationships[:RELATIONSHIP_TYPE]=来设置边的类型和边的数据文件，文件格式如下：

:START_ID,role,:END_ID,:TYPE

keanu,"Neo",tt0133093,ACTED_IN

keanu,"Neo",tt0234215,ACTED_IN

keanu,"Neo",tt0242653,ACTED_IN

laurence,"Morpheus",tt0133093,ACTED_IN

laurence,"Morpheus",tt0234215,ACTED_IN

laurence,"Morpheus",tt0242653,ACTED