python数据库驱动_neo4j基础教程和python驱动数据库

[TOC]

# neo4j

- Neo4j是一个世界领先的开源图形数据库，由 Java 编写。图形数据库也就意味着它的数据并非保存在表或集合中，而是保存为节点以及节点之间的关系。

- neo4j的数据由下面几部分组成：

- 节点、边、属性

- 顶点(node)和边(relationship)和属性，无论是顶点还是边，都可以有任意多的属性。属性的存放类似于一个 HashMap，Key 为一个字符串，而 Value 必须是基本类型或者是基本类型数组

- Neo4J中节点和边 都能够包含保存至的属性，此外：

- 可以为节点设置零或多个标签

- 每个关系都对应一种类型。

- 关系总是从一个节点指向另一个节点。

## neo4j简介

- Neo4j 的特点和优势

- SQL就像简单的查询语言语句Neo4j CQL

- 它遵循属性图数据模型

- 它通过使用Apache Lucence支持索引

- 它支持UNIQUE约束

- 它它包含一个用于执行CQL命令的UI：Neo4j数据浏览器

- 它支持完整的ACID(原子性，一致性，隔离性和持久性)规则

- 它采用原生图形库与本地GPE(图形处理引擎)

- 它支持查询的数据导出到JSON和XLS格式

- 它提供了REST API，可以被任何编程语言(如Java，Spring，Scala等)访问

- 它提供了可以通过任何UI MVC框架(如Node JS)访问的Java脚本

- 它支持两种Java API：Cypher API和Native Java API来开发Java应用程序

### Neo4j优点

- 它很容易表示连接的数据

- 检索/遍历/导航更多的连接数据是非常容易和快速的

- 它非常容易地表示半结构化数据

- Neo4j CQL查询语言命令是人性化的可读格式，非常容易学习

- 它使用简单而强大的数据模型

- 它不需要复杂的连接来检索连接的/相关的数据，因为它很容易检索它的相邻节点或关系细节没有连接或索引

## Neo4j install

- 注意环境变量的更新

- 访问地址：http://localhost:7474

- 修改数据库的文件名称：${NEO4J_HOME}/conf 文件夹

- Neo4j数据构建模块

- 节点、属性、关系、标签、数据浏览器

- 节点：是图的基本单位，它包含具有键值对的属性

- 属性：用于描述节点和关系的键值对

- 关系：是图形数据库的另一个国建模块，链接两个节点。

- 导出的格式：CSV和json

## py2neo

- Py2Neo 是用来对接 Neo4j 的 Python 库。

- install

```

pip install py2neo

```

### Node & relationship

```

# -*- coding:utf-8 -*-

# /usr/bin/python

'''

@Author : Yan Errol

@Describe:

@Evn :

@Date : 2019-08-02 13:59

'''

from py2neo import Node, Relationship,walk,Graph

a = Node('Person', name='Alice')

b = Node('Person', name='Bob')

c = Node('Person', name='Mike')

ab = Relationship(a, "KNOWS", b)

ac = Relationship(a, "KNOWS", c)

w = ab + Relationship(b, "LIKES", c) + ac

for item in walk(w):

print(item)

a = Node('Person', name='Alice')

b = Node('Person', name='Bob')

r = Relationship(a, 'KNOWS', b)

s = a | b | r

# 存储数据库

graph = Graph(password='yel219')

graph.create(w)

# 查询语句

node = graph.match(nodes='Person')

print(node)

relationship = graph.match_one(r_type='KNOWS')

print(relationship)

# update data

# a = Node('Person',name='Alice')

# node = graph.match_one(nodes='Person',r_type='KNOWS')

# node['age']=100

# graph.push(node)

# print(graph.match_one(nodes = 'Person',r_type='KNOWS'))

# delete node

node = graph.match_one(nodes='Person')

relationship = graph.match_one(r_type='KNOWS')

graph.delete(relationship)

graph.delete(node)

```