neo4j 删除重复节点

这里的重复节点指的是一个label下的部分节点，属性A相同，其他属性不相同

 问题背景：

    本文中的数据为举例说明，实际数据不便展示，但表达的意思一致；

1. neo4j中label为PERSON的的节点有name和wechat两个属性，关系type为FRIEND；

2. 在进行数据的清洗和预处理过程中，name对应的wechat数据获取出现偏差，导致一个name在先后获取wechat时取到了不同的值，导致一个人员录入了两个节点，如name=Tom前后获取wechat时分别获取到了123和456两个值，最终在neo4j中存储的节点有两个：

(:PERSON{name:"Tom",wechat:"123"})
(:PERSON{name:"Tom",wechat:"456"})

 3. 导入的关系数据是以name为参照建立的，比如 Tom 和 Jerry 为 FRIEND 关系，由于节点信息的错误，则在库中将存在两个关系，但实际只应存在一个有效关系：

 

(:PERSON{name:"Tom",wechat:"123"})-[:FRIEND]-(:PERSON{name:"Jerry",wechat:"111"})
(:PERSON{name:"Tom",wechat:"456"})-[:FRIEND]-(:PERSON{name:"Jerry",wechat:"111"})

3. 优化数据清洗和预处理程序后，能确保获取到唯一一个wechat值，这时neo4j中已经导入了千万级节点和关系，重新导入的话耗时太长；

解决方案：

1. 节点中name对应的wechat可能会有多个值，但后面的数据分析只需要一个即可，由于节点和关系都是批量导入的，所以同样是name="Tom"的节点，先导入的节点对应的关系将会多于后导入的节点对应的关系；

2. 解决方案为删除name属性相同的重复节点，保留重复节点中第一个录入的节点，后面录入的节点及其关系删除；

实施步骤：

1. 查看库中是否存在重复节点：

# 查询节点总数
match (n:PERSON) return count(n)
# 查询一个属性的去重数量
match (n:PERSON) return count(distinct n.name)  # 比较总数和去重后总数可判断是否存在相同name的节点

2. 获取重复节点的详细信息：

# 查询返回name相同但是节点ID不同的节点，n与m即为重复节点
match (n:PERSON),(m:PERSON) where n.name=m.name and id(n)<>id(m) return n,id(n),m,id(m);
# 比较重复节点的关系数量可只最先录入的节点的关系最为完整最多，后面录入的节点会缺少部分关系
# 以上一查询中返回的重复节点 id=12 和 id=460964 进行比较
match (n:PERSON)-[:FRIEND]-(m:PERSON) where id(n)=12 rerurn count(m);
match (n:PERSON)-[:FRIEND]-(m:PERSON) where id(n)=46096 rerurn count(m);

3. 获取每条重复节点记录中的id较大值，删除该节点及节点所有关系：

match (n:PERSON)-[r:FRIEND]-(:PERSON) where id(n)=46096 delete n,r;