图数据库的力量：深入理解与应用 Neo4j

图数据库的力量：深入理解与应用 Neo4j

1、什么是 Neo4j？

Neo4j 是由 Java 实现的开源 NoSQL 图数据库。自 2003 年开始开发，2007 年正式发布第一版并将源码托管于 GitHub。作为图数据库的代表产品，Neo4j 已经在众多行业项目中广泛应用，如网络管理、软件分析、组织和项目管理及社交网络等。

Neo4j 官网: https://neo4j.com/

Neo4j 提供了专业数据库级别的图数据模型存储，具备完整的数据库特性，包括 ACID 事务支持、集群支持、备份和故障转移等功能。

它还支持声明式查询语言 Cypher，这种语言类似于关系型数据库中的 SQL，操作简单，表现力强，查询效率高，且具有良好的扩展性。

下图演示了 Neo4j 的典型数据存储方式：

在上图中，紫色圆圈代表【人】数据，橙色圆圈代表【电影】数据，展示了人和电影之间参演或导演的关系。

版本说明

Neo4j 提供以下两个版本：

• 社区版（Community Edition）：具备了基本功能，适合开发环境使用。
• 企业版（Enterprise Edition）：相对于社区版增加了集群部署、高级监控、高级缓存、在线备份等功能，建议在生产环境中使用。

企业版从 3.2 版本开始支持集群，能够在不受地理位置限制的情况下实现事务 ACID 特性。更多信息请参考：Neo4j 企业版特性

2、Neo4j 的部署和安装

Neo4j 支持多个平台的部署和安装，包括 Windows、Mac 和 Linux 等系统。在安装 Neo4j 之前，请确保已安装 Java 虚拟机。

使用 Docker 进行安装的命令如下：

docker run \
-d \
--restart=always \
--name neo4j \
-p 7474:7474 \
-p 7687:7687 \
-v neo4j:/data \
neo4j:4.4.5

# 7474 是 web 管理工具的端口，7687 是 Neo4j 协议端口用于数据通信

Neo4j Web 工具介绍

Neo4j 提供了一个便捷的 Web 工具，可以进行数据库的 CRUD 操作。

3、体验 Neo4j

以下是通过官方提供的电影数据来实战体验 Neo4j 的步骤：

加载数据

首先，选择并加载数据：

系统会自动将创建数据的 Cypher 语句加载到输入框中，点击执行：

执行成功后，可以看到数据已经成功导入：

查询数据

例如，查询【Tom Hanks】参演了哪些电影的 Cypher 语句如下：

MATCH (tom:Person {name: "Tom Hanks"})-[:ACTED_IN]->(tomHanksMovies) RETURN tom, tomHanksMovies

查询结果如下图所示：

数据结构

在 Neo4j 中，数据通过节点、属性、关系和标签来存储。以下是具体说明：

• 节点：存储实体数据（如上图中的演员和电影），类似于关系型数据库中的表。
• 关系：存储节点之间的关系。每个关系只能有一个类型，必须有开始和结束节点，并且可以循环引用，但不能留空。
• 属性：节点和关系都可以有属性，由键值对组成。节点的属性类似于关系型数据库中的字段，而关系属性则进一步明确了关系属性。
• 标签：用于对节点进行分类，使 Neo4j 数据模型更易于构建。在上面的电影案例中，Movie 和 Person 即是标签。

4、Cypher 入门

Cypher 是 Neo4j 的查询语言，类似于关系型数据库中的 SQL，一些关键词来源于 SQL，比如：CREATE、WHERE、RETURN 等。下面我们一起学习 Cypher 的基本语句。

Cypher 语句的关键字对大小写不敏感。

创建数据

// 查询所有数据
MATCH (n) RETURN n

// 删除所有节点和关系，慎用！
MATCH (n) DETACH DELETE n

// 创建一个具有 name 属性的节点，变量 n 代表该节点，创建完成后返回该节点
CREATE (n {name: $value}) RETURN n

// 创建一个指定标签（$Tag）的节点
CREATE (n:$Tag {name: $value})

// 创建 n 指向 m 的关系，并且指定关系类型为 KNOWS
CREATE (n)-[r:KNOWS]->(m)

// 示例
// 创建节点，并赋予 name 属性
CREATE (n {name:'迪士尼营业部'})
CREATE (n:AGENCY {name:'航头营业部'})

// 创建浦东新区转运中心、上海转运中心节点，并且创建关系类型为 IN_LINE，创建完成后返回节点和关系
// TLT -> Two Level Transport（二级转运中心）
// OLT -> One Level Transport（一级转运中心）
CREATE (n:TLT {name:'浦东新区转运中心'}) -[r:IN_LINE]-> (m:OLT {name:'上海转运中心'}) RETURN n,r,m

// 关系可以是反向的，并且可以为关系指定属性
CREATE (n:TLT {name:'浦东新区转运中心'}) <-[r:OUT_LINE]- (m:OLT {name:'上海转运中心'}) RETURN n,r,m

在上面的示例中，我们先后创建了节点、指定标签的节点以及带有特定关系类型的节点。示例代码展示了如何创建双向关系，并且为关系指定属性。

查询数据

// 匹配某个条件的节点
MATCH (n:AGENCY {name: "航头营业部"}) RETURN n

// 查询具有一定条件的节点及其关系，并按照一定顺序返回数据
MATCH (n)-[:KNOWS]->(m) WHERE m.name = "Tom Hanks" RETURN n, m ORDER BY n.name ASC

关系深度查询

可以指定关系的深度进行查询，语法格式：-[:TYPE*minHops..maxHops]->

例如，六度分隔（Six Degrees of Separation）理论表明，你和任何一个陌生人之间所间隔的中间人不会超过六个，也就是说，最多通过六个人你就能认识任何一个陌生人。

// 查询【北京市转运中心】关系中深度为 1~2 层的节点
MATCH (n:OLT {name:"北京市转运中心"}) -[*1..2]->(m) RETURN *

// 可以简写为
MATCH (n:OLT {name:"北京市转运中心"}) -[*..2]->(m) RETURN *

// 通过变量查询
MATCH path = (n:OLT {name:"北京市转运中心"}) -[*..2]->(m) RETURN path

// 获取结果中的关系，WITH 语句将结果传递给下一个查询
MATCH path = (n:OLT {name:"北京市转运中心"}) -[*..2]->(m)
WITH n, m, relationships(path) AS r
RETURN r

// 查询两个网点之间所有的路径，最大深度为 6
MATCH path = (n:AGENCY) -[*..6]->(m:AGENCY)
WHERE n.name = "北京市昌平区定泗路" AND m.name = "上海市浦东新区南汇"
RETURN path

// 查询两个网点之间的最短路径，查询深度最大为 10
MATCH path = shortestPath((n:AGENCY) -[*..10]->(m:AGENCY))
WHERE n.name = "北京市昌平区定泗路" AND m.name = "上海市浦东新区南汇"
RETURN path

// 查询两个网点之间所有路径中成本最低的一条路径，最大深度为 10
MATCH path = (n:AGENCY) -[*..10]->(m:AGENCY)
WHERE n.name = "北京市昌平区定泗路" AND m.name = "上海市浦东新区南汇"
UNWIND relationships(path) AS r
WITH sum(r.cost) AS cost, path
RETURN path ORDER BY cost ASC, LENGTH(path) ASC LIMIT 1

// UNWIND 将列表数据展开
// sum() 是聚合函数，类似的还有 avg()、max()、min() 等

分页查询

// 分页查询网点，按照 bid 正序排序，每页查询 2 条数据

// 第一页
MATCH (n:AGENCY) 
RETURN n ORDER BY n.bid ASC SKIP 0 LIMIT 2

// 第二页
MATCH (n:AGENCY)
RETURN n ORDER BY n.bid ASC SKIP 2 LIMIT 2

更新数据

更新数据使用 SET 语句进行标签、属性的更新。SET 操作是幂等性的。

// 更新或设置属性
MATCH (n:AGENCY {name:"北京市昌平区新龙城"})
SET n.address = "龙跃苑四区3号楼底商101号"
RETURN n

// 移除属性
MATCH (n:AGENCY {name:"北京市昌平区新龙城"}) 
REMOVE n.address 
RETURN n

// 给没有 address 属性的节点增加 address 属性
MATCH (n:AGENCY) 
WHERE n.address IS NULL 
SET n.address = "暂无地址" 
RETURN n

删除数据

删除数据通过 DELETE 和 DETACH DELETE 完成。DELETE 不能删除有关系的节点，删除关系需要使用 DETACH DELETE。

// 删除节点
MATCH (n:AGENCY {name:"航头营业部"})
DELETE n

// 有关系的节点不能直接删除
MATCH (n:AGENCY {name:"北京市昌平区新龙城"})
DELETE n

// 删除节点及其所有关系
MATCH (n:AGENCY {name:"北京市昌平区新龙城"})
DETACH DELETE n

// 删除所有节点和关系，慎用！
MATCH (n)
DETACH DELETE n

索引

给节点添加索引以提高查询效率。

// 创建索引语法
CREATE [TEXT] INDEX [index_name] [IF NOT EXISTS]
FOR (n:LabelName)
ON (n.propertyName)
[OPTIONS "{" option: value[, ...] "}"]

// 示例
CREATE TEXT INDEX agency_index_bid IF NOT EXISTS FOR (n:AGENCY) ON (n.bid)

// 删除索引语法
DROP INDEX [index_name]

// 示例
DROP INDEX agency_index_bid

通过对 Neo4j 的深入理解与应用，图数据模型的强大优势得以展现。无论是复杂关系存储还是高效查询，Neo4j 都表现出色。希望这些详细的示例和说明能帮助你更好地掌握 Neo4j，为实际项目应用打下坚实基础。