三牛网站建设,3d建模学费一般多少钱,江西个人网站备案,商城网站设计公司有哪些文章目录 第一章 图和Neo4j1.1 图数据库概念1.1.1 图论起源1.1.2 节点-关系及图1.1.3 图数据库1.1.4 图数据库分类1.1.4 图数据库应用场景1.1.5 与关系型数据库对比1.1.6 图数据库优势 1.2 Neo4j介绍1.2.1 Neo4j是什么1.2.2 Neo4j特点1.2.3 Neo4j的优势1.2.4 Neo4j的限制1.2.5 … 文章目录 第一章 图和Neo4j1.1 图数据库概念1.1.1 图论起源1.1.2 节点-关系及图1.1.3 图数据库1.1.4 图数据库分类1.1.4 图数据库应用场景1.1.5 与关系型数据库对比1.1.6 图数据库优势 1.2 Neo4j介绍1.2.1 Neo4j是什么1.2.2 Neo4j特点1.2.3 Neo4j的优势1.2.4 Neo4j的限制1.2.5 Neo4j数据模型1.2.5.1 节点1.1.5.2 属性1.2.5.3 关系1.2.5.4 标签1.2.5.6 社区版和企业版区别 第二章 Neo4j安装部署2.1 系统需求2.2 安装部署2.2.1 基于Linux的单机安装部署2.2.2 Windows安装Neo4j2.2.3 Docker安装2.2.4 集群安装部署2.2.4.1 集群介绍2.2.4.2 集群规划2.2.4.3 集群核心配置2.4.4.4 集群部署2.4.4.5 添加Core Server2.4.4.6 添加Read Replica到集群2.4.4.7 移除核心服务 第三章 Neo4j操作3.1 Cypher介绍3.2 语法3.3 图数据库操作3.3.1 CREATE命令3.3.2 CREATE创建关系3.3.3 MATCH查询语句3.3.4 RETURN语句3.3.5 LOAD CSV3.3.6 WHERE条件语句3.3.7 IN操作3.3.8 SET子句3.3.9 ORDER BY排序3.3.10 LIMIT SKIP子句3.3.11 UNION UNION ALL3.3.12 MERGE合并3.3.13 NULL值3.3.14 DELETE语句3.3.15 REMOVE语句 3.4 函数3.4.1 函数介绍3.4.2 判定函数3.4.3 标量函数3.4.4 聚合函数3.4.5 列表函数3.4.6 字符串函数3.4.7 数学函数3.4.8 时间函数3.4.9 空间函数3.4.10 用户自定义函数 第四章 Neo4j Admin4.1 备份与恢复4.2 索引管理4.2.1 复合索引限制4.2.2 创建单值属性索引4.2.3 创建复合索引4.2.4 获取所有索引4.2.5 删除单值索引4.2.6 删除复合索引4.2.7 索引的使用 4.3 约束管理4.3.1 创建节点唯一约束4.3.2 删除节点唯一属性4.3.2 创建节点属性存在性约束4.3.3 删除节点属性存在性约束4.3.4 创建关系属性存在性约束4.3.5 删除关系属性存在性约束 4.4 批量导入 第五章 API开发5.1 Java开发介绍5.2 Neo4j原生Java开发 第一章 图和Neo4j
1.1 图数据库概念
1.1.1 图论起源
众所周知图论起源于一个非常经典的问题——「柯尼斯堡Königsberg七桥问题」。在加里宁格勒Kaliningrad有七座桥连接着由普雷戈里亚Pregolya河分割而成的两个岛屿和两大陆地。
当时有一个与柯尼斯堡的桥相关的脑筋急转弯如何只穿过桥一次而穿过整个城市。下图为柯尼斯堡七座桥的简化图 大家可以尝试一下在穿过每座桥仅一次的情况下穿过这个城市。每座桥意味着所有桥都被穿过只穿过一次意味着每座桥不能被穿越两次及以上。如果你对这一问题有所了解就知道这不可能。
1738年瑞典数学家欧拉( Leornhard Euler)解决了柯尼斯堡七桥问题。由此图论诞生欧拉也成为图论的创始人。
欧拉把问题的实质归于一笔画问题即判断一个图是否能够遍历完所有的边(Edge)而没有重复而柯尼斯堡七桥问题则是一笔画问题的一个具体情境。欧拉证明这个问题不成立。
满足一笔画的图满足两个条件: 图必须是一个完整图 有零个或二个奇数点
欧拉后来以拉丁文正式发表了论文“关于位置几何问题的解法Solutio problematis ad geometriam situs pertinentis, Commentarii academiae scientiarum Petropolitanae, vol. 8, pp. 128-140, 1741文中详细讨论了七桥问题并作了一些推广。该论文被认为是数学图论、拓扑学和网络科学的发端。
1.1.2 节点-关系及图 节点 节点及其关系是图的重要组成元素。在图形理论中我们可以使用圆表示一个节点 并且可以向里面添加键值对形式的数据节点如下图所示。 关系 关系是节点与节点之间的联系节点越多联系越多关系相对就越复杂。关系通常有方向分为单向或双向具体的关系如下图所示 上图表示 Node1到Node3和Node2到Node3都是单向关系Node1到Node2关系是双向 图 图是节点(属性)和关系连接组成一个简单的图如下图所示 图及相关特征很多主要如下 图表示节点关系和属性中的数据节点和关系都包含属性关系连接节点属性是键值对节点用圆圈表示关系用方向键表示关系具有方向单向和双向每个关系包含“开始节点”或“从节点” 和 “到节点”或“结束节点”
1.1.3 图数据库
一般情况下我们使用数据库查找事物间的联系的时候只需要短程关系的查询两层以内的关联。当需要进行更长程的更广范围的关系查询时就需要图数据库的功能。而随着社交、电商、金融、零售、物联网等行业的快速发展现实世界的事物之间织起了一张巨大复杂的关系网传统数据库面对这样复杂关系往往束手无策。因此图数据库应运而生。
图数据库(Graph database)指的是以图数据结构的形式来存储和查询数据的数据库。其数据模型采用图结构由节点和关系组成并可以存储节点和关系的属性实现复杂关系的存储和查询。是最接近高性能的一种用于存储数据的数据结构方式之一。
1.1.4 图数据库分类
DB-Engines Ranking根据受欢迎程度对数据库管理系统进行排名。该排名每月更新一次。排名地址https://db-engines.com/en/ranking/graphdbms 具体分类对比如下 具体每种数据库介绍 Neo4j主流 历史悠久且长期处于图数据库领域的主力地位其功能强大性能也不错单节点的服务器可承载上亿级的节点和关系。社区版最多支持 320 亿个节点、320 亿个关系和 640 亿个属性。 优点Neo4j有自己的后端存储不必如同JanusGraph等一样还要依赖另外的数据库存储。 Neo4j在每个节点中存储了每个边的指针因而遍历时效率相当高。 缺点企业版付费。开源的社区版本只支持单机不支持分布式。社区版只能部署成单实例企业版可以部署成高可用集群从而可以解决高并发量的问题不能做集群单个实例故障时影响系统正常运行。社区版只支持冷备份即需要停止服务后才能进行备份。 OrientDB不推荐 OrientDB是第二代分布式图数据库,以混合数据模型为特点它包括可以在最复杂的场景中使用复制和分片并以Apache2许可证提供开放源代码。ORIENTDB工作速度快能够在最常见的硬件上每秒存储220000条记录并且支持无模式、完整和混合模式可以使用SQL作为查询语言之一。 优点ORIENTDB使用身份验证、密码和静态数据加密等方式为所有机密数据提供安全保护。OrientDB为确保更好的性能最近引入了节点的快速重新同步即使处理数十亿条记录遍历速度也不会受到影响。OrientDB 是分布式多模型数据库支持图数据模型支持 sharding 机制大规模查询情况下性能比较好 缺点开源版功能部分欠缺。起步较早最初的时候都是一个单机的图数据库然后随着用户数据量的不断增加后期增加了分布式模式支持集群和副本但是由于后加的功能其分布式支持的不是很好。 ArangoDB不推荐 Arangodb以一种非常创造性和灵活的方式安排数据。数据可以存储为键或值对、图或文档所有这些都可以通过一种查询语言访问。为了更安全的选择查询中可以使用声明性模型。用户可以在一个查询中组合不同的模型及其特性的原因是ArangoDB对所有数据模型都使用相同的核心和相同的查询语言。 优点Arangodb独特的特性是它能够在一个查询中组合不同的数据模型。这使得其展示方式令人印象深刻且美观。它比其他数据库具有更灵活的扩展性、增强的容错性、大容量的存储能力和更低的成本。arangodb最突出的特性是foxx这是一个用于编写数据库中以数据为中心的javascript框架。 缺点它们起步比较早最初的时候都是一个单机的图数据库然后随着用户数据量的不断增加后期增加了分布式模式支持集群和副本但是经过调研发现可能是由于后加的功能他们的分布式支持的不是很好。 JanusGraph推荐 JanusGraph是可扩展的图数据库底层依赖于大数据组件对分布式支持的非常好也都是完全的开源免费存储数据模型也都是专为图数据而设计。JanusGraph基于Titan发展而来包含其所有功能采用Tikerpop的Gremlin图查询语言有单独的后端存储支持Cassandra/HBase/BerkeleyDB等做存储支持Solr/ES/Lucence等做图索引 支持Spark GraphX/Giraph等图分析计算引擎及Hadoop分布式计算框架 原生支持集成了Tinkerpop系列组件Gremlin查询语言Gremlin-Server及Gremlin applications。 采用很友好的Apache2.0协议支持对接可视化组件如CytoscapeGephi plugin for Apache TinkerPopGraphexpKeyLines by Cambridge IntelligenceLinkurious 优点JanusGraph的存储系统依赖于像Cassandra、HBase(HBase又依赖于Zookeeper和HDFS)、BerkelyDB等等这样的存储系统索引系统依赖于Elasticsearch、Solr、Lucene等等也基于这些原因它和大数据生态结合的非常好可以很好地和Spark结合做一些大型的图计算。所以可以很好的和spark的大数据平台进行结合并且能够支持实时图遍历和分析查询 缺点其存储需要依赖于其他存储系统JanusGraph使用HBase作为底层存储系统而HBase又依赖于Zookeeper和HDFS另外JanusGraph的索引又依赖于ES所以想要搭建一套完整的JanusGraph需要同时搭建维护好几套系统维护成本非常大。另一问题就是稳定性根据经验来看系统越复杂依赖系统越多整体可控性就越差稳定性风险就越大。并且三方的一些工具也存在一些问题所以要用肯定要基于底层读写进行性能优化。 HugeGraph推荐 百度基于JanusGraph开源了HugeGraph增加了很多特性提高了易用性及性能增加了一些图分析算法。实现了Apache ThinkerPop 3框架支持Gremlin图查询语言。HugeGraph支持多用户并行操作输入Gremlin查询语句并及时得到图查询结果。也可以再用户程序中调用hugeGraph API进行图分析或查询。 优点HugeGraph可以与Spark GraphX进行链接借助Spark GraphX图分析算法如PageRank、Connected Components、Triangle Count等对HugeGraph的数据进行分析挖掘。HugeGraph还针对图数据库的高频应用例如ShortestPath、k-out、k-neighbor等做了特定性能优化并且为用户提供更为高效的使用体验 缺点基于JanusGraph开源存在和JanusGraph同样的问题维护成本高。 Dgraph推荐 dgraph 是基于 golang 开发的开源的分布式图数据库。诞生时间不长, 发展却很迅速从设计之初就考虑了分布式和扩展性所以对分布式支持的非常好。 优点Dgraph 不依赖与任何第三方系统只有一个 Dgraph 可执行文件只需在启动时通过参数指定是 Zero管理节点还是 Alpha(数据节点)即可Dgraph 会自动组成集群运维部署非常简单。Dgraph维护成本低很多。Dgraph 和 JanusGraph 性能差不多但复杂查询下Dgraph 性能远高于 JanusGraph。同时Dgraph 的写入性能也整体高于 janusGraph。 缺点比如还不支持多重边、一个集群只支持一个图、与大数据生态兼容不足等这些都需要靠后期不断完善。 TigerGraph不推荐 TigerGraph是一个目前业界先进的企业级图数据库。系统完全闭源。部分查询算法开源。分为开发版和企业版。开发版免费但功能受限比如单点只能构建一个图。企业面收费支持大规模集群顶点表数量不受限制。 优点TigerGraph可以通过GSQL实现类存储过程的算法封装而且已经实现了很多图算法但是语法结构要比Neo4j复杂的多。 缺点付费图数据库。Neo4j按照cpu收费TigerGraph按照数据容量G来收费费用较贵。
1.1.4 图数据库应用场景
图数据库广泛应用于社交媒体、金融、物流、医疗、能源等领域。以下是图数据库主要应用场景 社交媒体图数据库可以对社交网络中的关系和行为进行建模和分析帮助社交媒体企业更好地了解用户需求和行为实现精准定向广告和推荐。 金融图数据库可以帮助金融机构识别和预测欺诈行为、洗钱、风险管理等从而提高金融业务的安全性和可靠性。 物流图数据库可以管理物流中的运输网络和物流信息实现物流运输过程的可视化、实时监控和优化。 医疗图数据库可以帮助医疗机构分析医疗记录、患者病史、药品治疗效果等数据优化医疗服务流程支持医疗决策和疾病预测。 能源图数据库可以帮助能源企业管理能源产业链上的复杂关系和数据提高能源效率、降低成本、控制风险。
1.1.5 与关系型数据库对比
在需要表示多对多关系时我们常常需要创建一个关联表来记录不同实体的多对多关系。如果两个实体之间拥有多种关系那么我们就需要在它们之间创建多个关联表。而在一个图形数据库中我们只需要标明两者之间存在着不同的关系。如果希望在两个结点集间建立双向关系我们就需要为每个方向定义一个关系。 也就是说相对于关系型数据库中的各种关联表图形数据库中的关系可以通过关系属性这一功能来提供更为丰富的关系展现方式。因此相较于关系型数据库图形数据库的用户在对现实进行抽象时将拥有一个额外的武器那就是丰富的关系。
例如在下面的这个例子中我们希望在一个社交网络里面找到最大深度为5的朋友的朋友。假设随机算则两个人是否存在一条路径使得关联他们的关系长度最多为5对于一个包含100万人每人约有50个朋友的社交网络我们就以典型的开源图数据库Neo4j参与测试结果明显表明图数据库是用于关联数据的最佳选择如下表所示。
深度关系型数据库执行时间(s)Neo4j执行时间(s)返回的记录条数20.0160.012500330.2670.16811000041543.5051.3596000005未完成2.132800000
通过上表可知当深度为2时关系型数据库和Neo4j都是毫秒级差异Neo4j性能较好但相差不大。当深度为3时即朋友的朋友的朋友比较多了这时候明显关系型数据库要慢了很多很多在线系统无法等待和承受30多秒的时间范围。相比之下Neo4j的响应时间保持相对平滑执行查询在毫秒和秒级别相对在线系统来说速度时较快和比较快。
1.1.6 图数据库优势
图数据库相对于其他传统的数据库有很多优势以下是常见优势
灵活的数据模型图数据库支持灵活的数据模型可以存储复杂的实体类型和其之间的关系如社交网络、地图路线等复杂模型。强大的关系查询能力图数据库通过树状遍历方式遍历关系使用广度优先搜索和深度优先搜索算法提供更快速、更精确的关系查询和分析。高效的数据处理能力图数据库处理大规模图数据的效率更高能够对图数据进行快速存储、索引和查询降低了大数据量和高并发访问时的数据处理成本和时间成本。多语言支持图数据库支持多种语言为多类开发者和企业提供了更便利的操作性和接口。
1.2 Neo4j介绍
1.2.1 Neo4j是什么
Neo4j是一个开源的、 无Shcema的、 基于java开发的图形数据库它将结构化数据存储在图中而不是表中。它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎。程序数据是在一个面向对象的、灵活的网络结构下而不是严格、静态的表中,但可以享受到具备完全的事务特性、企业级的数据库的所有好处。
Neo4j最初是一个图形数据库现在已经发展成为一个拥有众多工具、应用程序和库的丰富生态系统。这个生态系统允许您将图形技术与您的工作环境无缝集成。 Neo4j Graph Database Neo4j Graph Database是核心产品一个原生图形数据库用于存储和检索有联系的数据。有两个版本社区版和企业版。有多种方法可以开始使用Neo4j: 通过在本地安装通过在云平台上部署(现目前支持Neo4j on AWS、 Neo4j on Google Cloud Platform和Neo4j on Microsoft Azure)使用Neo4j Aura Neo4j Aura AuraDB和AuraDS是完全托管的云服务产品。Neo4j AuraDB是一个图形数据库服务即生态体系里面自带的图形数据库服务(实则就是一个Web UI工具)。 要与Aura实例交互需要使用Neo4j Workspace—一个基于UI的低代码工具它可以方便设计数据模型、预览模型、导入数据以及探索和查询数据库。 Neo4j Graph Data Science Neo4j Graph Data Science (GDS)提供了超过65种图形算法这些算法可以使用Neo4j执行并针对企业工作负载和管道进行优化。GDS帮助您从大数据中获得见解以回答关键问题并改进预测。GDS是一个图形数据库的数据分析平台它将机器学习和图形数据库统一到一个工作空间中。 Neo4j Tools Neo4j提供了很多工具旨在使图形应用程序的学习和开发更容易。 Neo4j Desktop用于使用Neo4j的本地开发环境无论是使用本地数据库实例还是位于远程服务器上的数据库。免费下载包括Neo4j企业版许可证。 Neo4j Browser在线浏览器接口查询和查看数据库中的数据。使用Cypher查询语言的基本可视化功能。 Neo4j Operations Manager一个基于UI的工具允许数据库管理员在企业版中监视、管理和操作所有的Neo4j数据库管理系统。 Data Importer一个无代码工具允许您从平面文件(.csv和.tsv)加载数据定义图形模型将数据映射到它并将其导入Neo4j数据库。 Neo4j Bloom用于业务用户的可视化工具不需要任何代码或编程技能即可查看和分析数据。 Cypher query language Cypher是一种基于openCypher倡议的开放数据查询语言。它是用于属性图的最成熟和最直观的查询语言。Cypher的特征如下: 易于学习 可视化与关系逻辑展示 安全、可靠、数据丰富 开放、灵活 Connecting to Neo4j Neo4j为将Neo4j集成到任何工作环境和创建应用程序提供了多种方式。主要如下 Neo4j Drivers官方支持的驱动程序和社区贡献的连接驱动库。具体支持如下图所示 Neo4j Connectors整合Spark、Kafka(也被称为Neo4j流)和其他一些商业工具的连接器。BI连接器如下图所示 GraphQL Library是一个灵活、低代码、开源的JavaScript库通过利用连接数据的力量可以快速开发跨平台和移动应用程序的API。作用如下图所示 OGMNeo4j的对象图映射库。简单示例如下图所示
1.2.2 Neo4j特点
Neo4j特点很多下面列出其中主要特点
SQL就像简单的查询语言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约束它包含一个用于执行CQL命令的UINeo4j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JavaSpringScala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 APICypher API和Native Java API来开发Java应用程序
1.2.3 Neo4j的优势
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
1.2.4 Neo4j的限制
具有支持节点数关系和属性的限制不支持Sharding
1.2.5 Neo4j数据模型
Neo4j图数据库遵循属性图模型来存储和管理其数据。Neo4j图数据库将其所有数据存储在节点和关系中。我们不需要任何额外的RDBMS数据库或无SQL数据库来存储Neo4j数据库数据。它以图形的形式存储其数据的本机格式。Neo4j使用本机GPE图形处理引擎引擎来使用它的本机图存储格式。属性图模型规则
表示节点关系和属性中的数据节点和关系都包含属性关系连接节点属性是键值对节点用圆圈表示关系用方向键表示。关系具有方向单向和双向。每个关系包含“开始节点”或“从节点”和“到节点”或“结束节点”
在Neo4j中关系也应该是有方向性的。如果我们尝试创建没有方向的关系那么Neo4j会抛出一个错误消息“关系应该是方向性的”。图形数据库数据模型的主要组件是
节点关系属性
1.2.5.1 节点
节点是图表的基本单位。 它包含具有键值对的属性如下所示 这里Node Name “Employee”它包含一组属性作为键值对。
1.1.5.2 属性
属性是用于描述图节点和关系的键值对Key 值
其中Key是一个字符串值可以通过使用任何Neo4j数据类型来表示。
1.2.5.3 关系
关系是图形数据库的另一个主要构建块。 它连接两个节点如下所示。 这里Emp和Dept是两个不同的节点。 “WORKS_FOR”是Emp和Dept节点之间的关系。
因为它表示从Emp到Dept的箭头标记那么这种关系描述的一样
Emp WORKS_FOR Dept
每个关系包含一个起始节点From Node和一个结束节点To Node, 对于节点又有两种关系
传入关系外向关系
“Emp”是起始节点。 “Dept”是结束节点、端节点。 由于该关系箭头标记表示从“Emp”节点到“Dept”节点的关系该关系被称为“传入关系”到“Dept”节点并且“外向关系”到“Emp”节点。
像节点一样关系也可以包含属性作为键值对。 这里的“WORKS_FOR”关系有一个属性作为键值对ID 123它代表了这种关系的一个ID。
1.2.5.4 标签
Label将一个公共名称与一组节点或关系相关联。 节点或关系可以包含一个或多个标签。 我们可以为现有节点或关系创建新标签。 我们可以从现有节点或关系中删除现有标签。
从前面的图中我们可以观察到有两个节点。
左侧节点都有一个标签“EMP”而右侧节点都有一个标签“Dept”。
这两个节点之间的关系也有一个标签“WORKS_FOR” 注 Neo4j将数据存储在节点或关系的属性中。 1.2.5.6 社区版和企业版区别
Neo4j社区版启动程序和安装服务的区别如下
容量社区版最多支持 320 亿个节点、320 亿个关系和 640 亿个属性而企业版没有这个限制并发社区版只能部署成单实例不能做集群。而企业版可以部署成高可用集群或因果集群从而可以解决高并发量的问题容灾由于企业版支持集群部分实例出故障不会影响整个系统正常运行热备社区版只支持冷备份即需要停止服务后才能进行备份而企业版支持热备第一次是全量备份后续是增量备份性能社区版最多用到 4 个内核而企业能用到全部内核且对性能做了精心的优化支持企业版客户能得到 5X10 电话支持Neo4j 美国电话、邮件微云数聚电话、微信、邮件插件还有企业版可以使用Bloom、ETL这些工具。
第二章 Neo4j安装部署
Neo4j可以安装在许多环境中适用于不同的环境因此系统需求在很大程度上取决于软件的使用。 注意: Neo4j AuraDB是一个完全托管的Neo4j数据库托管在云中不需要安装。 Neo4j可以在Docker容器中运行。 2.1 系统需求
Neo4j在物理、虚拟或容器化平台上支持x86_64和ARM架构的系统具体相关系统需求如下图所示
系统项最低要求推荐配置备注CPUIntel Core i3Intel Core i7 、 IBM POWER8Memory2G16—32GB or moreDisk10GB SATASSD w/ SATA Express, or NVMeFileSystemEXT4 (or similar)EXT4、 ZFSSoftwareOpenJDK 8[1]、 Oracle Java 8 、IBM Java 811也支持但任何自定义都应该兼容jdk8Operating SystemUbuntu 18.04, 16.04, 14.04、Debian 10, 9, 8、CentOS 7, 6、Red Hat Enterprise Linux 7.9、Amazon Linux 2、Windows Server 2016支持Linux、MacOS、WindowsOSArchitecturesx86、OpenPOWER (POWER8)
2.2 安装部署
Neo4j支持Linux、MacOS、Windows等主流操作系统之上安装支持单机安装、集群安装部署等常见方式也支持使用Docker容器进行快速安装部署。
2.2.1 基于Linux的单机安装部署 下载Neo4j 官方下载https://neo4j.com/download-center/#community 包含社区版本和企业版本也包括rpm、yum源、apt源和压缩包等。 国内镜像下载https://we-yun.com/index.php/blog/releases-56.html 该地址有一些不完善也不太建议大家在该地方下载。 注意 1、Neo4j需要提前准备对应的JDK环境neo4j 3.5 要求Java8neo4j 4.x某些版本要求Java11neo4j 5.9要求Java 17此处略过安装JDK步骤。 2、本次课程采用neo4j 3.5.35版本操作系统使用Mac M1宿主机Centos 7.7操作系统。 上传安装包到服务器 使用任何工具或任何方式均可只要能将安装包放置到服务器中即可。 ╰$ scp /Users/liyadong/Desktop/neo4j-enterprise-3.5.35-unix.tar.gz qianfeng01:/home解压Neo4j #解压到/usr/local目录
[rootqianfeng01 neo4j-enterprise-3.5.35]# tar -zxvf /home/neo4j-enterprise-3.5.35-unix.tar.gz -C /usr/local/#进入neo4j目录
[rootqianfeng01 neo4j-enterprise-3.5.35]# cd /usr/local/neo4j-enterprise-3.5.35#列出目录及说明
[rootqianfeng01 neo4j-enterprise-3.5.35]# ll
总用量 180
drwxr-xr-x 3 root root 111 8月 9 2022 bin #neo4j的启停、管理、备份等操作命令
drwxr-xr-x 2 root root 41 8月 18 11:54 certificates
drwxr-xr-x 2 997 ssh_keys 62 8月 18 12:08 conf #默认neo4j配置目录
drwxr-xr-x 4 997 ssh_keys 35 8月 18 11:54 data #默认数据存储目录
drwxr-xr-x 2 997 ssh_keys 6 8月 9 2022 import #默认只能从该目录下导入数据文件
drwxr-xr-x 2 root root 12288 8月 18 11:12 lib #默认依赖库目录
-rw-r--r-- 1 997 ssh_keys 126887 8月 9 2022 LICENSES.txt
-rw-r--r-- 1 997 ssh_keys 22701 8月 9 2022 LICENSE.txt
drwxr-xr-x 2 997 ssh_keys 60 8月 18 11:54 logs #默认日志目录
drwxr-xr-x 2 root root 4096 8月 18 11:54 metrics
-rw-r--r-- 1 997 ssh_keys 135 8月 9 2022 NOTICE.txt
drwxr-xr-x 2 997 ssh_keys 24 8月 18 11:12 plugins #默认插件存储目录
-rw-r--r-- 1 997 ssh_keys 1676 8月 9 2022 README.txt
drwxr-xr-x 2 997 ssh_keys 23 8月 18 12:09 run #默认neo4j的PID存储目录
-rw-r--r-- 1 997 ssh_keys 92 8月 9 2022 UPGRADE.txt配置环境变量 #编辑全局环境变量配置文件
[rootqianfeng01 neo4j-enterprise-3.5.35]# vim /etc/profile
#追加如下内容
export NEO4J_HOME/usr/local/neo4j-enterprise-3.5.35
export PATH$PATH:$NEO4J_HOME/bin:#使环境变量生效
[rootqianfeng01 neo4j-enterprise-3.5.35]# source /etc/profile#测试环境变量
[rootqianfeng01 neo4j-enterprise-3.5.35]# which neo4j
/usr/local/neo4j-enterprise-3.5.35/bin/neo4jNeo4j配置 编辑安装目录下的./conf/neo4j.conf文件并修改如下内容 [rootqianfeng01 neo4j-enterprise-3.5.35]# vim ./conf/neo4j.conf#图数据库授权是否开启表示连接neo4j数据库是否需要密码
dbms.security.auth_enabledfalse#监听地址
dbms.connectors.default_listen_address192.168.10.101# Bolt connector
dbms.connector.bolt.enabledtrue
dbms.connector.bolt.tls_levelOPTIONAL
dbms.connector.bolt.listen_address:7687# HTTP Connector. There can be zero or one HTTP connectors.
dbms.connector.http.enabledtrue
dbms.connector.http.listen_address:7474# HTTPS Connector. There can be zero or one HTTPS connectors.
dbms.connector.https.enabledtrue
dbms.connector.https.listen_address:7473启动Neo4j [rootqianfeng01 neo4j-enterprise-3.5.35]# neo4j start
Active database: graph.db
Directories in use:home: /usr/local/neo4j-enterprise-3.5.35config: /usr/local/neo4j-enterprise-3.5.35/conflogs: /usr/local/neo4j-enterprise-3.5.35/logsplugins: /usr/local/neo4j-enterprise-3.5.35/pluginsimport: /usr/local/neo4j-enterprise-3.5.35/importdata: /usr/local/neo4j-enterprise-3.5.35/datacertificates: /usr/local/neo4j-enterprise-3.5.35/certificatesrun: /usr/local/neo4j-enterprise-3.5.35/run
Starting Neo4j.
Started neo4j (pid 27443). It is available at http://192.168.10.101:7474/
There may be a short delay until the server is ready.
See /usr/local/neo4j-enterprise-3.5.35/logs/neo4j.log for current status.注意 UseG1GC错误如下 Error: VM option UseG1GC is experimental and must be enabled via -XX:UnlockExperimentalVMOptions.
Error: Could not create the Java Virtual Machine.
Error: A fatal exception has occurred. Program will exit.#解决方法过滤含有UseG1GC文件并删除或者注释对应内容
[rootqianfeng01 neo4j-enterprise-3.5.35]# grep -r -i UseG1GC ./
#dbms.jvm.additional-XX:UseG1GC查看Neo4j服务 [rootqianfeng01 neo4j-enterprise-3.5.35]# jps
30680 CommercialEntryPoint
2814 Jps测试Neo4j的WebUI 访问地址为http://ip:7474 , 我的地址是http://192.168.10.101:7474 如果启动密码则默认的用户名和密码均是neo4j 点击Connect如下图所示 到此为止Web UI连接成功。
2.2.2 Windows安装Neo4j Windows控制台启动应用程序 选择下载Neo4j合适的ZIP压缩包,比如neo4j-enterprise-3.5.35-windows.zip解压对应的压缩包到某个Windows的目录即可进入Neo4j的安装目录执行安装目录下执行命令bin\neo4j.bat console ,该方式为前台启动。在控制台中输入Ctrl-C停止服务。 制作Neo4j的Window服务 Neo4j也可以作为Windows服务运行。使用bin\neo4j.bat Install -service安装该服务并使用bin\neo4j.bat start启动它。 选择下载Neo4j合适的ZIP压缩包,比如neo4j-enterprise-3.5.35-windows.zip 解压对应的压缩包到某个Windows的目录即可 进入Neo4j的安装目录 安装服务即注册其Neo4j的Window服务命令为:bin\neo4j.bat install-service 如果发生配置修改等可以更细服务命令为bin\neo4j.bat update-service 重启Neo4j命令如下bin\neo4j.bat restart 使用浏览器访问并测试是否可用。
2.2.3 Docker安装
Docker可以安装单机也可以安装集群总之安装方式都比较简单直接。Docker的安装省略下面是docker容器下Neo4j的单机版安装部署。
该映像提供的默认配置用于学习Neo4j但必须对其进行修改以使其适合生产使用。特别是Neo4j的默认内存分配非常有限(NEO4J_dbms_memory_pagecache_size512M和NEO4J_dbms_memory_heap_max__size512M)以允许多个容器在同一台服务器上运行。
有三种方法可以修改配置: 设置环境变量。在运行容器时将环境变量传递给容器。示例如下 docker run \--detach \--publish7474:7474 --publish7687:7687 \--volume$HOME/neo4j/data:/data \--volume$HOME/neo4j/logs:/logs \--env NEO4J_dbms_memory_pagecache_size4G \neo4j:3.5任何配置值都可以通过以下命名方案传递: 前缀为NEO4J_。 下划线必须写两次:写成_。 点号被转换为下划线: . 写成_。 例如dbms.tx_log.rotation。size可以通过向Docker指定以下参数来设置: --env NEO4J_dbms_tx__log_rotation_size挂载/conf卷。 要对Neo4j配置进行任意修改请向容器提供一个/conf卷。 docker run \--publish7474:7474 --publish7687:7687 \--volume$HOME/neo4j/data:/data \--volume$HOME/neo4j/logs:/logs \--volume$HOME/neo4j/conf:/conf \neo4j:3.5建立一个新的形象。 对于更复杂的映像定制您可以在此基础上创建一个新映像也可以将该映像进行配置、上传等处理。 FROM neo4j:3.52.2.4 集群安装部署
2.2.4.1 集群介绍
Neo4j的(Causal Clustering)因果集群提供了三个主要特性:
安全性:核心服务器为事务处理提供了一个容错平台当大多数核心服务器正常工作时该平台仍然可用。可伸缩:Read Replicas为图形查询提供了一个大规模可伸缩的平台使非常大的图形工作负载能够在广泛分布的拓扑结构中执行。因果一致性:当调用时保证客户端应用程序至少读取它自己的写入。
总之集群使得最终用户系统功能齐全既可以读取数据也可以写入数据。
从操作的角度来看将集群视为由两个不同的角色组成是很有用的:Core和Read Replica。如下图所示 这两个角色在任何生产部署中都是基础的但它们的管理规模不同在管理整个集群的容错性和可伸缩性方面承担不同的角色。
Core Servers
核心服务器的主要职责是保护数据。核心服务器通过使用Raft协议复制所有事务来实现这一点。Raft在确认事务提交给最终用户应用程序之前确保数据安全持久。在实践中这意味着一旦集群中的大多数核心服务器(N/2 1)接受了事务就可以安全地向最终用户应用程序确认提交。
安全要求对写延迟有影响。隐式写入将被最快的多数服务器确认但随着集群中核心服务器数量的增长确认写入所需的多数服务器的大小也会增加。
在实践中这意味着在典型的Core Server集群中有相对较少的机器足以为特定的部署提供足够的容错能力。这是用公式M 2F 1计算的其中M是容忍F个故障所需的核心服务器的数量。例如: 为了容忍2个核心服务器出现故障我们需要部署一个由5个核心组成的集群。 最小的容错集群即可以容错1个故障的集群必须有3个core。 也可以创建仅由2个核心组成的因果集群。然而该集群不会容错;如果2个服务器中的一个发生故障其余服务器将变为只读。 注意 如果Core Server集群遭受了足够多的故障无法再处理写操作它将变为只读以保证安全性。 Read Replicas
Read Replicas的主要职责是扩展图工作负载(Cypher查询、过程等)。Read Replicas就像核心服务器保护的数据的缓存但它们不是简单的键值缓存。事实上Read Replicas是完全成熟的Neo4j数据库能够实现任意(只读)图查询和过程。
读取副本通过事务日志传送从核心服务器异步复制。Read Replica将定期(通常在ms范围内)轮询核心服务器以查询自上次轮询以来处理的任何新事务核心服务器将这些事务发送给Read Replica。许多Read Replicas可以从相对较少的核心服务器中获取数据从而允许大量的查询工作负载进行扩展。
然而与核心服务器不同Read Replicas不参与集群拓扑的决策制定。Read Replicas通常应该以相对较大的数量运行并被视为一次性的。丢失一个Read Replica并不会影响集群的可用性只是会损失一部分图查询吞吐量。它不会影响集群的容错能力。
Causal consistency
因果一致性使得写入核心服务器(其中数据是安全的)并从read Replica(其中图形操作向外扩展)读取这些写入成为可能。例如因果一致性保证创建用户帐户的写操作在该用户随后尝试登录时仍然存在。 2.2.4.2 集群规划
主机名ip服务备注qianfeng01192.168.10.101CORE12G/2Cqianfeng02192.168.10.102CORE4G/2Cqianfeng03192.168.10.103CORE4G/2C
2.2.4.3 集群核心配置
集群主要配置如下
配置项描述dbms.connectors.default_listen_address本机用来侦听传入消息的地址或网络接口。将此值设置为“0.0.0.0”允许Neo4j绑定到任何可用的网络接口。dbms.connectors.default_advertised_address其他机器被告知要连接的地址。通常情况下应该将其设置为完全限定的域名或该服务器的IP地址。dbms.mode单个数据库实例的运行模式。对于因果集群有两种可能的模式:CORE 或READ_REPLICA 。causal_clustering.minimum_core_cluster_size_at_formation集群形成时核心机器的最小数量。如果没有此设置定义的内核数量集群将无法形成并且通常应该将其配置为完整和固定的数量。causal_clustering.minimum_core_cluster_size_at_runtime将存在于共识组中的核心实例的最小数量。causal_clustering.initial_discovery_members可用于引导此Core或Read Replica实例的一组初始Core集群成员的网络地址。在默认情况下初始发现成员以逗号分隔的地址/端口对列表的形式给出并且发现服务的默认端口为:5000 。最好在所有核心服务器上将此参数设置为相同的值。
2.4.4.4 集群部署 上传安装包到服务器 使用任何工具或任何方式均可只要能将安装包放置到服务器中即可。 ╰$ scp /Users/liyadong/Desktop/neo4j-enterprise-3.5.35-unix.tar.gz qianfeng01:/home解压Neo4j #解压到/usr/local目录
[rootqianfeng01 neo4j-enterprise-3.5.35]# tar -zxvf /home/neo4j-enterprise-3.5.35-unix.tar.gz -C /usr/local/#进入neo4j目录
[rootqianfeng01 neo4j-enterprise-3.5.35]# cd /usr/local/neo4j-enterprise-3.5.35Neo4j配置 编辑安装目录下的./conf/neo4j.conf文件并修改如下内容 [rootqianfeng01 neo4j-enterprise-3.5.35]# vim ./conf/neo4j.conf#*****************************************************************
# Network connector configuration
#*****************************************************************
dbms.connectors.default_listen_address0.0.0.0
dbms.connectors.default_advertised_addressqianfeng01#*****************************************************************
# Causal Clustering Configuration
#*****************************************************************
dbms.modeCORE
causal_clustering.minimum_core_cluster_size_at_formation3
causal_clustering.minimum_core_cluster_size_at_runtime3
causal_clustering.initial_discovery_membersqianfeng01:5000,qianfeng02:5000,qianfeng03:5000分发Neo4j安装目录到其他服务器 [rootqianfeng01 neo4j-enterprise-3.5.35]# scp -r /usr/local/neo4j-enterprise-3.5.35 qianfeng02:/usr/local/
[rootqianfeng01 neo4j-enterprise-3.5.35]# scp -r /usr/local/neo4j-enterprise-3.5.35 qianfeng03:/usr/local/修改刚分发的Neo4j配置 主要是修改其他服务器的这儿主要是qianfeng02和qianfeng03服务器的配置。修改的内容都相似将dbms.connectors.default_advertised_address修改成对应的主机名或IP或域名即可。 [rootqianfeng02 neo4j-enterprise-3.5.35]# vim ./conf/neo4j.conf
dbms.connectors.default_advertised_addressqianfeng02[rootqianfeng03 neo4j-enterprise-3.5.35]# vim ./conf/neo4j.conf
dbms.connectors.default_advertised_addressqianfeng03配置环境变量(规划中的每台服务器都要执行) #编辑全局环境变量配置文件
[rootqianfeng01 neo4j-enterprise-3.5.35]# vim /etc/profile
#追加如下内容
export NEO4J_HOME/usr/local/neo4j-enterprise-3.5.35
export PATH$PATH:$NEO4J_HOME/bin:#使环境变量生效
[rootqianfeng01 neo4j-enterprise-3.5.35]# source /etc/profile#测试环境变量
[rootqianfeng01 neo4j-enterprise-3.5.35]# which neo4j
/usr/local/neo4j-enterprise-3.5.35/bin/neo4j启动Neo4j 每台服务器都需要独立启动Neo4j启动顺序无关紧要。 [rootqianfeng01 neo4j-enterprise-3.5.35]# neo4j start[rootqianfeng02 neo4j-enterprise-3.5.35]# neo4j start[rootqianfeng03 neo4j-enterprise-3.5.35]# neo4j start注意 UseG1GC错误如下 Error: VM option UseG1GC is experimental and must be enabled via -XX:UnlockExperimentalVMOptions.
Error: Could not create the Java Virtual Machine.
Error: A fatal exception has occurred. Program will exit.#解决方法过滤含有UseG1GC文件并删除或者注释对应内容
[rootqianfeng01 neo4j-enterprise-3.5.35]# grep -r -i UseG1GC ./
#dbms.jvm.additional-XX:UseG1GC查看Neo4j服务 [rootqianfeng01 neo4j-enterprise-3.5.35]# jps
14535 CommercialEntryPoint
15067 Jps[rootqianfeng02 neo4j-enterprise-3.5.35]# jps
27808 Jps
27743 CommercialEntryPoint[rootqianfeng03 neo4j-enterprise-3.5.35]# jps
5178 CommercialEntryPoint
5231 Jps查看集群信息 neo4j如果没有对用户和密码做配置默认用户名和密码都是neo4j。连接成功后将会修改密码。 地址http://192.168.10.101:7474/browser/ 地址http://192.168.10.102:7474/browser/ 地址http://192.168.10.103:7474/browser/ 点击登录后修改密码 连接成功如下 在连接成功之后我们可以连接到任何实例并运行CALL dbms.cluster.overview()来检查集群的状态。这将显示关于集群中每个成员的信息。具体如下图所示 到此为止我们的Neo4j集群安装部署成功。
2.4.4.5 添加Core Server
新服务器将与现有集群集成一旦从同级服务器复制了数据就可以使用。如果现有集群包含大量数据则新实例执行复制可能需要一些时间。
如果新服务器打算成为集群的永久成员最好的做法是更新causal_cluster。集群中所有服务器上的Initial_discovery_members以包含新服务器。
编辑Neo4j安装目录下的./conf/neo4j.conf文件并修改如下内容
[rootqianfeng01 neo4j-enterprise-3.5.35]# vim ./conf/neo4j.conf#*****************************************************************
# Network connector configuration
#*****************************************************************
dbms.connectors.default_listen_address0.0.0.0
dbms.connectors.default_advertised_addressqianfeng04#*****************************************************************
# Causal Clustering Configuration
#*****************************************************************
dbms.modeCORE
causal_clustering.minimum_core_cluster_size_at_formation3
causal_clustering.minimum_core_cluster_size_at_runtime3
causal_clustering.initial_discovery_membersqianfeng01:5000,qianfeng02:5000,qianfeng03:5000注意 配置与前面的服务器非常相似。在本例中新服务器不打算成为集群的永久成员因此它不包含在causal_cluster .initial_discovery_members中。配置好后可以启动新的核心服务器并让它将自己添加到现有的集群中。 2.4.4.6 添加Read Replica到集群
通过neo4j.conf提供了与核心服务器类似的初始读副本配置。由于读副本不参与集群仲裁决策因此它们的配置更短;他们只需要知道一些核心服务器的地址他们可以绑定到这些服务器以便发现集群。然后他们可以选择一个合适的核心服务器从中复制数据。
编辑Neo4j安装目录下的./conf/neo4j.conf文件并修改如下内容
dbms.modeREAD_REPLICA
causal_clustering.initial_discovery_membersqianfeng01:5000,qianfeng02:5000,qianfeng03:50002.4.4.7 移除核心服务
可以使用neo4j-admin unbind命令将核心服务器降级为独立实例。
一旦服务器从集群中解绑定存储文件就相当于Neo4j独立实例。从这里开始这些文件可以通过在SINGLE模式下重新启动来运行独立实例。
核心服务器实例的磁盘状态与独立服务器实例的磁盘状态不同。重要的是要理解一旦实例从集群解除绑定它就不能与该集群重新集成。这是因为集群和单个实例现在都是独立的数据库对它们应用了不同且不可调和的写操作。从技术上讲集群将有写入条目到其Raft日志而独立实例将直接写入事务日志(因为在独立实例中没有Raft日志)。
如果我们尝试将独立实例重新插入到集群中那么日志和存储将不匹配。运营商不应抱着将数据复制的乐观希望试图将独立的数据库合并到集群中。这种情况不会发生而且很可能导致不可预测的集群行为。
第三章 Neo4j操作
3.1 Cypher介绍
Cypher 是 Neo4j 的一种声明式图形查询语言允许用户从图形数据库中高效的存储和检索数据。它是一种声明式的、受 SQL 启发的语言。语法提供了一种视觉和逻辑方式来匹配图中节点和关系的模式。Cypher 旨在让每个人都易于学习、理解和使用而且还融合了其他标准数据访问语言的强大功能。
它的设计适合于开发人员和操作专业人员。Cypher的设计简单但功能强大;高度复杂的数据库查询可以很容易地表达使您能够专注于业务而不是迷失在数据库访问中。
Cypher借用了SQL的结构——使用不同的子句构建查询。子句被链接在一起它们在彼此之间提供中间结果集。例如一个MATCH子句中的匹配变量将是下一个子句存在的上下文。查询语言由几个不同的子句组成。常用的Cypher命令如下
常用的Neo4j CQL命令如下
CQL命令用法CREATE创建节点关系和属性MATCH检索有关节点关系和属性数据RETURN返回查询结果WHERE提供条件过滤检索数据DELETE删除节点和关系REMOVE删除节点和关系的属性ORDER BY排序检索数据SET添加或更新标签
很多命令都是组合使用而不是独立的字句部分字句能独立应用一部分也不能独立应用。例如下面就是查询命令的组合:
MATCH要匹配的图形模式。这是从图中获取数据的最常用方法。WHERE不是独立的子句而是MATCH、OPTIONAL MATCH和WITH的一部分。向模式添加约束或过滤通过WITH传递的中间结果。RETURN返回结果。
3.2 语法 节点语法 Cypher 使用一对括号来表示一个节点(). 这让人想起带有圆形端盖的圆形或矩形。下面是一些节点示例提供了不同类型和变量的细节 ()
(matrix)
(:Movie)
(matrix:Movie)
(matrix:Movie {title: zhangsan})
(matrix:Movie {title: zhangsan, released: 2007})()代表一个匿名的、无特征的节点。 (matrix)其中matrix为添加的变量变量作用范围仅限于单个语句(单个语句可被调用)。它在另一个陈述中可能具有不同的含义或没有含义。 :Movie模式声明了节点的标签。这允许我们使用限制模式。 title或released节点的属性表示为键值对列表括在一对大括号内例如{name: goudan}。属性可用于存储信息和/或限制模式。 关系语法 Cypher 使用一对破折号 ( --) 表示无向关系定向关系的一端有一个箭头 ( --, --)括号表达式 ( [...]) 可用于添加详细信息这可能包括变量、属性和类型信息 --
--
-[role]-
-[:ACTED_IN]-
-[role:ACTED_IN]-
-[role:ACTED_IN {roles: [Neo]}]-关系的括号对中的语法和语义与节点括号之间使用的语法和语义非常相似。role可以定义一个变量例如role以便在语句的其他地方使用。关系的类型例如:ACTED_IN类似于节点的标签。属性例如roles完全等同于节点属性。 模式语法 结合节点和关系的语法我们可以表达模式。以下可能是该领域中的一个简单模式或事实 (keanu:Person:Actor {name: zhangsan})-[role:ACTED_IN {roles: [Neo]}]-(matrix:Movie {title: goudan})Actor相当于节点标签:ACTED_IN模式声明了关系的关系类型。变量例如role可以在语句的其他地方使用来指代关系。 如同节点属性关系属性被表示为一对大括号括起来例如键/值对的列表{roles: [Neo]}。在这种情况下我们为 使用了一个数组属性roles允许指定多个角色。属性可用于存储信息和/或限制模式。 模式变量 为了增加模块化并减少重复Cypher 允许将模式分配给变量。这允许检查匹配路径用于其他表达式等。 acted_in (:Person)-[:ACTED_IN]-(:Movie)该acted_in变量将包含两个节点以及找到或创建的每条路径的连接关系。有多项功能的路径例如访问细节nodes(path)relationships(path)和length(path)。 规则 Cypher 语句通常有多个子句每个子句执行一个特定的任务例如 在图中创建和匹配模式过滤、投影、排序或分页结果撰写部分陈述 通过组合 Cypher 子句我们可以组合更复杂的语句来表达我们想要知道或创建的内容。
3.3 图数据库操作
3.3.1 CREATE命令 简单创建 // CREATE命令语法
CREATE (node-name:label-name)创建()空节点。 create ()创建“Employee”节点。节点名emp 标签Employee CREATE (emp:Employee)创建“Dept”节点。节点名dept 标签Dept CREATE (dept:Dept)创建“Dept”节点。节点名dept1 标签Dept设置depId属性 CREATE (dept1:Dept) SET dept1.depId1复杂创建 // 语法
CREATE (node-name:label-name{ Property1-name:Property1-Value........Propertyn-name:Propertyn-Value}
)注意: Property1-name不能使用单引号或者双引号包裹。 创建具有一些属性deptnodnamelocation的Dept节点。 CREATE (dept:Dept { deptno:10,dname:BigData,location:beijing })创建具有一些属性idnamesaldeptno的Employee节点。 CREATE (emp:Employee{id:123,name:goudan,sal:35000,deptno:10})为“Cinema”节点创建多个标签名称。 CREATE (m:Movie:Cinema:Film:Picture)创建多节点、标签、属性等。 CREATE (john:Person {name: John})
CREATE (joe:Person {name: Joe})
CREATE (steve:Person {name: Steve})
CREATE (sara:Person {name: Sara})
CREATE (maria:Person {name: Maria})
CREATE (john)-[:FRIEND]-(joe)-[:FRIEND]-(steve)
CREATE (john)-[:FRIEND]-(sara)-[:FRIEND]-(maria)3.3.2 CREATE创建关系
// 语法
CREATE (node1-name:label1-name)-[(relationship-name:relationship-label-name)]-(node2-name:label2-name)创建p1-p2的关系。
CREATE (p1:Profile1)-[r1:LIKES]-(p2:Profile2)创建具有节点、节点属性、关系、关系属性、变量。
CREATE (a:Person {name: Tom Hanks, born: 1956})-[r:ACTED_IN {roles: [Forrest]}]-(m:Movie {title: Forrest Gump, released: 1994})
CREATE (d:Person {name: Robert Zemeckis, born: 1951})-[:DIRECTED]-(m)先创建节点再创建关系
CREATE (a:Person{name:Tom}), (b:Person{name:Jerry})
CREATE (a)-[r:Like]-(b)3.3.3 MATCH查询语句
CQL MATCH 命令用于从数据库获取有关节点和属性的数据从数据库获取有关节点关系和属性的数据等。
// 语法
MATCH
(node-name:label-name
)注意 不能单独使用 MATCH 命令从数据库检索数据否则会报错。MATCH通常需要和return等其他语句搭配使用。 例如MATCH (dept:Dept)将返回如下错误
匹配dept并将其返回
MATCH (dept:Dept) return dept查找名为“John”的用户和“John”的朋友(尽管不是他的直接朋友)然后返回“John”和找到的任何朋友的朋友。
MATCH (john {name: John})-[:FRIEND]-()-[:FRIEND]-(fof)
RETURN john.name, fof.name3.3.4 RETURN语句
Neo4j CQL RETURN子句主要用于
检索节点的某些属性检索节点的所有属性检索节点和关联关系的某些属性检索节点和关联关系的所有属性
// 语法
RETURN node-name.property1-name,........node-name.propertyn-name注意 不能单独使用RETURN子句。我们应该结合MATCH使用或CREATE命令。返回单个属性时不能以图方式展示。 检索结点某个属性
MATCH(dept:Dept) RETURN dept.dname查询节点多个属性
MATCH(dept:Dept) RETURN dept.dname,dept.deptno创建节点时并返回对应的节点
create (stu:Student {name:goudan,age:18,isWedding:false})
return stu查询所有节点
match (a) return a匹配所有节点并且关系为:FRIEND的图
MATCH (a) -[:FRIEND]-()
RETURN a匹配所有节点和所有关系的节点
MATCH (a)-[r]-()
RETURN a3.3.5 LOAD CSV 准备employee.csv到$NEO4J_HOME/import/employee.csv目录下 age,depId,gender,name,salary
25,1,male,Leo,20000.126
25,1,male,Leo,20000.126
30,2,female,Marry,25000.0
35,1,male,Jack,15000.0
42,3,male,Tom,18000.0
30,2,female,Marry,25000.0
21,3,female,Kattie,21000.0
19,2,male,Jen,8000.0
30,2,female,Jen,28000.0
42,3,male,Tom,18000.0
35,1,male,Jack,15000.0
18,3,female,XiaoFang,58000.0
42,3,male,Tom,18000.0
21,3,female,Kattie,21000.0
19,2,male,Jen,8000.0
30,2,female,Jen,28000.0
42,3,male,Tom,18000.0
18,3,female,XiaoFang,58000.0
25,1,male,Leo,20000.126
30,2,female,Marry,25000.0
35,1,male,Jack,15000.0
42,3,male,Tom,18000.0
21,3,female,Kattie,21000.0
19,2,male,Jen,8000.0
30,2,female,Jen,28000.0
42,3,male,Tom,18000.0
18,3,female,XiaoFang,58000.0
25,1,male,Leo,20000.126
30,2,female,Marry,25000.0
35,1,male,Jack,15000.0
42,3,male,Tom,18000.0
21,3,female,Kattie,21000.0
19,2,male,Jen,8000.0
30,2,female,Jen,28000.0
42,3,male,Tom,18000.0
18,3,female,XiaoFang,58000.0CQL导入 LOAD CSV WITH HEADERS FROM file:///employee.csv AS line FIELDTERMINATOR ,
CREATE (:Employee { age:toInteger(line.age) ,depId: toInteger(line.depId), gender: line.gender,name:line.name,salary:toFloat(line.salary)})查询 MATCH (n:Employee) RETURN n.name,n.age,n.depId,n.gender,n.salary LIMIT 53.3.6 WHERE条件语句
像SQL一样Neo4j CQL在CQL MATCH命令中提供了WHERE子句来过滤MATCH查询的结果。 简单过滤 // 语法
WHERE condition复杂过滤 // 语法
WHERE condition boolean-operator conditionNeo4j支持以下布尔运算符在Neo4j CQL WHERE子句中使用以支持多个条件。 布尔运算符含义备注AND同时满足条件OR满足其中一个条件NOTXORNeo4j 支持以下的比较运算符在 Neo4j CQL WHERE 子句中使用来支持条件。 布尔运算符含义备注等于不等小于大于小于等于大于等于Neo4j还支持使用正则表达式~ regexp’查询。例如查询name以J开头的用户match (n) where n.name ~‘J.*’ return n 。 查询男性雇员 MATCH (n:Employee)
WHERE n.gendermale
RETURN n.name,n.age,n.depId,n.gender,n.salary
LIMIT 5查询男性并且薪水高于15000的雇员
MATCH (n:Employee)
WHERE n.gendermale AND n.salary15000
RETURN n.name,n.age,n.depId,n.gender,n.salary
LIMIT 5查询男性并且薪水高于15000的雇员不含重复数据且按薪水排序
MATCH (n:Employee)
WHERE n.gendermale AND n.salary15000
RETURN DISTINCT n.name,n.age,n.depId,n.gender,n.salary
ORDER BY n.salary使用匹配正则表达式~ ‘regexp’, 查询以Le开头的名称
match (e:Employee)
where e.name~Le.*
return e多个节点关联查询
// 先创建节点
create (stu1:Student{id:1,name:ls,age:12})
create (stuInfo1:StudentInfo{id:1,gender:Famle,addr:beijing})
// 关联查询
match (stu:Student),(info:StudentInfo) where stu.id info.id return stu,infowhere创建关系
// 语法
MATCH (node1-label-name:node1-name),(node2-label-name:node2-name)
WHERE condition
CREATE (node1-label-name)-[relationship-label-name:relationship-name{relationship-properties}]-(node2-label-name) // 对查询出来的数据创建关系
match (stu:Student),(info:StudentInfo) where stu.id info.id
create (stu)-[r:属于{createDate:2023-8-18}]-(info)
return stu,info 3.3.7 IN操作
与SQL一样Neo4j CQL提供了一个IN运算符以便为CQL命令提供值的集合。
// 语法
IN[Collection-of-values]查询年龄为18,19,30的员工
match (e:Employee) where e.age in [18,19,30] return e3.3.8 SET子句
有时根据我们的客户端要求我们需要向现有节点或关系添加新属性。要实现此功能Neo4j CQL 提供了一个SET子句。SET 子
向现有节点或关系添加新属性添加或更新属性值
// 语法
SET property-name-list注意 SET通常需要和MATCH搭配使用它没有创建新节点的功能MATCH查询不出来节点则不能更新或者添加属性。 更新多个属性
match (s:Student)
where s.id1
set s.age16,s.namelisi
return s添加新属性
match (s:Student)
set s.locationbeijing
return s3.3.9 ORDER BY排序
Neo4j CQL在MATCH命令中提供了“ORDER BY”子句对MATCH查询返回的结果进行排序可以按升序或降序对行进行排序。
默认情况下它按升序对行进行排序。 如果我们要按降序对它们进行排序我们需要使用DESC子句。
// 语法
ORDER BY property-name-list [ASC|DESC]查询学生并按照年龄降序排序
match (s:Student)
return s
order by s.age desc3.3.10 LIMIT SKIP子句
Neo4j CQL已提供“LIMIT”子句来过滤或限制查询返回的行数。 它修剪CQL查询结果集底部的结果。
如果我们要修整CQL查询结果集顶部的结果那么我们应该使用CQL SKIP子句。
// 语法
...
return x
[skip m]
[limit n]单独limit使用
match (s:Student)
return s
limit 1单独使用skip
match (s:Student) return s skip 1使用skip结合limit达到分页效果
match (s:Student) return s skip 1 limit 13.3.11 UNION UNION ALL
与SQL一样Neo4j CQL有两个子句将两个不同的结果合并成一组结果 UNION 合并两个结果集或多个结果集到一个结果集。 合并时将去重。 要求结果列类型和来自两组结果的名称必须匹配这意味着列名称应该相同列的数据类型应该相同。 // 语法
MATCH Command1UNION
MATCH Command2合并employee和student中的name和age属性,并去重 match (e:Employee)
return e.name as name,e.age as age
union
match (s:Student)
return s.name as name,s.age as ageUNION ALL 除了合并时不去重之外其他的和UNION是一摸一样。 // 语法
MATCH Command1
UNION ALL
MATCH Command2合并employee和student中的name和age属性,不去重 match (e:Employee)
return e.name as name,e.age as age
union
match (s:Student)
return s.name as name,s.age as age注意 如果这两个查询不返回相同的列名和数据类型那么它抛出一个错误。可以使用as 来处理不同的别名。 3.3.12 MERGE合并
Neo4j使用CQL MERGE命令主要作用
创建节点关系和属性为从数据库检索数据
MERGE命令是CREATE命令和MATCH命令的组合MERGE CREATE MATCH
// 语法
MERGE (node-name:label-name
{Property1-name:Prorty1-Value.....Propertyn-name:Propertyn-Value
})合并Student用户
merge (s:Student{id:2,name:cuihua})合并Student用户
merge (s:Student{id:2,name:cuihua})注意 Neo4j CQL MERGE命令语法与CQL CREATE命令类似。如果Node不存在则merge就新建如果存在就不处理。如果Node存在但属性不存在则是创建新的Node并添加相应属性。 3.3.13 NULL值
Neo4j CQL将空值视为节点或关系的属性的缺失值或未定义值。
当我们创建一个节点标签名称但未指定其属性值的节点时它将创建一个具有NULL属性值的新节点。
create (s:Student) return s使用null值作为查询条件
match (s:Student) where s.name is not null return s注意 还可以用null 作为查询的条件,比如where s.name is null 或者 where s.name is not null 3.3.14 DELETE语句
Neo4j使用CQL DELETE子句
删除节点。删除节点及相关节点和关系。
// 语法
match ...
DELETE node-name-list删除employee的所有节点
match (e:Employee) delete e删除Profile1指向Profile2的所有关系
MATCH (n:Profile1)-[r]-(m:Profile2)
where r is not null
return r删除节点及其关系直接使用DETACH DELETE命令即可删除节点和关系
MATCH (a:Person{name:Tom})-[r:Like]-(b:Person{name:Jerry})
DETACH DELETE a批量删除某类型关系
MATCH (a)-[r:Friends]-(b) //找到所有的Friends类型的关系
where r is not null //也可以根据关系的其他属性来过滤
DELETE r当需要删除大量关系时使用单条DELETE命令会很慢可以使用以下命令来批量删除
MATCH (a)-[r:Friends]-(b)
WITH r LIMIT 10000 //with是传递结果集限制每次处理10000条这样就可以每次处理10000条提高删除效率。
DELETE r
RETURN COUNT(r)删除所有节点
match (n) delete n注意 不能直接使用delet语句比如delete (s:Student)。可以使用逗号 运算符来分隔节点名有关系的节点不能删除需要先把关系删除了才能删除节点。 3.3.15 REMOVE语句
Neo4j CQL REMOVE子句可以删除节点或关系的现有属性。
Neo4j CQL REMOVE命令用于
删除节点或关系的标签删除节点或关系的属性
Neo4j CQL DELETE和REMOVE命令之间的主要区别
DELETE操作用于删除节点和关联关系。REMOVE操作用于删除标签和属性。
Neo4j CQL DELETE和REMOVE命令之间的相似性
这两个命令不应单独使用。两个命令都应该与MATCH命令一起使用。
删除节点属性
match (d:Dept) remove d.location return d 删除关系属性
// 创建节点和关系
create (s:Student{name:stu}) -[r:belown{createDate:2023-8-18,creator:zs}]-(si:StudentInfo{name:si})
create (s:Student{name:stu}) -[r:belown{createDate:2023-8-18,creator:zs}]-(si:StudentInfo{name:si})
// 删除对应属性
match (s:Student) -[r:belown] - (si:StudentInfo) remove r.creator return r 删除满足条件的标签
match (d:Dept{depId:1}) remove d:Dept return d删除所有标签
match (d:Dept) remove d:Dept return d3.4 函数
3.4.1 函数介绍
与SQL类似Cypher也支持函数并且函数类型非常丰富大多数的函数和SQL都很类似Cypher函数分类具体如下
判断函数标量函数聚合函数列表函数数学函数-数值对数三角函数字符串函数时间函数-即时类型持续时间空间函数自定义函数 注意 函数如果输入参数为null则返回null。以字符串作为输入的函数都对Unicode字符进行操作而不是对标准char []操作。例如size()函数应用于任何Unicode字符将返回1即使该字符不适合一个16位字符。 3.4.2 判定函数
对给定的输入返回true或false的布尔值主要用于查询WHERE的部分过滤子图所有这些函数都都可以放到where或return等语句中。
FunctionDescription语法all()判断一个断言是否适用于列表中的所有元素all(variable IN list WHERE predicate)any()判断是否一个断言至少适用于列表中的一个元素exists()如果数据库中存在该模式或节点存在该属性时返回trueexists(pattern-or-property)none()断言不适合用于列表中的任何元素则返回truesingle()断言刚好只适用于列表中的某一元素则返回true
案例
// 断言所有节点都必须具有age属性并且age属性值都必须大于30
MATCH p (a)
WHERE a.name Tom and ALL(x IN nodes(p) WHERE x.age 30)
RETURN p // 判断存在name属性的节点,返回是否name和是否存在朋友
MATCH (n)
WHERE exists(n.name)
RETURN n.name AS name, exists((n)-[:FRIEND]-()) AS is_friend 3.4.3 标量函数
返回一个单值通常是输入一行返回一行。
FunctionDescription语法coalesce()返回表达式列表中第一个非空的值如果所有的实参都为空则返回nullcoalesce(expression [, expression]*)endNode()返回一个关系的结束节点endNode(relationship)head()返回列表中的第一个元素head(list)id()返回元素数据或关系的id标识last()返回列表中的最后一个元素last(expression)length()返回路径字符串的长度properties()将实参转换成属性值的map实参可以是节点或关系randomUUID()返回随机生成的UUID字符串值。size()返回列表中元素的个数size(list)size() applied to pattern expression返回匹配模式的个数size() applied to string返回字符串中Unicode字符的个数startNode()回一个关系的开始节点timestamp()返回当前时间戳毫秒为单位。toBoolean()将字符串值转换为布尔值toFloat()将整数或字符串值转换为浮点数toInteger()将浮点值或字符串值转换为整数值type()返回关系的类型
案例
// 返回nameTom的name和age属性中第一个非空的属性的值
MATCH (a)
where a.name Tom
RETURN coalesce(a.name, a.age)//查找name为Tom Hanks的关系的开始节点和结束节点
MATCH (n:Person{name:Tom Hanks})-[r]-(m)
RETURN startNode(r), endNode(r)//返回[:属于]关系的节点列表中的第一个数据和最后一个数据
match p(a)-[:属于]-(b)
return nodes(p),head(nodes(p)),last(nodes(p))// 返回匹配到节点的所有属性名与属性值
CREATE (p:Person{name:Stefan, city:Berlin})
RETURN properties(p)// 返回匹配到节点的所有属性名与属性值
CREATE (p:Person{name:Tom, city:depId})
RETURN properties(p)// 返回模式表达式匹配到的查询结果集计算的是结果集元素的个数
MATCH(a)
WHERE a.name John
RETURN size((a)--()) AS rs// 返回匹配到路径的长度
MATCH p (a)--(b)--(c)
WHERE a.name John
RETURN length(p)// 返回字符串的长度
MATCH (a)
WHERE length(a.name) 8
RETURN a.name,length(a.name)// 将字符串转换为boolean类型解析失败返回null
return toBoolean(abc)//转int和float类型解析失败返回null
RETURN toInt(66), toFloat(666)// 获取节点的id值
MATCH (a)
RETURN id(a)//获取节点关系类型
MATCH (n)-[r]-()
WHERE n.name John
RETURN type(r)3.4.4 聚合函数
这些函数接受多个值作为参数并从中计算和返回聚合值。
FunctionDescriptionavg() - Numeric values返回一系列数据平均值collect()返回包含表达式返回值的列表count()返回行数max()返回最大值min()sum() - Numeric values返回总和
案例
//返回Employee的平均年龄、总行数、最大年龄、最小年龄、年龄总和
match (a:Employee)
return avg(a.age),count(a),max(a.age),min(a.age),sum(a.age)//返回Person的name列表
MATCH (n:Person)
RETURN collect(n.name)3.4.5 列表函数
这些函数返回其他值的列表。
FunctionDescription语法extract()从节点或关系列表中返回单个属性或者某个函数的值这将遍历整个列表针对每一个元素运行表达式并返回结果列表extract(variable IN list expression)filter()返回列表中满足条件的所有元素filter(variable IN list WHERE predicate)keys()返回节点或关系或map上所有的key名keys(expression)labels()返回查询元素中所有的标签labels(node)nodes()返回查询路径中所有的节点nodes(path)range()返回一个范围内的数字步长默认为1包含起始的边界值range(start, end [, step])reduce()对列表中的元素执行一个表达式并将结果存入累加器中reduce(accumulator initial, variable IN list expression)relationships()返回一条路径中所有的关系relationships(path)reverse()返回一个原始列表的倒序列表tail()返回除了首元素以外的所有元素tail(list)
案例
//返回关系中节点属性
MATCH p (a)--(b)--(c)
WHERE a.name John and b.name Joe and c.name Steve
RETURN extract(n IN nodes(p)|n.name) AS extracted// 返回array属性元素字符数为3的列表
MATCH(a)
WHERE a.name Jhon
RETURN filter(x IN a.array WHERE size(x) 3)// 将路径中的节点的keys、labels和关系属性返回
MATCH p (a)--(b)
RETURN keys(a),labels(b),relationships(p)// 将路径中所有节点的id都加起来返回一个单值
MATCH p (a)--(b)--(c)
WHERE a.name John AND b.name Joe AND c.name Steve
RETURN reduce(count 0, n IN nodes(p)|count id(n)) AS reduction//返回range生成列表的倒序的除首位元素的所有元素
return tail(reverse(range(0,10,2)))3.4.6 字符串函数
这些函数用于操作字符串或创建另一个值的字符串表示形式。
FunctionDescriptionleft()返回左半部分指定长度的字符串lTrim()返回原字符串移除左侧的空白字符后的字符串replace()字符串替换reverse()返回原字符串的倒序字符串right()返回右半部分指定长度的字符串rTrim()返回移除原字符串右侧的空白字符字符串split()返回以指定模式分隔后的字符串序列substring()字符串子串接受一个字符串开始索引位置长度toLower()返回转小写的字符串toString()将整数、浮点数、布尔值或时间类型(即日期、时间、LocalTime、DateTime、LocalDateTime或Duration)的值转换为字符串toUpper()返回转大写的字符串trim()返回移除左右两端的空白字符的字符串
3.4.7 数学函数
进行数学运算的函数
FunctionDescriptionabs()返回数值的绝对值ceil()向上取整floor()向下取整rand()返回[0,1)之间的一个随机数round()返回给定数字四舍五入到最接近的整数的值sign()返回一个数值的正负正为1复为-1零则为0
其他还有三角函数比如sin()、cos()、asin()、acos()、pi()等
其他还有对数函数比如sqrt()、e()、exp()、log()、log10()
3.4.8 时间函数
时间类型(Date、Time、LocalTime、DateTime和LocalDateTime)的值可以使用以下函数创建和操作:
FunctionDescriptiondate()返回当前日期[date({year , month, day]})返回指定格式日期[date({year , week, dayOfWeek]})返回指定表达式中的周、周的第几天[date({year , quarter, dayOfQuarter]})返回指定格式的季度date(string)字符串解析成datedatetime()返回当前日期时间
除了上述的还有很多的即时时间函数。比如以datetime()扩展、以localdatetime()扩展、time()扩展和localtime()等扩展。
除了即时时间还有一类是持续时间主要以duration()扩展有固定的格式比如表示都以P开头具体如下 3.4.9 空间函数
这些函数用于指定地理或笛卡尔坐标参考系中的2D或3D点并计算两点之间的测地线距离。
FunctionDescriptiondistance()返回同一坐标系中任意两点之间的距离point() - Cartesian 2D给定两个点坐标值返回一个2维对象point() - Cartesian 3D给定3个坐标值返回3维坐标对象point() - WGS 84 2D根据WGS 84地理坐标系中的2个坐标值返回一个2D点对象point() - WGS 84 3D根据WGS 84地理坐标系中的3个坐标值返回一个3D点对象
3.4.10 用户自定义函数
用户定义函数用Java编写部署到数据库中并以与任何其他Cypher函数相同的方式调用。可以开发和使用的函数主要有两种类型:
TypeDescriptionUsageDevelopingScalar一行返回一个值Using UDFExtending Neo4j (UDF)Aggregating给多行返回一行Using aggregating UDFExtending Neo4j (Aggregating UDF) 创建自定义标量函数 用户定义函数的创建方式与过程的创建方式类似但使用UserFunction进行注释并且返回单个值而不是返回值流。 package example;import org.junit.Rule;
import org.junit.Test;
import org.neo4j.driver.v1.*;
import org.neo4j.harness.junit.Neo4jRule;import static org.hamcrest.core.IsEqual.equalTo;
import static org.junit.Assert.assertThat;public class JoinTest
{// This rule starts a Neo4j instanceRulepublic Neo4jRule neo4j new Neo4jRule()// This is the function to test.withFunction( Join.class );Testpublic void shouldAllowIndexingAndFindingANode() throws Throwable{// This is in a try-block, to make sure you close the driver after the testtry( Driver driver GraphDatabase.driver( neo4j.boltURI() , Config.build().withEncryptionLevel( Config.EncryptionLevel.NONE ).toConfig() ) ){// GivenSession session driver.session();// WhenString result session.run( RETURN example.join([Hello, World]) AS result).single().get(result).asString();// ThenassertThat( result, equalTo( Hello,World ) );}}
}调用自定义标量函数 用户定义函数的调用方式与任何其他Cypher函数相同。函数名必须是完全限定的因此在包org.neo4j中定义的名为join的函数。可以使用以下方式调用示例: MATCH (p: Person) WHERE p.age 36
RETURN org.neo4j.examples.join(collect(p.names))第四章 Neo4j Admin
4.1 备份与恢复
neo4j目前有三种备份方式
Java在线备份通过Java程序可在neo4j启动状态下备份数据也可远程备份社区版本目前不支持neo4j-admin工具可在neo4j数据库关闭情况下本地备份neo4j-backup工具可在neo4j启动状态下在线备份可远程备份。 单机备份 采用以上备份之前需要在conf/neo4j.conf中配置如下内容 Parameter nameDefault valueDescriptiondbms.backup.enabledtrue启用在线备份支持dbms.backup.address127.0.0.1:6362-6372在线备份监听地址从指定服务器进行备份 在此配置中备份客户端在单独的服务器上运行。这是单机数据库的推荐配置。 运行备份客户端的服务器必须安装Neo4j但不需要托管数据库。 强烈建议从不同于生产服务器的服务器上运行备份。 在本机服务器进行备份 在此配置中备份程序运行在承载Neo4j生产数据库的同一台服务器上。 当备份程序启动时它将启动一个新的Java进程。如果有一个正在运行的Neo4j数据库它将与Neo4j进程并行运行。在生产系统上Neo4j通常被配置为最大限度地利用系统的可用RAM。如果在生产系统上运行备份则整体性能可能会受到负面影响在极端情况下可能会导致内存不足错误。 因此强烈建议从与生产服务器不同的服务器上运行备份。如果不可能使用单独的备份服务器则可以通过显式定义为备份进程分配多少内存来控制对生产系统的影响。 集群备份 采用以上备份之前需要在conf/neo4j.conf中配置如下内容 Parameter nameDefault valueDescriptiondbms.backup.enabledtruedbms.backup.address127.0.0.1:6362dbms.backup.ssl_policySSL策略通常建议选择Read Replicas作为备份提供者因为在典型的集群部署中它们比核心服务器要多。此外大备份可能导致Read Replica出现性能问题但不会影响核心集群的性能或冗余。 要在因果集群上执行备份需要组合一些设置和参数。下表说明了使用追赶协议时的可用选项: 备份目标地址服务端SSL策略设置备份客户端对应SSL策略默认端口dbms.backup.addressdbms.backup.ssl_policydbms.backup.ssl_policy6362causal_clustering.transaction_listen_addresscausal_clustering.ssl_policydbms.backup.ssl_policy6000下图使用dbms.backup.ssl_policy配置: 下图使用 causal_clustering.ssl_policy配置 备份操作 采用以上备份之前需要在conf/neo4j.conf中配置如下内容 dbms.backup.enabledtrue 默认开启dbms.backup.address主机名或者ip:6362 用于在线远程备份neo4j-admin备份与恢复命令格式 neo4j-admin dump --databasedatabase --todestination-path
neo4j-admin load --fromarchive-path --databasedatabase [--force]neo4j-admin的操作需要关闭数据库不然会出现以下错误 备份 neo4j stop
neo4j-admin dump --databasegraph.db --to/usr/local/neo4j-backup/20230818.dump恢复 neo4j-admin load --from/usr/local/neo4j-backup/20230818.dump --databasegraph.db 4.2 索引管理
数据库索引是数据库中某些数据的冗余副本用于更有效地搜索相关数据。这是以额外的存储空间和较慢的写入为代价的因此决定对哪些内容建立索引哪些内容不建立索引是一项重要的任务而且通常是非常重要的任务。
Cypher®允许在具有给定标签的所有节点的一个或多个属性上创建索引:
在任何给定标签的单个属性上创建的索引称为单属性索引。为任何给定标签在多个属性上创建的索引称为复合索引。全文索引。
一旦创建了索引当图发生更改时数据库将自动管理索引并使其保持最新状态。一旦索引被创建并上线Neo4j将自动拾取并开始使用索引。
4.2.1 复合索引限制
与单属性索引不同复合索引目前只支持相等性检查:n.prop value和列表成员检查:n.prop IN list。不支持在索引属性上包含以下谓词类型的查询:
existence check: exists(n.prop)range search: n.prop valueprefix search: STARTS WITHsuffix search: ENDS WITHsubstring search: CONTAINS
复合索引需要在索引的所有属性上使用谓词。如果仅在索引属性的一个子集上有谓词则不可能使用复合索引。要获得这种索引行为有必要在相关的属性子集或单个属性上创建额外的索引。
4.2.2 创建单值属性索引
可以使用CREATE index on: label (property)为具有特定标签的所有节点在单个属性上创建索引。
CREATE INDEX ON :Person(name)4.2.3 创建复合索引
对具有特定标签的所有节点的多个属性进行索引。复合索引——可以用CREATE index ON:Label(prop1…propN)创建。只有带有指定标签且包含索引定义中所有属性的节点才会被添加到索引中。
CREATE INDEX ON :Person(name, born)4.2.4 获取所有索引
调用内置过程db.indexes将列出数据库中的所有索引。
call db.indexes4.2.5 删除单值索引
可以使用DROP index on: label (property)删除所有具有标签和单个属性组合的节点上的索引。
DROP INDEX ON :Person(name)4.2.6 删除复合索引
可以使用DROP index on: label (prop1…propN)删除所有具有标签和多个属性组合的节点上的复合索引。
DROP INDEX ON :Person(name, born)4.2.7 索引的使用
要提供索引提示请在适用的MATCH子句之后使用USING index variable:Label(属性)或USING index SEEK variable:Label(属性)。
//直接查看计划(无索引基础上)
explain MATCH (person:Person { name: Tom Hanks })
RETURN person// 创建索引
CREATE INDEX ON :Person(name)
//再有索引的基础上查看执行计划代码不在运行
explain MATCH (person:Person { name: Tom Hanks })
RETURN person//再有索引的基础上查看执行计划代码继续运行
PROFILE
MATCH (p { name: Tom Hanks })
RETURN p//使用using查看
MATCH (person:Person { name: Tom Hanks })
USING index :Person(name)
RETURN person.name as name 4.3 约束管理
像SQL一样Neo4j数据库也支持对NODE或Relationship的属性的UNIQUE约束。
Neo4j通过使用约束来保证数据完整性。约束可应用于节点或者关系。可以创建节点属性的唯一性约束也可以创建节点和关系的属性存在性约束。
可以使用属性的存在性约束确保拥有特定标签的所有节点或者拥有特定类型的所有关系的属性是存在的。所有的试图创建新的没有该属性的节点或关系以及试图删除强制属性的查询都将失败。
可以对某个给定的标签添加多个约束也可以将唯一性约束和存在性约束同时添加到同一个属性上。
在属性上添加唯一性约束的时候同时也会自动为该属性添加一个索引。因此不能单独地添加这样一个索引。
UNIQUE约束的优点如下
避免重复记录。强制执行数据完整性规则。 注意 只有Neo4j企业版才具有属性存在性约束这个高级功能。 4.3.1 创建节点唯一约束
Neo4j CQL已提供“CREATE CONSTRAINT”命令以在NODE或关系的属性上创建唯一约束。具体语法如下
CREATE CONSTRAINT ON (label_name)
ASSERT property_name IS UNIQUE注意 上述语法描述了它的PROPERTY_NAME LABEL_NAME节点或关系创造了一个独特的约束。 使用IS UNIQUE语法创建约束它能确保数据库中拥有特定标签和属性值的节点是唯一的。
CREATE CONSTRAINT ON (book:Book)
ASSERT book.isbn IS UNIQUE创建一个具有数据库中没有的isbn的Book节点。
CREATE (book:Book { isbn: 1449356265, title: Graph Databases })创建数据库中已经存在的isbn的Book节点。这种情况下实惠报错说节点已经存在。
CREATE (book:Book { isbn: 1449356265, title: Graph Databases })注意 当数据库中已经有两个Book节点拥有相同的isbn号时在Book节点的isbn属性上创建属性唯一性约束。这种情况下约束将创建失败因为它与已有的数据冲突。可以选择创建索引或者移除冲突的节点然后再重新创建约束。 4.3.2 删除节点唯一属性
使用DROP CONSTRAINT可以删除数据库中的一个约束。
DROP CONSTRAINT ON (book:Book)
ASSERT book.isbn IS UNIQUE4.3.2 创建节点属性存在性约束
使用ASSERT exists(variable.propertyName)创建约束可确保有指定标签的所有节点都有一个特定的属性。
CREATE CONSTRAINT ON (book:Book)
ASSERT exists(book.isbn)创建一个存在isbn属性的Book节点。
CREATE (book:Book { isbn: 1449356265, title: Graph Databases })创建一个违背存在性约束的节点。在:Book(isbn)有存在性约束的情况下试图创建一个没有isbn属性的Book节点。
CREATE (book:Book { title: Graph Databases })注意 在:Book(isbn)有存在性约束的情况下试图从一个已存在的Book节点移除isbn属性。这种情况下移除属性将失败。 4.3.3 删除节点属性存在性约束
使用DROP CONSTRAINT可以从数据库中移除一个约束。
DROP CONSTRAINT ON (book:Book)
ASSERT exists(book.isbn)4.3.4 创建关系属性存在性约束
使用ASSERT exists(variable.propertyName)创建约束可确保特定类型的所有关系都有一个特定的属性。
CREATE CONSTRAINT ON ()-[like:LIKED]-() ASSERT exists(like.day)创建一个存在day属性的LIKED关系。
MATCH (TomH:Person {name:Tom Hanks, born:1956}), (book:Book { isbn: 1449356265, title: Graph Databases })
CREATE (TomH)-[like:LIKED { day: yesterday }]-(book)
return TomH,book在有:LIKED(day)存在性约束的情况下试图创建一个没有day属性的LIKED关系。
MATCH (person :Person {name:Tom}), (book:Book { isbn: 1449356265, title: Graph Databases })
CREATE (person)-[like:LIKED]-(book)
return person,book注意 当数据库中存在LIKED关系且没有day属性时试图在LIKED关系的day属性上创建属性存在性约束。这种情况因为与已存在的数据冲突因此约束创建失败。可以选择移除冲突的关系然后再重新创建约束。在有LIKED(day)存在性约束的情况下试图从一个已有LIKED关系中移除day属性。这种情况下也是会报错的。 4.3.5 删除关系属性存在性约束
使用DROP CONSTRAINT从数据库中移除一个约束。
DROP CONSTRAINT ON ()-[like:LIKED]-() ASSERT exists(like.day)4.4 批量导入
Neo4j批量导入数据有两种方法
第一种是使用Cypher语法中的LOAD CSV第二种是使用neo4j自带的工具neo4j-admin import
LOAD CSV请参考前面章节可以发现使用load csv只能导入结点如果还想导入关系数据就只能靠neo4j自带的import工具了。
这里给出neo4j-admin import语法具体如下
neo4j-admin import [--modecsv] [--databasename][--additional-configconfig-file-path][--report-filefilename][--nodes[:Label1:Label2]file1,file2,...][--relationships[:RELATIONSHIP_TYPE]file1,file2,...][--id-typeSTRING|INTEGER|ACTUAL][--input-encodingcharacter-set][--ignore-extra-columns[true|false]][--ignore-duplicate-nodes[true|false]][--ignore-missing-nodes[true|false]][--multiline-fields[true|false]][--delimiterdelimiter-character][--array-delimiterarray-delimiter-character][--quotequotation-character][--max-memorymax-memory-that-importer-can-use][--fFile containing all arguments to this import][--high-iotrue/false]示例
movies.csv :LABEL被自动检测为节点标签也可以后面通过–nodes:movie手动指定
movie:ID,name,:LABEL
tt0133093,The Matrix,movie
tt0234215,The Matrix Reloaded,movie
tt0242653,The Matrix Revolutions,movieactors.csv
person:ID,name,:LABEL
keanu,Keanu Reeves,person
laurence,Laurence Fishburne,person
carrieanne,Carrie-Anne Moss,personroles.csv
:START_ID,role,:END_ID
keanu,Neo,tt0133093
keanu,Neo,tt0234215
keanu,Neo,tt0242653
laurence,Morpheus,tt0133093
laurence,Morpheus,tt0234215
laurence,Morpheus,tt0242653
carrieanne,Trinity,tt0133093执行导入命令
neo4j-admin import --databasegraphImport.db \
--nodes ./import/actors.csv \
--nodes ./import/movies.csv \
--relationships:ACTED_IN ./import/roles.csv导入完成后修改./conf/neo4j.conf文件中的dbms.active_databasegraphImport.db并将其注释打开。再使用neo4j restart重启数据库然后就可以看到刚才导入的数据。 注意 使用neo4j-admin import只能往空数据库中导入数据且csv文件必须在import下。 使用csv文件导入数据时每个结点都必须有一个唯一的ID属性但是最好不要起名为ID这会和数据库本身维护的ID字段冲突。 第五章 API开发
5.1 Java开发介绍
Neo4j支持两种类型的API
• Neo4j的原生的Java API 是一种低级别的纯 JAVA API用于执行数据库操作。
• Neo4j Cypher Java API 用于执行所有CQL命令以执行数据库操作。 5.2 Neo4j原生Java开发 maven依赖 dependencygroupIdorg.neo4j/groupIdartifactIdneo4j/artifactIdversion3.5.35/version
/dependency创建Neo4j数据库 GraphDatabaseService graphDB new GraphDatabaseFactory().newEmbeddedDatabase(file);创建节点 Node user1 graphDB.createNode(Label.label(User));
user1.setProperty(name, John Johnson);
Node user2 graphDB.createNode(Label.label(User));
user2.setProperty(name, Kate Smith);创建关系 user1.createRelationshipTo(user2, RelationshipType.withName(IS_FRIEND_OF));示例如图所示
