【neo4j图数据库】入门实践篇

探索数据之间的奥秘:Neo4j图数据库引领新纪元

在数字化浪潮汹涌的今天,数据已成为企业最宝贵的资产之一。然而,随着数据量的爆炸性增长和数据关系的日益复杂,传统的关系型数据库在处理诸如社交网络、推荐系统、生物信息学等高度互联的数据时显得力不从心。Neo4j,作为图数据库领域的佼佼者,遥遥领先!

neo4j简介

  • neo4j是由Java实现的开源NoSQL图数据库。自从2003年开始研发,到2007年发布第一版。neo4j现如今已经被各行各业的数十万家公司和组织采用。

  • neo4j实现了专业数据库级别的图数据模型的存储。与普通的图处理或内存级数据库不同,neo4j提供了完整的数据库特性,包括ACID事物的支持,集群支持,备份与故障转移等。这使其适合于企业级生产环境下的各种应用。

  • neo4j的版本说明:

  • 企业版:需要高额的付费获得授权,提供高可用,热备份等性能。

  • 社区开源版:免费使用,但只能单点运行。

neo4j图数据库概念

✨️节点:节点是Neo4j图数据库中的基本元素,用于表示实体或对象。每个节点都可以看作是一个独立的实体,如一个人、一部电影或一个城市。

  • 可以将节点类比为关系型数据库中的表,对应的标签可以类比为不同的表名,属性就是表中的列。

**✨️属性:**属性是附加在节点或关系上的键值对,用于描述节点或关系的详细特征。

✨️关系:关系连接两个节点,关系是方向性的,关系可以有一个或多个属性

✨️标签:标签是Neo4j中对节点进行分类和组织的一种方式,类似于关系型数据库中的表名。


neo4j图数据库的安装

neo4j图数据库的安装流程:

  • 第一步:将neo4j安装信息载入到yum检索列表。

  • 第二步:使用yum install命令安装。

  • 第三步:修改配置文件内容 /etc/neo4j/neo4j.conf.

  • 第四步:启动neo4j数据库。

💦第一步:将neo4j安装信息载入到yum检索列表

python 复制代码
sudo rpm --import https://debian.neo4j.com/neotechnology.gpg.key
sudo yum-config-manager --add-repo https://yum.neo4j.com/stable

💦第二步:使用yum install命令安装

python 复制代码
yum install neo4j

💦第三步:修改配置文件默认在/etc/neo4j/neo4j.conf

python 复制代码
dbms.directories.data=/var/lib/neo4j/data
dbms.directories.plugins=/var/lib/neo4j/plugins
dbms.directories.certificates=/var/lib/neo4j/certificates
dbms.directories.logs=/var/log/neo4j
dbms.directories.lib=/usr/share/neo4j/lib
dbms.directories.run=/var/run/neo4j

# 导入的位置
dbms.directories.import=/var/lib/neo4j/import

# 初始化内存大小
dbms.memory.heap.initial_size=512m 

# web页面地址
dbms.connectors.default_listen_address=0.0.0.0

# HTTP Connector. There can be zero or one HTTP connectors.
dbms.connector.http.enabled=true
dbms.connector.http.listen_address=:7474 

# HTTPS Connector. There can be zero or one HTTPS connectors.
dbms.connector.https.enabled=true
dbms.connector.https.listen_address=:7473 

dbms.connector.bolt.enabled=true
dbms.connector.bolt.listen_address=:7687

💦第四步:启动neo4j数据库

python 复制代码
# 启动命令
neo4j start
  • 注意:如果使用的是云服务器,那么上述用到了7473端口、7687端口、就需要单独去开端口。

neo4j的可视化管理后台登陆

(云服务器公网IP):7474 --> 进入浏览器界面

🧨Cypher介绍与使用

Cypher是一种描述性的图形查询语言,相当于MySQL中的SQL语句。

create命令

💯创建图数据中的节点

python 复制代码
# 创建命令格式:
# create是关键字,创建节点名称node_name, 节点标签Node_Label, 放在小括号里面()
# 后面把所有属于节点标签的属性放在大括号'{}'里面,依次写出属性名称:属性值,不同属性用逗号','分隔
# 例如下面命令创建一个节点e, 节点标签是Employee, 拥有id, name, salary, deptnp四个属性:
CREATE (e:Employee{id:222, name:'Bob', salary:6000, deptnp:12})

match命令

💯匹配(查询)已有数据

python 复制代码
MATCH (e:Employee) RETURN e.id, e.name, e.salary, e.deptno

MATCH (n) return n # 查询所有结点

merge命令

💯若节点存在,则等效与match命令; 节点不存在,则等效于create命令。

python 复制代码
MERGE (e:Employee {id:146, name:'Lucer', salary:3500, deptno:16})

成功创建!

  • 然后再次用merge查询,发现数据库中的数据并没有增加,因为已经存在相同的数据了,merge匹配成功。

使用create创建关系

💯必须创建有方向性的关系,否则报错。

python 复制代码
# 创建一个节点p1到p2的有方向关系,这个关系r的标签为Buy, 代表p1购买了p2, 方向为p1指向p2
CREATE (p1:Profile1)-[r:Buy]->(p2:Profile2)

创建完成关系后,再次查看全部:

使用merge创建关系

💯可以创建有/无方向性的关系。

python 复制代码
# 创建一个节点p1到p2的无方向关系,这个关系r的标签为miss, 代表p1-miss-p2, 方向为相互的
MERGE (p1:Profile1)-[r:miss]-(p2:Profile2)

where命令

💯类似于SQL中的添加查询条件。

python 复制代码
# 查询节点Employee中,id值等于123的那个节点
MATCH (e:Employee) WHERE e.id=123 RETURN e

delete命令

💯删除节点/关系及其关联的属性。

python 复制代码
# 注意:删除节点的同时,也要删除关联的关系边
MATCH (p1:Profile1)-[r]-(p2:Profile2) DELETE p1, r, p2

sort命令

Cypher命令中的排序使用的是order by

python 复制代码
# 匹配查询标签Employee, 将所有匹配结果按照id值升序排列后返回结果
MATCH (e:Employee) RETURN e.id, e.name, e.salary, e.deptno ORDER BY e.id

# 如果要按照降序排序,只需要将ORDER BY e.salary改写为ORDER BY e.salary DESC
MATCH (e:Employee) RETURN e.id, e.name, e.salary, e.deptno ORDER BY e.salary DESC

字符串函数:

  • toUpper()函数
  • toLower()函数
  • substring()函数
  • replace()函数

toUpper()函数

将一个输入字符串转换为大写字母。

  • 演示:
python 复制代码
MATCH (e:Employee) RETURN e.id, toUpper(e.name), e.salary, e.deptno

💩toLower()函数:将一个输入字符串转换为小写字母。

**💩substring()函数:**返回一个子字符串。

**💩replace()函数 :**替换掉子字符串。


聚合函数

  • count()函数
  • max()函数
  • min()函数
  • sum()函数
  • avg()函数

**count()函数 :**返回由match命令匹配成功的条数。

python 复制代码
MATCH (e:Employee) RETURN count( * )

**max()函数 :**返回由match命令匹配成功的记录中的最大值。

python 复制代码
# 返回匹配标签Employee成功的记录中,最高的工资数字
MATCH (e:Employee) RETURN max(e.salary)

其余的就不过多赘述,相信大家也明白了~


索引index

  • Neo4j支持在节点或关系属性上的索引,以提高查询的性能。
  • 可以为具有相同标签名称的所有节点的属性创建索引。

创建索引:使用create index on来创建索引。

php 复制代码
# 创建节点Employee上面属性id的索引
CREATE INDEX ON:Employee(id)

在Python中使用neo4j

  • neo4j-driver是一个python中的package, 作为python中neo4j的驱动,帮助我们在python程序中更好的使用图数据库。
python 复制代码
pip install neo4j-driver
from neo4j import GraphDatabase  
  
uri = "bolt://localhost:7687"  # Neo4j 数据库的 Bolt URI  
user = "neo4j"  # 用户名  
password = "你的密码"  # 密码  
  
driver = GraphDatabase.driver(uri, auth=(user, password))

def create_person(tx, name):  
    """在 Neo4j 数据库中创建一个 Person 节点"""  
    tx.run("CREATE (a:Person {name: $name})", name=name)  
  
with driver.session() as session:  
    session.write_transaction(create_person, "Alice")  
    session.write_transaction(create_person, "Bob")

def get_person(tx, name):  
    """查询并返回指定名称的 Person 节点"""  
    result = tx.run("MATCH (a:Person {name: $name}) RETURN a.name AS name", name=name)  
    return [record["name"] for record in result]  
  
with driver.session() as session:  
    alice_name = session.read_transaction(get_person, "Alice")  
    print(alice_name)  # 输出: ['Alice']

driver.close()
相关推荐
YSGZJJ43 分钟前
股指期货的套保策略如何精准选择和规避风险?
人工智能·区块链
无脑敲代码,bug漫天飞1 小时前
COR 损失函数
人工智能·机器学习
远歌已逝2 小时前
维护在线重做日志(二)
数据库·oracle
HPC_fac130520678162 小时前
以科学计算为切入点:剖析英伟达服务器过热难题
服务器·人工智能·深度学习·机器学习·计算机视觉·数据挖掘·gpu算力
qq_433099403 小时前
Ubuntu20.04从零安装IsaacSim/IsaacLab
数据库
Dlwyz3 小时前
redis-击穿、穿透、雪崩
数据库·redis·缓存
小陈phd4 小时前
OpenCV从入门到精通实战(九)——基于dlib的疲劳监测 ear计算
人工智能·opencv·计算机视觉
工业甲酰苯胺5 小时前
Redis性能优化的18招
数据库·redis·性能优化
Guofu_Liao5 小时前
大语言模型---LoRA简介;LoRA的优势;LoRA训练步骤;总结
人工智能·语言模型·自然语言处理·矩阵·llama
没书读了6 小时前
ssm框架-spring-spring声明式事务
java·数据库·spring