别再被SQL的连表查询搞疯了！一文带你吃透Neo4j图数据库，从零搭建“关系网”

社交关系、推荐系统、知识图谱......只要你的业务涉及"关系"，传统的数据库就会变得越来越慢、越来越复杂。今天，我们就用最通俗易懂的方式，把图数据库 Neo4j 彻底讲明白，让你以后处理"网状"数据时，思路清晰得像开了挂。

一、为什么你的SQL搞不定"朋友的朋友的朋友"？

想象一个简单的社交网络场景：你需要查询"当前用户的好友中，有哪些人也关注了当前用户喜欢的某个博主"。在关系型数据库（如MySQL）中，你可能需要这样写：

bash 复制代码

SELECT DISTINCT u2.name
FROM users u1
JOIN follows f1 ON u1.id = f1.follower_id
JOIN users u2 ON f1.followee_id = u2.id
JOIN follows f2 ON u2.id = f2.follower_id
JOIN users u3 ON f2.followee_id = u3.id
JOIN likes l ON u3.id = l.user_id AND l.post_id = ?
WHERE u1.id = ?

这张SQL不仅写起来痛苦，而且随着关系层数增加，JOIN的数量呈指数级增长，性能急剧下降。更严重的是，当你想要查询"用户和另一个用户之间有多少条路径"、"所有共同关注关系"这类问题时，SQL几乎无法优雅表达。

图数据库 正是为解决这类问题而生的。在Neo4j中，数据被存储为节点（Node）和关系（Relationship），关系本身就是一等公民，可以拥有属性和类型。查询"朋友的朋友"变得像描述句子一样自然：

bash 复制代码

MATCH (me:User {id: 123})-[:FOLLOWS*2]->(friend_of_friend:User)
RETURN friend_of_friend.name

*2 表示沿着 FOLLOWS 关系走两步。你甚至不需要关心底层有多少张表，Cypher查询引擎会自动高效地遍历图结构。这种直观性和性能优势，在处理深度关联数据时尤为突出。

二、Neo4j核心概念：节点、关系、路径、标签、属性

在深入学习之前，我们先彻底搞懂几个基础概念。这些概念就像盖房子的砖瓦，理解了它们，Cypher语言就变得自然而然。

2.1 节点（Node）

节点代表一个实体对象，比如一个人、一部电影、一个城市。每个节点可以：

拥有一个或多个标签（Label）

：标签相当于给节点分类，类似于SQL中的表名。例如 :Person、:Movie。一个节点可以同时有多个标签，比如 :Person:Actor 表示这是一个"人"同时也是"演员"。
拥有若干属性（Property）

：属性是键值对，存储具体信息。例如 {name: '王宝强', gender: '男'}。

在Cypher中，节点用一对圆括号表示，括号内可以写变量名、标签和属性：

bash 复制代码

// 一个没有变量名、没有标签、没有属性的匿名节点
()
 
// 有变量名的节点（变量名用于后续引用）
(p)
 
// 有标签的节点
(p:Person)
 
// 有多个标签的节点
(p:Person:Actor)
 
// 有属性的节点（属性用花括号包裹，键值对之间用逗号分隔）
(p:Person {name: '王宝强', gender: '男'})

2.2 关系（Relationship）

关系用于连接两个节点，表示它们之间的某种联系，比如"王宝强出演了《唐探1900》"。每个关系：

必须有类型（Type）

：类型是一个大写标识符，例如 :ACTED_IN、:DIRECTED、:FOLLOWS。
可以有若干属性（Property）

：例如角色名 {role: '阿鬼'}、获奖标志 {award: true}。
有方向

：通常用箭头 → 表示方向，但查询时可以忽略方向。

在Cypher中，关系用方括号加箭头表示，放在两个节点之间：

bash 复制代码

// 基本关系模式：起始节点 - [关系] -> 目标节点
(p1:Person)-[:ACTED_IN]->(m:Movie)
 
// 关系也可以有变量名和属性
(p1:Person)-[r:ACTED_IN {role: '阿鬼'}]->(m:Movie)
 
// 无方向关系（用两个短横线，没有箭头）
(p1:Person)-[:FOLLOWS]-(p2:Person)

2.3 路径（Path）

路径是由一系列节点和关系交替连接而成的结构，代表图中一条具体的行走路线。例如：(王宝强)-[:ACTED_IN]->(电影)<-[:ACTED_IN]-(刘德华) 表示"王宝强和刘德华演过同一部电影"。

路径在复杂查询中非常有用，我们可以把匹配到的整个路径赋值给一个变量，然后返回或进一步处理。

bash 复制代码

// 将匹配到的路径存入变量 path 中
MATCH path = (p:Person {name: '王宝强'})-[:ACTED_IN]->(m:Movie)
RETURN path

三、Windows下从零安装Neo4j（超详细）

我们选择自由度最高的 OS Deployment 方式，在 Windows 系统上部署 Neo4j 5.26 LTS 社区版。这种方式能让你完全掌控数据库的安装位置、配置文件和启动方式，非常适合学习和生产环境。

3.1 安装JDK 17

Neo4j 是用 Java 编写的，所以必须先安装 Java 运行环境。根据官方文档，Neo4j 5.26 需要 JDK 17 或 JDK 21。我们以 JDK 17 为例。

下载JDK

：访问 Oracle官网下载 Windows x64 Installer（如 jdk-17.0.15_windows-x64_bin.exe）。如果你没有Oracle账号，也可以从其他镜像或课程资料中获取。
安装JDK

：双击安装包，一路"下一步"，记住安装路径（例如 C:\Program Files\Java\jdk-17.0.15）。安装过程中可以取消"公共JRE"的选项，因为JDK自带JRE。
配置环境变量

（可选但推荐）：
打开"系统属性" → "高级" → "环境变量"。
新建系统变量 JAVA_HOME，值为你的JDK安装路径（如 C:\Program Files\Java\jdk-17.0.15）。
在 Path 变量中添加 %JAVA_HOME%\bin。
验证安装

：打开命令提示符（cmd），输入：
cmd
java --version
如果看到类似 openjdk 17.0.15 2025-04-15 LTS 的输出，说明安装成功。

3.2 安装Neo4j社区版

下载Neo4j

：访问 Neo4j下载中心，选择 Windows 平台的 zip 压缩包（例如 neo4j-community-5.26.0-windows.zip）。社区版完全免费，功能足够学习和小型项目使用。
解压

：将压缩包解压到一个没有中文和空格的目录，例如 D:\neo4j。解压后你会看到 bin、conf、data、logs 等文件夹。
配置环境变量

：
创建系统变量 NEO4J_HOME，值为 D:\neo4j（你的解压路径）。
在 Path 变量中添加 %NEO4J_HOME%\bin。
验证安装

：新开一个cmd窗口，输入：
cmd
neo4j --version
如果输出 neo4j version: 5.26.0，说明环境变量配置正确。

3.3 安装Neo4j为Windows服务（可选但推荐）

以管理员身份打开命令提示符（右键"命令提示符" → "以管理员身份运行"）。执行以下命令将Neo4j注册为系统服务：

bash 复制代码

neo4j windows-service install

安装成功后，你可以在 services.msc 中看到名为 Neo4j Graph Database - neo4j 的服务，并设置为自动启动。

3.4 启动Neo4j数据库

bash 复制代码

neo4j start

启动日志会显示在控制台。如果一切正常，你会看到类似 Started neo4j 的信息。首次启动可能需要几秒钟来初始化数据库。

3.5 访问Web管理界面

Neo4j 提供了一个基于浏览器的可视化工具 ------ Neo4j Browser。打开浏览器，访问：

bash 复制代码

http://localhost:7474/browser/

你会看到一个连接界面。默认的服务器地址是 bolt://localhost:7687，用户名和密码都是 neo4j。首次登录时，系统会强制要求你修改密码。建议修改为容易记住但安全的密码，例如 Atguigu.123。

登录成功后，你就可以在输入框中执行Cypher查询了。试试输入 RETURN 'Hello Neo4j!' 然后点击运行按钮（或者按 Ctrl+Enter），应该能看到输出结果。

四、Cypher入门：像画画一样操作数据

Cypher 的设计哲学是"人类可读、易于表达"。它借鉴了SQL的关键词（如 MATCH、RETURN、WHERE），但图形模式的表示方式（(节点)-[关系]->(节点)）让查询语句几乎与手绘的草图一模一样。

4.1 创建节点 ------ CREATE

使用 CREATE 语句可以在数据库中插入新节点。我们先创建几个简单的节点，感受一下语法。

bash 复制代码

// 创建一个没有任何标签和属性的空节点
CREATE ()
 
// 创建一个带标签的节点
CREATE (p:Person)
 
// 创建带属性和标签的节点（最常用）
CREATE (n1:Person:Actor {name: '王宝强', gender: '男'})
CREATE (n2:Movie {title: '唐探1900', released: '2025-01-29'})

代码解释：

n1 和 n2 是变量名（可以任意取），仅在当前语句中有效，用于在后续引用这个节点。
Person:Actor 表示同时给节点加上 Person 和 Actor 两个标签，这相当于多分类。
属性用花括号包裹，键值对之间用逗号分隔。属性值可以是字符串、数字、布尔值、列表等。

执行上述语句后，数据库中就有了两个孤立的节点，它们之间还没有任何关系。

4.2 查询节点 ------ MATCH ... RETURN

MATCH 用于描述要查找的图形模式，RETURN 指定要返回哪些部分。

bash 复制代码

// 查询所有节点（数据量大时非常慢，谨慎使用）
MATCH (n)
RETURN n
 
// 查询所有带有 Person 标签的节点，只返回名字和性别属性
MATCH (p:Person)
RETURN p.name, p.gender
 
// 按标签和属性精准查询
MATCH (p:Person {name: '王宝强'})
RETURN p

注意：MATCH (n) 会扫描整个数据库的所有节点，如果数据量达到几十万条，浏览器可能会卡顿。通常我们会加上标签过滤。

4.3 创建关系 ------ 先匹配再创建

关系不能独立存在，必须连接两个节点。因此，创建关系的标准步骤是：先用 MATCH 找到两个节点，然后用 CREATE 在它们之间建立关系。

bash 复制代码

// 1. 找到王宝强节点和《唐探1900》节点
MATCH (p:Person {name: '王宝强'}), (m:Movie {title: '唐探1900'})
 
// 2. 创建 ACTED_IN 关系，方向从 p 指向 m，并带上属性 role
CREATE (p)-[:ACTED_IN {role: '阿鬼'}]->(m)

如果你希望关系也有变量名（以便后续返回或修改），可以这样写：

bash 复制代码

MATCH (p:Person {name: '王宝强'}), (m:Movie {title: '唐探1900'})
CREATE (p)-[r:ACTED_IN {role: '阿鬼'}]->(m)
RETURN r

关系方向的意义：虽然 ACTED_IN 关系在语义上是从演员指向电影，但在查询时你可以忽略方向，例如 (p)-[:ACTED_IN]-(m) 会匹配两个方向的关系。但创建时必须指定方向（除非是无向关系，但Cypher中创建关系必须有方向）。

4.4 查询关系

有了关系之后，我们就可以查询"王宝强演过哪些电影"了：

bash 复制代码

MATCH (p:Person {name: '王宝强'})-[r:ACTED_IN]->(m:Movie)
RETURN m.title AS 电影名称, r.role AS 角色

这条语句的含义：从Person节点出发，沿着ACTED_IN关系到达Movie节点，返回电影标题和关系上的角色属性。AS关键字用于给返回的列起别名（中文也可以，但建议用英文）。

4.5 一次创建完整路径

如果你确信某些节点和关系都不存在，可以用一条CREATE语句同时创建节点和关系，这叫做"创建路径"。

bash 复制代码

CREATE
  (n1:Person:Actor:Singer {name: '刘德华', gender: '男'})
  -[:ACTED_IN {roles: ['刘建明']}]-> 
  (m:Movie {title: '无间道', released: '2002-12-12'})

这里我们创建了一个有3个标签的Person节点，然后直接通过-[:ACTED_IN]->连接到一个新创建的Movie节点。注意：如果节点或关系已经存在，再用CREATE会导致重复创建（会多出一个相同的节点）。因此，这种方式只适合从零开始导入数据时使用。日常开发中更推荐MERGE（后面会讲）。

五、Cypher进阶：修改、删除与合并（SET/REMOVE/MERGE）

5.1 修改属性 ------ SET

SET用于添加新属性、更新已有属性或添加新标签。

bash 复制代码

// 为王宝强添加生日属性和 Singer 标签
MATCH (p:Person {name: '王宝强'})
SET p.birth = '1984-05-29', p:Singer
 
// 为关系添加属性
MATCH (p:Person {name: '王宝强'})-[r:ACTED_IN]->(m:Movie {title: '唐探1900'})
SET r.roles = ['阿鬼'], r.year = 2025

一次SET可以同时设置多个属性，用逗号分隔。添加标签也使用:语法。

5.2 删除属性 ------ REMOVE

REMOVE用于删除属性或移除标签。

bash 复制代码

// 删除关系上的 role 属性（假设之前有 role: '阿鬼'，现在想改成数组形式）
MATCH (p:Person {name: '王宝强'})-[r:ACTED_IN]->(m:Movie {title: '唐探1900'})
REMOVE r.role
SET r.roles = ['阿鬼']
 
// 移除节点的 Singer 标签
MATCH (p:Person {name: '王宝强'})
REMOVE p:Singer

5.3 删除节点和关系 ------ DELETE

删除操作需要特别注意：不能直接删除还有关联关系的节点，否则会报错。必须先删除关系，或者使用DETACH DELETE一次性删除节点及其所有关系。

bash 复制代码

// 错误示范：如果节点还有关系，下面这条语句会失败
MATCH (p:Person {name: '王宝强'})
DELETE p   // 报错：Node still has relationships
 
// 正确方式1：先删除关系，再删除节点
MATCH (p:Person {name: '王宝强'})-[r]-()
DELETE r, p
 
// 正确方式2：使用 DETACH DELETE（推荐，一步到位）
MATCH (p:Person {name: '王宝强'})
DETACH DELETE p

DETACH DELETE 会自动删除该节点的所有关系，然后再删除节点本身，非常方便。

如果你只想删除关系而保留节点：

bash 复制代码

MATCH (p:Person {name: '王宝强'})-[r:ACTED_IN]->(m:Movie {title: '唐探1900'})
DELETE r

5.4 合并操作 ------ MERGE（避免重复）

MERGE 是 Cypher 中最实用的操作之一。它的行为是：如果模式（节点或关系）存在，就匹配它；如果不存在，就创建它。这相当于 MATCH + CREATE 的组合，并且是原子操作，非常适合数据导入时的去重。

合并节点：

bash 复制代码

// 合并电影节点：若已存在《唐探1900》则匹配，否则创建
MERGE (m:Movie {title: '唐探1900', released: '2025-01-29'})
 
// 合并时还可以设置创建或匹配时的额外动作
MERGE (p:Person {name: '王宝强', gender: '男'})
ON CREATE SET p.create_time = datetime()   // 仅在创建时设置创建时间
ON MATCH SET p.update_time = datetime()    // 仅在匹配到时设置更新时间

datetime() 是 Cypher 内置函数，返回当前时间戳（ISO 8601格式）。这样我们可以轻松追踪记录的新增和更新。

合并关系：

bash 复制代码

MERGE (p:Person {name: '王宝强'})-[r:ACTED_IN {roles: ['阿鬼']}]->(m:Movie {title: '唐探1900'})

注意：MERGE 关系时会先分别 MERGE 两个端点节点（确保它们存在），然后再处理关系。所以不需要提前 MATCH 节点。

六、实战数据集：构建"电影-人物"知识图谱（9人10部电影）

为了深入学习高级查询，我们需要一个相对丰富的数据集。下面我将提供一套完整的 Cypher 脚本，包含 9 位人物节点、10 部电影节点，以及导演（DIRECTED）、参演（ACTED_IN）、关注（FOLLOWS）三种关系。你可以按顺序在 Neo4j Browser 中执行。

6.1 清空旧数据（谨慎！会删除所有内容）

bash 复制代码

MATCH (n) DETACH DELETE n;

6.2 创建人物节点（9人）

bash 复制代码

CREATE 
  (:Person {name: '张艺谋', birth: '1951-11-14'}),
  (:Person {name: '陈凯歌', birth: '1952-08-12'}),
  (:Person {name: '巩俐', birth: '1965-12-31'}),
  (:Person {name: '葛优', birth: '1957-04-19'}),
  (:Person {name: '章子怡', birth: '1979-02-09'}),
  (:Person {name: '刘德华', birth: '1961-09-27'}),
  (:Person {name: '吴京', birth: '1974-04-03'}),
  (:Person {name: '贾玲', birth: '1982-04-29'}),
  (:Person {name: '郭帆', birth: '1980-12-15'})

6.3 创建电影节点（10部）

bash 复制代码

CREATE
  (:Movie {title: '红高粱', year: 1987, rating: 8.4, genre: ['文艺', '历史']}),
  (:Movie {title: '活着', year: 1994, rating: 9.2, genre: ['剧情', '历史']}),
  (:Movie {title: '霸王别姬', year: 1993, rating: 9.6, genre: ['剧情', '爱情']}),
  (:Movie {title: '英雄', year: 2002, rating: 7.5, genre: ['动作', '武侠']}),
  (:Movie {title: '无间道', year: 2002, rating: 9.1, genre: ['犯罪', '悬疑']}),
  (:Movie {title: '一代宗师', year: 2013, rating: 8.0, genre: ['动作', '传记']}),
  (:Movie {title: '流浪地球', year: 2019, rating: 8.5, genre: ['科幻', '灾难']}),
  (:Movie {title: '战狼2', year: 2017, rating: 7.1, genre: ['动作', '军事']}),
  (:Movie {title: '你好，李焕英', year: 2021, rating: 7.7, genre: ['喜剧', '家庭']}),
  (:Movie {title: '满江红', year: 2023, rating: 7.2, genre: ['悬疑', '历史']})

6.4 创建导演关系（DIRECTED）

注意：这里需要先用 MATCH 找到具体的节点变量，然后创建关系。为了简洁，我列出所有9条导演关系。

bash 复制代码

MATCH (zhang:Person {name: '张艺谋'}), (m1:Movie {title: '红高粱'}),
      (m2:Movie {title: '活着'}), (m3:Movie {title: '霸王别姬'}),
      (m4:Movie {title: '英雄'}), (m5:Movie {title: '满江红'})
CREATE 
  (zhang)-[:DIRECTED {award: true}]->(m1),
  (zhang)-[:DIRECTED {award: true}]->(m2),
  (zhang)-[:DIRECTED {award: false}]->(m3),
  (zhang)-[:DIRECTED {award: false}]->(m4),
  (zhang)-[:DIRECTED {award: false}]->(m5);
 
MATCH (chen:Person {name: '陈凯歌'}), (m:Movie {title: '霸王别姬'})
CREATE (chen)-[:DIRECTED {award: true}]->(m);
 
MATCH (liu:Person {name: '刘德华'}), (m:Movie {title: '无间道'})
CREATE (liu)-[:DIRECTED {award: false}]->(m);
 
MATCH (wu:Person {name: '吴京'}), (m:Movie {title: '战狼2'})
CREATE (wu)-[:DIRECTED {award: false}]->(m);
 
MATCH (jia:Person {name: '贾玲'}), (m:Movie {title: '你好，李焕英'})
CREATE (jia)-[:DIRECTED {award: true}]->(m);
 
MATCH (guo:Person {name: '郭帆'}), (m:Movie {title: '流浪地球'})
CREATE (guo)-[:DIRECTED {award: true}]->(m);

注意：有些电影（如《一代宗师》）没有导演关系，这没关系。

6.5 创建参演关系（ACTED_IN）

共11条参演关系，覆盖大部分主要演员和电影。

bash 复制代码

MATCH (gong:Person {name: '巩俐'}), (m1:Movie {title: '红高粱'}),
      (m2:Movie {title: '活着'}), (m3:Movie {title: '霸王别姬'})
CREATE 
  (gong)-[:ACTED_IN {role: '九儿', award: true}]->(m1),
  (gong)-[:ACTED_IN {role: '家珍', award: false}]->(m2),
  (gong)-[:ACTED_IN {role: '菊仙', award: false}]->(m3);
 
MATCH (ge:Person {name: '葛优'}), (m2:Movie {title: '活着'}), (m3:Movie {title: '霸王别姬'})
CREATE 
  (ge)-[:ACTED_IN {role: '福贵', award: true}]->(m2),
  (ge)-[:ACTED_IN {role: '袁四爷', award: false}]->(m3);
 
MATCH (zhangyi:Person {name: '章子怡'}), (m4:Movie {title: '英雄'}), (m6:Movie {title: '一代宗师'})
CREATE 
  (zhangyi)-[:ACTED_IN {role: '如月', award: false}]->(m4),
  (zhangyi)-[:ACTED_IN {role: '宫二', award: true}]->(m6);
 
MATCH (liu:Person {name: '刘德华'}), (m5:Movie {title: '无间道'})
CREATE (liu)-[:ACTED_IN {role: '刘建明', award: false}]->(m5);
 
MATCH (wu:Person {name: '吴京'}), (m7:Movie {title: '流浪地球'}), (m8:Movie {title: '战狼2'})
CREATE 
  (wu)-[:ACTED_IN {role: '刘培强', award: true}]->(m7),
  (wu)-[:ACTED_IN {role: '冷锋', award: true}]->(m8);
 
MATCH (zhang:Person {name: '张艺谋'}), (m10:Movie {title: '满江红'})
CREATE (zhang)-[:ACTED_IN {role: '秦桧', award: false}]->(m10);
 
MATCH (jia:Person {name: '贾玲'}), (m9:Movie {title: '你好，李焕英'})
CREATE (jia)-[:ACTED_IN {role: '贾晓玲', award: true}]->(m9);

6.6 创建关注关系（FOLLOWS）

共11条关注关系，模拟社交网络中的"关注"行为。

bash 复制代码

MATCH (gong:Person {name:'巩俐'}), (zhang:Person {name:'张艺谋'}),
      (zhangyi:Person {name:'章子怡'}), (chen:Person {name:'陈凯歌'}),
      (ge:Person {name:'葛优'}), (liu:Person {name:'刘德华'}),
      (wu:Person {name:'吴京'}), (jia:Person {name:'贾玲'}),
      (guo:Person {name:'郭帆'})
CREATE 
  (gong)-[:FOLLOWS]->(zhang),
  (zhangyi)-[:FOLLOWS]->(zhang),
  (zhang)-[:FOLLOWS]->(chen),
  (ge)-[:FOLLOWS]->(chen),
  (liu)-[:FOLLOWS]->(zhang),
  (gong)-[:FOLLOWS]->(zhangyi),
  (wu)-[:FOLLOWS]->(zhang),
  (jia)-[:FOLLOWS]->(zhang),
  (guo)-[:FOLLOWS]->(zhang),
  (liu)-[:FOLLOWS]->(wu),
  (zhang)-[:FOLLOWS]->(guo);

至此，我们的知识图谱构建完成。你可以执行一些简单查询来验证，例如：

bash 复制代码

// 查看所有节点和关系（可视化）
MATCH (n) RETURN n LIMIT 25

七、高级查询必备技能：过滤、排序、分页、聚合

有了扎实的数据集，我们就可以开始玩真正的图查询了。这些技巧在日常开发中几乎每天都会用到。

7.1 过滤 ------ WHERE

WHERE 子句用于对 MATCH 的结果进行条件筛选。它可以写在 MATCH 后面，也可以紧跟在 MATCH 的节点模式内部（用花括号）。但推荐使用独立的 WHERE，因为更灵活。

基本比较运算符：=、<>、<、<=、>、>=

bash 复制代码

// 查询出生在1970年之后的人物
MATCH (p:Person)
WHERE p.birth > '1970-01-01'
RETURN p.name, p.birth

多条件组合：AND、OR、NOT

bash 复制代码

// 查询评分高于8分且年份早于2000年的电影
MATCH (m:Movie)
WHERE m.rating > 8.0 AND m.year < 2000
RETURN m.title, m.year, m.rating

集合包含：IN

bash 复制代码

// 查找类型包含"历史"的电影
MATCH (m:Movie)
WHERE '历史' IN m.genre
RETURN m.title, m.genre

字符串匹配：CONTAINS、STARTS WITH、ENDS WITH

bash 复制代码

// 查询名字中包含"张"的人物
MATCH (p:Person)
WHERE p.name CONTAINS '张'
RETURN p.name
 
// 查询以"流浪"开头的电影
MATCH (m:Movie)
WHERE m.title STARTS WITH '流浪'
RETURN m.title

空值判断：IS NULL、IS NOT NULL

bash 复制代码

// 找出没有出生日期的人物（假设有缺失数据）
MATCH (p:Person)
WHERE p.birth IS NULL
RETURN p.name

7.2 排序 ------ ORDER BY

ORDER BY 用于对返回结果进行排序，默认升序（ASC），可以指定 DESC 降序。

bash 复制代码

// 按电影评分从高到低排序，并取前5名
MATCH (m:Movie)
RETURN m.title, m.rating
ORDER BY m.rating DESC
LIMIT 5

7.3 分页 ------ SKIP 和 LIMIT

SKIP 跳过前 n 条记录，LIMIT 限制最多返回 n 条记录。两者结合实现分页。

bash 复制代码

// 第二页：跳过前5条，返回第6-10条（按年份降序）
MATCH (m:Movie)
RETURN m.title, m.year
ORDER BY m.year DESC
SKIP 5
LIMIT 5

7.4 聚合函数 ------ count、avg、max、min、collect

Cypher 的聚合不需要显式 GROUP BY，只要 RETURN 中同时包含聚合函数和非聚合字段，非聚合字段就会自动成为分组键。

数值聚合：

bash 复制代码

// 统计演员总数（去重）
MATCH (p:Person)-[:ACTED_IN]->()
RETURN count(DISTINCT p) AS 演员人数
 
// 每位演员参演了几部电影
MATCH (p:Person)-[:ACTED_IN]->(m:Movie)
RETURN p.name, count(m) AS 参演电影数

列表聚合：collect() 将多个值聚合成一个列表。

bash 复制代码

// 每位导演的作品名称列表
MATCH (p:Person)-[:DIRECTED]->(m:Movie)
RETURN p.name, collect(m.title) AS 导演作品

输出示例：

张艺谋 | ['红高粱', '活着', '霸王别姬', '英雄', '满江红']

其他聚合：avg() 平均值、sum() 总和、max() 最大值、min() 最小值。

bash 复制代码

// 计算所有电影的平均评分
MATCH (m:Movie)
RETURN avg(m.rating) AS 平均分, max(m.rating) AS 最高分, min(m.rating) AS 最低分

八、联合查询与子查询：让查询能力再升级

8.1 联合查询 ------ UNION 和 UNION ALL

当需要将多个查询的结果合并成一个结果集时，使用 UNION（去重）或 UNION ALL（保留重复）。注意每个子查询的返回字段数量和类型必须一致。

bash 复制代码

// 查询张艺谋作为导演和作为演员的电影（分别标注角色）
MATCH (p:Person {name:'张艺谋'})-[:DIRECTED]->(m:Movie)
RETURN m.title AS 电影名称, '导演' AS 身份
UNION
MATCH (p:Person {name:'张艺谋'})-[:ACTED_IN]->(m:Movie)
RETURN m.title AS 电影名称, '演员' AS 身份

结果中会包含张艺谋导演的5部电影和参演的1部电影（《满江红》），并且不会重复（这里本来就没有重复）。

8.2 子查询 ------ CALL {}

子查询允许在一个查询中对每一行输入执行一个独立的查询块，并返回结果。子查询用 CALL (变量) { ... } 包裹，变量是传递给子查询的参数。

经典应用：为每个分组取Top N。例如，找出每位导演评分最高的电影。

bash 复制代码

MATCH (p:Person)-[:DIRECTED]->()
WITH DISTINCT p   // 去重，防止同一个导演被执行多次
CALL (p) {
    MATCH (p)-[:DIRECTED]->(m:Movie)
    RETURN m.title AS title, m.rating AS rating
    ORDER BY rating DESC
    LIMIT 1
}
RETURN p.name AS 导演, title AS 最高评分作品, rating AS 评分

执行流程：

MATCH (p:Person)-[:DIRECTED]->() 找到所有有导演关系的人，可能有重复（一个导演多部电影）。
WITH DISTINCT p 将导演去重，得到唯一的导演列表。
对每个导演 p，执行子查询：查找该导演的所有电影，按评分排序，取第一条（最高分）。
将子查询返回的 title 和 rating 与导演姓名一起输出。

WITH 的作用：WITH 是 Cypher 中用于在查询阶段之间传递结果的语句，类似于 RETURN 但不会结束查询。它常用来对中间结果进行聚合、排序、去重，然后传递给后续部分。

九、路径模式匹配：挖掘深层关系（变长路径、无向关系）

路径模式匹配是图数据库的核心优势。Cypher 提供了强大的语法来描述任意长度的路径。

9.1 变长路径 ------*minHops..maxHops

bash 复制代码

// 语法：()-[*N]->()  表示恰好 N 跳
//      ()-[*min..max]->()  表示 min 到 max 跳
//      ()-[*min..]->()  表示至少 min 跳
//      ()-[*..max]->()  表示最多 max 跳
 
// 示例：查询张艺谋的粉丝的粉丝（2跳关注）
MATCH path = (a:Person)-[:FOLLOWS*2]->(b:Person {name:'张艺谋'})
RETURN path
 
// 示例：查询张艺谋与任何人的1到3跳关注路径（可能包括他自己）
MATCH path = (zhang:Person {name:'张艺谋'})-[:FOLLOWS*1..3]-(other:Person)
RETURN path

注意：变长路径可能会产生大量结果，尤其是在社交网络中，2跳可能就有成百上千条路径。建议总是加上 LIMIT 或在查询中限制最大跳数。

9.2 无向关系匹配

如果你不关心关系方向，可以使用两个短横线 - 代替箭头。

bash 复制代码

// 查询与巩俐合作过的所有演员（通过电影连接）
// 合作意味着：巩俐-参演->电影<-参演-其他演员
MATCH (gong:Person {name:'巩俐'})-[:ACTED_IN]-(m:Movie)-[:ACTED_IN]-(other:Person)
RETURN DISTINCT other.name

这里 (gong)-[:ACTED_IN]-(m) 匹配两个方向：巩俐→电影或电影→巩俐，但因为在我们的模型中关系方向总是从人到电影，所以实际上只会匹配到巩俐→电影。而 (m)-[:ACTED_IN]-(other) 匹配电影→其他演员，因为关系方向是从演员到电影，所以这里匹配的是反向，但无向关系允许这种匹配。最终结果就是所有和巩俐演过同一部电影的人。

9.3 最短路径与所有路径

Neo4j 还提供了内置函数来查找最短路径和所有路径，这在社交网络分析中非常有用。

bash 复制代码

// 查找两个节点之间的最短路径（不考虑权重）
MATCH p = shortestPath((a:Person {name:'巩俐'})-[:ACTED_IN|FOLLOWS*]-(b:Person {name:'郭帆'}))
RETURN p
 
// 查找所有路径（可能爆炸，谨慎使用）
MATCH p = allShortestPaths((a:Person {name:'巩俐'})-[:ACTED_IN|FOLLOWS*]-(b:Person {name:'郭帆'}))
RETURN p

shortestPath 和 allShortestPaths 函数要求路径模式中的关系类型可以指定多种（用竖线 | 分隔），并且变长路径不能指定具体长度（用 * 表示任意长度）。

十、保证数据质量：唯一性约束详解

在生产环境中，我们需要防止重复数据的写入。Neo4j 提供了唯一性约束（社区版只支持这一种约束），可以确保某个属性在特定标签的所有节点中唯一。

10.1 创建唯一性约束

bash 复制代码

// 为 User 节点的 userId 属性创建唯一约束
CREATE CONSTRAINT unique_user_id FOR (u:User) REQUIRE u.userId IS UNIQUE;
 
// 复合唯一约束（多个属性的组合唯一）
CREATE CONSTRAINT unique_user_name_email FOR (u:User) REQUIRE (u.firstName, u.email) IS UNIQUE;

10.2 测试约束效果

bash 复制代码

// 正常插入两个不同 userId 的用户
CREATE (u1:User {userId: 'u001', name: 'Alice'});
CREATE (u2:User {userId: 'u002', name: 'Bob'});
 
// 尝试插入重复 userId
CREATE (u3:User {userId: 'u001', name: 'Charlie'});

执行第三条语句时，Neo4j 会抛出错误：

bash 复制代码

Neo.ClientError.Schema.ConstraintValidationFailed
Node(0) already exists with label `User` and property `userId` = 'u001'

10.3 查看和删除约束

bash 复制代码

SHOW CONSTRAINTS;   // 列出所有约束
DROP CONSTRAINT unique_user_id;   // 删除指定约束

注意：唯一性约束的创建需要数据库中已有数据不违反该约束。如果已经存在重复值，创建会失败。

十一、实战应用：用 Python 连接 Neo4j 执行查询

在实际项目中，我们不可能一直在浏览器里手敲 Cypher，而是通过应用程序（Python、Java、JavaScript等）驱动来操作数据库。下面以 Python 为例，演示如何连接 Neo4j 并执行参数化查询。

11.1 安装 Neo4j Python 驱动

bash 复制代码

pip install neo4j

11.2 编写示例代码

bash 复制代码

from neo4j import GraphDatabase
 
# 数据库连接配置
URI = "neo4j://localhost:7687"      # Bolt 协议地址
AUTH = ("neo4j", "Atguigu.123")     # 用户名和密码（改为你自己的）
 
# 使用 with 语句自动管理连接生命周期
with GraphDatabase.driver(URI, auth=AUTH) as driver:
    # execute_query 是官方推荐的高层API（Neo4j 5.x 引入）
    # 它自动处理会话和事务，返回结果记录、执行摘要和键名列表
    records, summary, keys = driver.execute_query(
        """
        // 查询指定导演在某个年份之后执导的电影
        MATCH (p:Person {name: $director_name})-[r:DIRECTED]->(m:Movie)
        WHERE m.year > $min_year
        RETURN p.name AS director, m.year AS year, m.title AS movie
        ORDER BY m.year DESC
        """,
        # 参数化查询，防止 Cypher 注入，同时提高缓存命中率
        parameters_={"director_name": "张艺谋", "min_year": 1990},
        database_="neo4j"   # 指定要操作的数据库（Neo4j 4.0 后支持多数据库）
    )
 
    # 打印执行摘要信息（可选）
    print(f"查询耗时: {summary.result_available_after} ms")
    print(f"返回记录数: {len(records)}")
    print("-" * 50)
 
    # 遍历结果记录
    for record in records:
        # record 类似于一个字典，可以通过键名或索引访问
        director = record["director"]
        year = record["year"]
        movie = record["movie"]
        print(f"导演：{director} | 年份：{year} | 电影：{movie}")

代码解释：

driver.execute_query 是 Neo4j 5.x 引入的便捷方法，内部封装了会话（Session）和事务（Transaction）的创建与关闭。你只需要提供查询语句和参数即可。
查询中使用 directorname和min_year 作为占位符，实际值通过 parameters_ 字典传入。这样做不仅安全（防止注入），还能让数据库缓存执行计划，提升性能。
返回值 records 是一个列表，每个元素是 Record 对象，支持字典式访问（record["director"]）和属性式访问（record.director）。
summary 包含了查询的元数据，如执行时间、命中记录数、是否更新了数据等。

11.3 执行写入操作

bash 复制代码

# 创建新节点和关系
records, summary, keys = driver.execute_query(
    """
    MERGE (p:Person {name: $name, birth: $birth})
    ON CREATE SET p.created = datetime()
    RETURN p.name AS name, p.created AS created
    """,
    parameters_={"name": "雷军", "birth": "1969-12-16"},
    database_="neo4j"
)
print(f"创建了用户: {records[0]['name']}")

11.4 批量操作与事务

如果需要执行多个写入操作并保证原子性，可以使用 execute_query 的多语句模式（用分号分隔），或者显式开启事务：

bash 复制代码

with driver.session(database="neo4j") as session:
    with session.begin_transaction() as tx:
        tx.run("CREATE (n:Person {name: '测试1'})")
        tx.run("CREATE (n:Person {name: '测试2'})")
        tx.commit()   # 提交事务，如果中途出错则自动回滚

但大多数情况下，execute_query 已经足够好用，并且会自动重试等。

十二、总结与进阶路线

恭喜你！你已经系统性地掌握了 Neo4j 图数据库的核心知识。从安装配置到 Cypher 语言基础，再到高级查询、约束和 Python 集成，你现在已经具备构建真实图数据应用的能力。

核心回顾

图数据库优势

：处理深度关联关系时，性能远超关系型数据库，查询写法直观。
Cypher 本质

：描述图模式 (节点)-[关系]->(节点)，就像在画图。
增删改查

：CREATE、MATCH、SET、DELETE，配合 MERGE 实现幂等操作。
高级查询

：WHERE 过滤、ORDER BY 排序、SKIP/LIMIT 分页、聚合函数、UNION 和子查询。
路径匹配

：变长路径 *2、无向关系 -，以及 shortestPath 函数。
约束

：唯一性约束保证数据质量。
编程集成

：Python 驱动 + 参数化查询，安全高效。

图数据库的世界非常迷人，尤其是当你需要从"关系"中发现洞见时，Neo4j 会让你事半功倍。如果你在实践中遇到任何问题，欢迎查阅 Neo4j 官方文档或社区论坛。现在，就去创建你自己的第一个图吧！