Neo4j是一个高性能的,NOSQL图形数据库,它将结构化数据存储在网络上而不是表中。Neo4j也可以被看作是一个高性能的图引擎,该引擎具有成熟数据库的所有特性。程序员工作在一个面向对象的、灵活的网络结构下而不是严格、静态的表中——但是他们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因其嵌入式、高性能、轻量级等优势,越来越受到关注。
在一个图中包含两种基本的数据类型:Nodes(节点) 和 Relationships(关系)。Nodes 和 Relationships 包含key/value形式的属性。Nodes通过Relationships所定义的关系相连起来,形成关系型网络结构。
Neo4j可以被安装成一个独立运行的服务端程序,客户端程序通过REST API进行访问。也可以嵌入式安装,即安装为编程语言的第三方类库,目前只支持Java和Python语言。
因Neo4j是用java语言开发的,所以确保将要安装的机器上已安装了jre或者jdk
此种安装方式简单,各平台安装过程基本一样
Linux/MacOS系统
neo4j install
Windows系统Neo4j.bat install
Linux/MacOS系统
service neo4j-service start
Windows系统Neo4j.bat start
通过stop
命令可以关闭服务,status
命令查看运行状态
第一步:安装Jpype
从http://sourceforge.net/projects/jpype/files/JPype/ 下载最新版本,windows有exe格式的直接安装程序,linux平台要下载源码包,解压后运行sudo python setup.py install
完成安装
第二步:安装 neo4j-embedded
如果安装了python的包管理工具 pip 或者 easy_install 可直接运行
Pip install neo4j-embedded
easy_install neo4j-embedded
也可以从http://pypi.python.org/pypi/neo4j-embedded/下载相应的安装包完成安装。
有如下所示的用户关注关系所形成的关系网络
现在利用图形数据库进行数据的储存,并获得user1 的粉丝,并为user4 推荐好友
示例代码:
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
|
#!/usr/bin/env python
# -*- coding: utf-8 -*-
#
# Neo4j图形数据库示例
#
from
neo4j
import
GraphDatabase, INCOMING
# 创建或连接数据库
db
=
GraphDatabase(
'neodb'
)
# 在一个事务内完成写或读操作
with db.transaction:
#创建用户组节点
users
=
db.node()
# 连接到参考节点,方便查找
db.reference_node.USERS(users)
# 为用户组建立索引,便于快速查找
user_idx
=
db.node.indexes.create(
'users'
)
#创建用户节点
def
create_user(name):
with db.transaction:
user
=
db.node(name
=
name)
user.INSTANCE_OF(users)
# 建立基于用户name的索引
user_idx[
'name'
][name]
=
user
return
user
#根据用户名获得用户节点
def
get_user(name):
return
user_idx[
'name'
][name].single
#建立节点
for
name
in
[
'user1'
,
'user2'
,
'user3'
,
'user4'
]:
create_user(name)
#为节点间添加关注关系(FOLLOWS)
with db.transaction:
get_user(
'user2'
).FOLLOWS(get_user(
'user1'
))
get_user(
'user3'
).FOLLOWS(get_user(
'user1'
))
get_user(
'user4'
).FOLLOWS(get_user(
'user3'
))
# 获得用户1的粉丝
for
relationship
in
get_user(
'user1'
).FOLLOWS.incoming:
u
=
relationship.start
print
u[
'name'
]
#输出结果:user2,user3
#为用户4推荐好友,即该用户关注的用户所关注的用户
nid
=
get_user(
'user4'
).
id
#设置查询语句
query
=
"START n=node({id}) MATCH n-[:FOLLOWS]->m-[:FOLLOWS]->fof RETURN n,m,fof"
for
row
in
db.query(query,
id
=
nid):
node
=
row[
'fof'
]
print
node[
'name'
]
#输出结果:user1
|