Neo4j的安装和使用
文章目录
-
-
- 一、简介
- 二、安装
-
- 遇到的问题：无法远程访问 7474 端口
- 三、使用
-
- 1.创建一个人物节点
- 2.继续来创建更多的人物节点，并分别命名
- 3.创建地区节点
- 4.接下来创建关系
- 5.关系也可以增加属性
- 6.接下来增加更多的关系
- 7.然后，建立不同类型节点之间的关系-人物和地点的关系
- 8.同样建立更多人的出生地
- 9.至此，知识图谱的数据已经插入完毕，可以开始做查询了
- 10.查询所有对外有关系的节点
- 11.查询所有有关系的节点
- 12.查询所有对外有关系的节点，以及关系类型
- 13.查询所有有结婚关系的节点
- 14.查找两个节点之间关系的最短路径
- 15.创建节点的时候就建好关系
- 16.查找某人的朋友的朋友
- 17.模糊查询
- 18.增加/修改节点的属性
- 19.删除节点的属性
- 20.删除节点
- 21.删除有关系的节点
- 22.清空数据库命令
- 23.根据 id 属性查询节点
- 24.根据 id 属性删除节点
- 25.只要指出而不要被指入的节点
- 四、扩展
-
- 1.导入文件
- 2.展示全部节点信息
- 3.同时运行多个语句
- 4.自定义node大小
- 5.关系中包含特殊字符
-
一、简介
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。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，但是它将结构化数据存储在网络（从数学角度叫做图）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。
现实中很多数据都是用图来表达的，比如社交网络中人与人的关系、地图数据、或是基因信息等等。RDBMS并不适合表达这类数据，而且由于海量数据的存在，让其显得捉襟见肘。NoSQL数据库的兴起，很好地解决了海量数据的存放问题，图数据库也是NoSQL的一个分支，相比于NoSQL中的其他分支，它很适合用来原生表达图结构的数据。
通常来说，一个图数据库存储的结构就如同数据结构中的图，由顶点和边组成。
Neo4j是图数据库中一个主要代表，其开源，且用Java实现（需安装JDK）。经过几年的发展，已经可以用于生产环境。其有两种运行方式，一种是服务的方式，对外提供REST接口；另外一种是嵌入式模式，数据以文件的形式存放在本地，可以直接对本地文件进行操作。
Neo4j分三个版本：社区版（community）、高级版（advanced）和企业版（enterprise）。社区版是基础，本文主要对其作出介绍，它使用的是GPLv3协议，这意味着修改和使用其代码都需要开源，但是这是建立在软件分发的基础上，如果使用Neo4j作为服务提供，而不分发软件，则不需要开源。这实际上是GPL协议本身的缺陷。高级版和企业版建立在社区版的基础上，但多出一些高级特性。高级版包括一些高级监控特性，而企业版则包括在线备份、高可用集群以及高级监控特性。要注意它们使用了AGPLv3协议，也就是说，除非获得商业授权，否则无论以何种方式修改或者使用Neo4j，都需要开源。
二、安装
安装好java 后，要下载 neo4j，下载地址：Windows 3.3.9 社区版、Linux 3.3.9 社区版。然后执行以下操作：
[root@hadoop100 ~]# tar -zxvf neo4j-community-3.3.9-unix.tar
[root@hadoop100 ~]# cd neo4j-community-3.3.9/
[root@node02 neo4j-community-3.3.9]# bin/neo4j start
Active database: graph.db
Directories in use:
home: /mnt/neo4j-community-3.3.9
config: /mnt/neo4j-community-3.3.9/conf
logs: /mnt/neo4j-community-3.3.9/logs
plugins: /mnt/neo4j-community-3.3.9/plugins
import: /mnt/neo4j-community-3.3.9/import
data: /mnt/neo4j-community-3.3.9/data
certificates: /mnt/neo4j-community-3.3.9/certificates
run: /mnt/neo4j-community-3.3.9/run
Starting Neo4j.
Started neo4j (pid 62239). It is available at http://localhost:7474/
There may be a short delay until the server is ready.
See /mnt/neo4j-community-3.3.9/logs/neo4j.log for current status.
启动成功后，访问 7474 端口：
遇到的问题：无法远程访问 7474 端口
解决：参考：https://www.pianshen.com/article/81132039512/
[root@hadoop100 neo4j-community-3.3.9]# vim conf/neo4j.conf
# 修改如下配置为：
dbms.connector.http.listen_address=0.0.0.0:7474
然后重启 neo4j，执行命令 bin/neo4j restart，但紧接着遇到如下问题：
解决：参考官网：https://neo4j.com/developer/kb/explanation-of-error-websocket-connection-failure/
[root@hadoop100 neo4j-community-3.3.9]# vim conf/neo4j.conf
# 修改如下配置为：
dbms.connector.bolt.listen_address=0.0.0.0:7687
# 然后重启neo4j，执行命令 bin/neo4j restart
三、使用
来自：Neo4j 安装、使用教程
1.创建一个人物节点
CREATE (n:Person {name:'John'}) RETURN n
CREATE 是创建操作，Person 是标签，代表节点的类型。花括号 {} 代表节点的属性，属性类似 Python 的字典。这条语句的含义就是创建一个标签为 Person 的节点，该节点具有一个 name 属性，属性值是 John。
2.继续来创建更多的人物节点，并分别命名
CREATE (n:Person {name:'Sally'}) RETURN n;
CREATE (n:Person {name:'Steve'}) RETURN n;
CREATE (n:Person {name:'Mike'}) RETURN n;
CREATE (n:Person {name:'Liz'}) RETURN n;
CREATE (n:Person {name:'Shawn'}) RETURN n;
3.创建地区节点
CREATE (n:Location {city:'Miami', state:'FL'});
CREATE (n:Location {city:'Boston', state:'MA'});
CREATE (n:Location {city:'Lynn', state:'MA'});
CREATE (n:Location {city:'Portland', state:'ME'});
CREATE (n:Location {city:'San Francisco', state:'CA'});
如图所示，共有6个人物节点、5个地区节点，Neo4j 贴心地使用不同的颜色来表示不同类型的节点。
4.接下来创建关系
MATCH (a:Person {name:'Liz'}),
(b:Person {name:'Mike'})
MERGE (a)-[:FRIENDS]->(b)
这里的方括号 [] 即为关系，FRIENDS 为关系的类型。注意这里的箭头 --> 是有方向的，表示是从 a 到 b 的关系。 如图，Liz 和 Mike 之间建立了 FRIENDS 关系，通过 Neo4j 的可视化很明显的可以看出：
5.关系也可以增加属性
MATCH (a:Person {name:'Shawn'}),
(b:Person {name:'Sally'})
MERGE (a)-[:FRIENDS {since:2001}]->(b)
在关系中，同样的使用花括号 {} 来增加关系的属性，也是类似 Python 的字典，这里给 FRIENDS 关系增加了 since 属性，属性值为 2001，表示他们建立朋友关系的时间。
6.接下来增加更多的关系
MATCH (a:Person {name:'Shawn'}), (b:Person {name:'John'}) MERGE (a)-[:FRIENDS {since:2012}]->(b);
MATCH (a:Person {name:'Mike'}), (b:Person {name:'Shawn'}) MERGE (a)-[:FRIENDS {since:2006}]->(b);
MATCH (a:Person {name:'Sally'}), (b:Person {name:'Steve'}) MERGE (a)-[:FRIENDS {since:2006}]->(b);
MATCH (a:Person {name:'Liz'}), (b:Person {name:'John'}) MERGE (a)-[:MARRIED {since:1998}]->(b);
7.然后，建立不同类型节点之间的关系-人物和地点的关系
MATCH (a:Person {name:'John'}), (b:Location {city:'Boston'}) MERGE (a)-[:BORN_IN {year:1978}]->(b)
8.同样建立更多人的出生地
MATCH (a:Person {name:'Liz'}), (b:Location {city:'Boston'}) MERGE (a)-[:BORN_IN {year:1981}]->(b);
MATCH (a:Person {name:'Mike'}), (b:Location {city:'San Francisco'}) MERGE (a)-[:BORN_IN {year:1960}]->(b);
MATCH (a:Person {name:'Shawn'}), (b:Location {city:'Miami'}) MERGE (a)-[:BORN_IN {year:1960}]->(b);
MATCH (a:Person {name:'Steve'}), (b:Location {city:'Lynn'}) MERGE (a)-[:BORN_IN {year:1970}]->(b);
9.至此，知识图谱的数据已经插入完毕，可以开始做查询了
# 我们查询下所有在Boston出生的人物
MATCH (a:Person)-[:BORN_IN]->(b:Location {city:'Boston'}) RETURN a,b
10.查询所有对外有关系的节点
MATCH (a)-->() RETURN a
# 注意：这里箭头的方向，返回结果不含任何地区节点，因为地区并没有指向其他节点（只是被指向）
11.查询所有有关系的节点
MATCH (a)--() RETURN a
12.查询所有对外有关系的节点，以及关系类型
MATCH (a)-[r]->() RETURN a.name, type(r)
13.查询所有有结婚关系的节点
MATCH (n)-[:MARRIED]-() RETURN n
14.查找两个节点之间关系的最短路径
MATCH n=allshortestPaths((a:Person {name:'Liz'})-[*]->(b:Person {name:'Steve'})) return n
15.创建节点的时候就建好关系
CREATE (a:Person {name:'Todd'})-[r:FRIENDS]->(b:Person {name:'Carlos'})
16.查找某人的朋友的朋友
MATCH (a:Person {name:'Mike'})-[r1:FRIENDS]-()-[r2:FRIENDS]-(friend_of_a_friend) RETURN friend_of_a_friend.name AS fofName
返回 Mike 的朋友的朋友：
17.模糊查询
match (n:Person) where n.name=~'S.*' return n
18.增加/修改节点的属性
MATCH (a:Person {name:'Liz'}) SET a.age=34;
MATCH (a:Person {name:'Shawn'}) SET a.age=32;
MATCH (a:Person {name:'John'}) SET a.age=44;
MATCH (a:Person {name:'Mike'}) SET a.age=25;
# 这里SET表示修改操作
19.删除节点的属性
MATCH (a:Person {name:'Mike'}) SET a.test='test'
MATCH (a:Person {name:'Mike'}) REMOVE a.test
# 删除属性操作主要通过 REMOVE
20.删除节点
MATCH (a:Location {city:'Portland'}) DELETE a
# 除节点操作是 DELETE
21.删除有关系的节点
MATCH (a:Person {name:'Todd'})-[rel]-(b:Person) DELETE a,b,rel
22.清空数据库命令
MATCH (n) DETACH DELETE n
# 这里，MATCH 是匹配操作，而小括号() 代表一个节点node（可理解为括号类似一个圆形），括号里面的n为标识符。
23.根据 id 属性查询节点
MATCH (r)
WHERE id(r) = 501
RETURN r
24.根据 id 属性删除节点
MATCH (r)
WHERE id(r) = 501
DELETE r
RETURN r
# 这个样例只删除该节点，要想删和这个节点与其他节点的关系，请看下个例子
MATCH (r)
WHERE id(r) = 501
DETACH DELETE r
RETURN r
25.只要指出而不要被指入的节点
match (a:RH) where ((a)-->(:RH) and not (:RH)-->(a)) return a
四、扩展
1.导入文件
在安装目录的 import 目录中放入你想要导入的文件。
这里导入两个CSV，一个是人物名称，一个为人物关系。
vim import/test1.csv
孙悟空
猪八戒
唐僧
沙和尚
金角大王
银角大王
vim import/test2.csv
孙悟空,唐僧,徒弟
孙悟空,猪八戒,师兄
猪八戒,唐僧,徒弟
沙和尚,唐僧,徒弟
孙悟空,沙和尚,师兄
金角大王,银角大王,哥哥
孙悟空,金角大王,敌人
执行导入命令：
LOAD CSV FROM "file:///test1.csv" as line
CREATE (p:xiyouperson{name:line[0]})
LOAD CSV FROM "file:///test2.csv" as line
CREATE (p:xiyourelation{name:line[0],to:line[1],relation:line[2]})
添加单个对象关系：
添加所有对象关系：
match (n:xiyouperson),(m:xiyourelation),(s:xiyouperson)
where n.name=m.name and s.name=m.to
create (n)-[:关系{relation:m.relation}]->(s)
return n.name,m.relation,s.name
2.展示全部节点信息
我们有时候在生成较大的图谱时，会产生大量的节点以及与之关联的关系，可能会遇到 由于初始节点显示设置, 并非所有返回节点都被显示. 仅显示 300 个节点中的 300 个 的问题。解决的话修改如下设置
原参数为300，100，1000，上述为自行设置，此时再执行 MATCH (n) RETURN n LIMIT 10000
3.同时运行多个语句
一条一条的执行语句很费事，想一下执行多条语句，结果报错
原来需要打开该设置才可以
4.自定义node大小
在页面输入框里执行：:style node.Person {diameter: 300px}
5.关系中包含特殊字符
MATCH (a:Person {name:'Liz'}),
(b:Person {name:'Mike'})
MERGE (a)-[:`a.FR and = b.IENDS`]->(b)
# 关系属性中包含特殊字符
MATCH (a:Person {name:'Liz'}),
(b:Person {name:'Mike'})
MERGE (a)-[:FRIENDS {join: “a.FR and = b.IENDS”}]->(b)
- Neo4j官方连接：https://neo4j.com/
- w3c教程：https://www.w3cschool.cn/neo4j/
- Spring-Data-Neo4j：https://projects.spring.io/spring-data-neo4j/