图数据库初探之Neo4j

图数据库初试之Neo4j

自从进入了移动互联网时代，各种新事物出现的速度都好像坐上了宇宙飞船，几乎隔几天一个新概念。就拿数据库而言，什么Oracle、DB2、SQL Server、MySQL，这些你都得知道，然后是以MongoDB、HBase等为代表的NoSQL数据库，这几年图数据库也很快流行起来，它是如此的热门，以至于不赶紧学学好像没法跟大家交流了一般，虽然它也属于NoSQL。

练习完本文，大概需要20分钟。

基本概念

图数据库，这是一个很容易被误解的概念，好多人都下意识的以为，这是存储图片的数据库，其实不然。

传统的关系型数据库数据模型就是二维表，存储时每一条记录按行存储；到了NoSQL，有些存储的是文档，如MongoDB中，有些存储的键值对，如Redis，而图数据库，存储的则是点边关系。

所谓图，回想离散数学、数据结构之类的基础课，会想起它的定义，G = (V, E)，简单来说，一个图有两个必要的组成要素，点集合和边集合，点的集合是为点集，点之间的连接关系构成了边集。典型的比如社交网络，每一个人都可以看成一个点，而他们之间的朋友关系，则可以看成是边。

为什么说图数据库这几年很热门，一个很重要的原因可能是，单一数据中的规律已经有太多的模型和算法可以处理了，而好多隐藏的规律，则蕴含在数据之间的连接中。拿一个欺诈检测中最典型的例子来说，好多不法分子申请信用卡，一个典型的特点是，他们会填写好多相同的地址和电话，如果单纯地分析信用卡申请单，很难判断他们是否欺诈，但如果利用图数据库，以申请人和地址作为点，以拥有某通信地址为边构建图，则很容易发现欺诈。（大家不要钻牛角尖啊，我只是举例说用图数据库很容易发现这种欺诈模式，并没有说你不能用其他的技术发现。）

还有一个传统关系型数据库和其他NoSQL数据库致命的弱点是，在一个图（也有的资料叫网络，这两者的区别以后有机会再解释）中，寻找二度及以上的关系，效率非常低。相比大家都听说过“小世界”理论，也就是说，世界上的任何两个人之间，只需要6个人就可以建立联系，也叫六度分割理论，这只是个假说，后来有研究人员研究过Facebook等的数据发现，真实的值，比6还要小，大概在4左右，不得不感叹，这个世界真小！言归正传，要想用关系型数据库寻找6度关系，大家想想那个计算量，简直大得惊人，而使用图数据库，则简单地多，因为它存储的就是点边关系，寻找几度关系这类为题，不过是图的遍历而已！

安装

一般这种新兴软件的安装都很简单，本文以macOS为例，其他平台请参考官方文档。

使用安装文件安装

访问https://neo4j.com/download/，选择For Individuals(Community版，免费)，下载相应平台的安装文件即可。

使用HomeBrew安装

使用HomeBrew安装同样非常简单

$ brew install neo4j

使用如下命令启动

$ brew services neo4j start

启动后，打开浏览器，访问http://localhost:7474，即可看到Neo4j的web console，官方称之为Neo4j Browser。使用neo4j/neo4j分别作为用户名和密码。登录后会要求你更改用户名和密码

NOTE

万一遗忘密码，可以到Neo4j的数据目录下，删除<Neo4j_database_location>/data/dbms/auth，这样下次登录时会重置密码。

界面探索

启动后界面类似下图所示，做出的的边栏我点开了，右侧上方的命令条很重要，接下来的命令都要在此输入，整个界面还是比较易用的。

接下来介绍Cypher语句，这可谓是Neo4j的关键。

Cypher语句

Cypher语句是Neo4j的图查询语言。以下例子来自Neo4j Browser，启动后在命令栏输入:play cypher即可，可以参照例子进行学习，也可以参考本文练习。

CREATE

在上方命令条中输入如下语句

CREATE (ee:Person { name: "Emil", from: "Sweden", klout: 99 })

CREATE是创建记录的关键词；()指定一个节点；ee:Person，ee是一个变量，Person是一个Label；{}为节点添加属性

结果如下图

MATCH

MATCH关键词可以用于进行模式匹配(Pattern Matching)，例如查找节点或者关系

MATCH (ee:Person) WHERE ee.name = "Emil" RETURN ee;

MATCH节点或关系的匹配模式，类似SQL中的select；(ee:Person)一个Label为Person的单节点模式，匹配到的结果将赋值给变量ee；WHERE对结果的约束，类似SQL中的where语句；ee.name = "Emil"ee的属性name是Emil；RETURN请求特定结果。

MATCH语句不仅可以用于查询节点，还可以用于查询关系，例如如下的语句

MATCH (ee:Person)-[:KNOWS]-(friends)
WHERE ee.name = "Emil" RETURN ee, friends

在上面这条语句中

MATCH语句描述了从已知节点到待寻找节点的模式；(ee)是一个指代已知节点的变量；-[:KNOWS]-匹配了KNOWS的关系（双向匹配）；(friends)包含所有Emil的朋友

复合语句

除了上面这种简单的CREATE语句，还可以组合其他关键词添加更复杂的记录，我暂且叫它复合语句吧。

在上方命令条中输入如下语句

MATCH (ee:Person) WHERE ee.name = "Emil"
CREATE (js:Person { name: "Johan", from: "Sweden", learn: "surfing" }),
(ir:Person { name: "Ian", from: "England", title: "author" }),
(rvb:Person { name: "Rik", from: "Belgium", pet: "Orval" }),
(ally:Person { name: "Allison", from: "California", hobby: "surfing" }),
(ee)-[:KNOWS {since: 2001}]->(js),(ee)-[:KNOWS {rating: 5}]->(ir),
(js)-[:KNOWS]->(ir),(js)-[:KNOWS]->(rvb),
(ir)-[:KNOWS]->(js),(ir)-[:KNOWS]->(ally),
(rvb)-[:KNOWS]->(ally)

执行结果显示Added 4 labels, created 4 nodes, set 14 properties, created 7 relationships, completed after 13 ms.

分析Cypher语句

使用PROFILE或EXPLAIN可以用于分析Cypher语句，加深对查询的理解

PROFILE MATCH (js:Person)-[:KNOWS]-()-[:KNOWS]-(surfer)
WHERE js.name = "Johan" AND surfer.hobby = "surfing"
RETURN DISTINCT surfer

使用Cypher语句进行推荐

模式匹配还能用来进行推荐。例如Johan正在学习冲浪，他想寻找一个新的已经在学习冲浪的朋友

MATCH (js:Person)-[:KNOWS]-()-[:KNOWS]-(surfer)
WHERE js.name = "Johan" AND surfer.hobby = "surfing"
RETURN DISTINCT surfer

可以从结果看到，该语句找到一个Johan的朋友Alison

小结

短短二三十分钟，相信你已经大概了解了Neo4j，接下来还会介绍更加深入的例子，结合客户端驱动（如Python）操作Neo4j，同时还会在后期结合一个具体的例子讲解Neo4j，感兴趣的欢迎关注哦。同时，大家也可以扫描二维码关注我的微信公众号哦。