Docker 安装 Neo4j 保姆级教程

Docker 安装 Neo4j 保姆级教程

本教程适用于零基础用户,详细讲解如何在 Windows 或 Linux 环境下通过 Docker 安装并配置 Neo4j 图数据库。

Neo4j 官方 Docker 文档

1. 环境准备

2. 创建挂载目录

在宿主机上新建以下目录,用于数据持久化和配置挂载(以 Linux 为例,Windows 可用资源管理器新建文件夹):

mkdir -p /home/neo4j/data /home/neo4j/logs /home/neo4j/conf /home/neo4j/import /home/neo4j/plugins 

Windows 示例:

  • 新建 datalogsconfimportplugins 这五个文件夹。

3. 拉取 Neo4j 镜像

以最新版为例(你也可根据需要指定版本):

docker pull neo4j:latest 

4. 启动 Neo4j 容器

  • Linux Docker run :
docker run -d --name neo4j \ -p 7474:7474 -p 7687:7687 \ -v /home/neo4j/data:/data \ -v /home/neo4j/logs:/logs \ -v /home/neo4j/conf:/var/lib/neo4j/conf \ -v /home/neo4j/import:/var/lib/neo4j/import \ -v /home/neo4j/plugins:/var/lib/neo4j/plugins \ -e NEO4J_AUTH=neo4j/your_secure_password neo4j:latest 
  • Windows Docker run :
docker run -d --name neo4j ^ -p 7474:7474 -p 7687:7687 ^ -v E:/docker/neo4j/data:/data ^ -v E:/docker/neo4j/logs:/logs ^ -v E:/docker/neo4j/conf:/var/lib/neo4j/conf ^ -v E:/docker/neo4j/import:/var/lib/neo4j/import ^ -v E:/docker/neo4j/plugins:/var/lib/neo4j/plugins ^ -e NEO4J_AUTH=neo4j/neo4j@1234 ^ neo4j:latest 
注意:NEO4J_AUTH 的格式必须为 用户名/密码,如 neo4j/123456,不能只写密码,否则会报错。并且密码要超过8个字符,不然也无法启动

5. 访问 Neo4j

浏览器访问 http://localhost:7474,输入用户名 neo4j 和你设置的密码。

6. 配置远程访问(可选)

如需远程访问,需修改 neo4j.conf 文件:

  • 编辑挂载到宿主机的 conf/neo4j.conf 文件,添加或修改如下内容:
# Neo4j 4以下版本追加以下配置 dbms.connector.bolt.listen_address=0.0.0.0:7687 dbms.connector.http.listen_address=0.0.0.0:7474 

如果报错:

E:\docker\neo4j>docker logs -f neo4j Failed to read config /var/lib/neo4j/conf/neo4j.conf: Unrecognized setting. No declared setting with name: dbms.connectors.default_listen_address. Cleanup the config or disable 'server.config.strict_validation.enabled' to continue. Run with '--verbose'for a more detailed error message. 

从 Neo4j 4.x 开始,配置项已经发生较大变更。而你提供的配置中混用了旧版本(如 3.x)和新版本(如 4.x/5.x)的配置项。

server.memory.pagecache.size=512M server.default_listen_address=0.0.0.0 # 设置 Bolt 和 HTTP 端口 server.bolt.listen_address=:7687 server.http.listen_address=:7474 server.directories.logs=/logs 
  • 保存后重启容器:
docker restart neo4j 

7. 常见问题

  • 端口被占用:修改 -p 参数映射到未被占用的端口。
  • 数据持久化:务必挂载 /data 目录,否则容器删除后数据会丢失。
  • 防火墙问题:确保 7474、7687 端口已放行。
  • 首次登录强制修改密码:首次登录后需修改密码。

Read more

MogFace人脸检测模型-WebUIGPU优化方案:INT8量化后显存降低40%,精度损失<0.5%

MogFace人脸检测模型-WebUIGPU优化方案:INT8量化后显存降低40%,精度损失<0.5% 1. 服务简介与优化背景 MogFace人脸检测模型是基于ResNet101 backbone的高精度检测器,在CVPR 2022论文中提出,具有出色的检测性能。该服务提供Web界面和API接口两种使用方式,支持单张图片和批量图片的人脸检测,能够准确识别正面、侧脸、戴口罩、光线暗等各种条件下的人脸。 在实际部署中,我们发现原始FP32模型在GPU上的显存占用较高,影响了服务的并发处理能力。通过INT8量化技术,我们在保持检测精度的同时,显著降低了显存占用和推理延迟。 2. INT8量化技术原理 2.1 量化基本概念 模型量化是将浮点计算转换为整数计算的过程。FP32模型使用32位浮点数表示权重和激活值,而INT8量化将其压缩到8位整数,理论上可减少75%的存储空间和内存占用。 对于MogFace这样的人脸检测模型,量化过程需要特别关注检测精度保持,因为边界框和关键点的准确回归对数值精度较为敏感。 2.2 量化实施方案 我们采用训练后量化(Post-Trainin

新版华三H3C交换机配置NTP时钟步骤 示例(命令及WEB配置)

命令版本  启用NTP服务 默认服务可能未激活,需手动开启: [H3C] ntp-service enable 配置NTP服务器地址 1.1.1.1 在全局配置模式下使用命令ntp-service unicast-server指定NTP服务器IP地址,例如: [H3C] ntp-service unicast-server 1.1.1.1 支持域名或IPv6地址,需确保交换机与NTP服务器网络可达。 设置时区 使用clock timezone命令调整时区,北京时间示例: [H3C] clock timezone Beijing add 08:00:00 [H3C] clock protocol ntp 名称可自定义(如"Beijing"),偏移量需与实际时区匹配。 配置NTP认证(可选) 若服务器需认证,需配置密钥和关联:

当WordPress遇见WebP:一个小白站长的图像优化历险记

当WordPress遇见WebP:一个小白站长的图像优化历险记 1. 从龟速加载到性能觉醒 去年夏天,我的个人博客突然变得像老牛拉破车一样慢。每次刷新页面,都能看到浏览器上方那个旋转的小圆圈转得我心烦意乱。Google PageSpeed Insights给我的评分只有可怜的42分,红色警告赫然写着:"图片未优化,影响首屏加载"。 当时我的媒体库里堆满了从单反相机导出的高清照片,每张都是3-4MB的JPEG。最夸张的是首页轮播图,五张图片加起来足足有18MB!直到某天,一位读者留言说:"你的文章很棒,但每次打开都要先喝杯咖啡等图片加载..." 这才让我下定决心解决这个问题。 WebP初体验的三大发现: * Chrome开发者工具的Network面板显示,图片加载占用了82%的带宽 * 同一张照片,JPEG格式1.2MB,转成WebP后仅380KB * 转换后的图片人眼几乎看不出质量差异 技术小白笔记:WebP是Google开发的图像格式,支持有损/无损压缩。相比JPEG,通常能减少25-35%的文件体积,还支持PNG般的透明特性。 2. 插件选择:从迷茫到顿悟