Docker:Docker部署Neo4j图数据库

Docker:Docker部署Neo4j图数据库

Docker:Docker部署Neo4j图数据库

前言

Neo4j是一个高性能的,基于java开发的,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。

Neo4j分为企业版和社区版,企业版可以创建多个数据库,链接多个数据库,但是收费……;社区版只能链接一个数据库,所以社区版不支持创建数据库命令。

Neo4j部署后默认创建名字为 neo4j 的数据库,可以直接链接这个数据库

拉取镜像

# 下载镜像 docker pull neo4j:5.26.2 

也可以不指定版本

构建容器

# 创建neo4j容器 docker run -it -d -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/password \ --name neo4j neo4j:5.26.2 

-p 7474:7474 宿主机端口映射,7474端口为Neo4j界面访问端口

-p 7687:7687 宿主机端口映射,7687端口为后台API接口访问端口

-v /home/neo4j/data:/data 宿主机目录挂载,将Neo4j存储数据挂载到宿主机目录

-v /home/neo4j/logs:/logs 宿主机目录挂载,将Neo4j运行日志挂载到宿主机目录

-v /home/neo4j/conf:/var/lib/neo4j/conf 宿主机目录挂载,将Neo4j配置文件挂载到宿主机目录

-v /home/neo4j/import:/var/lib/neo4j/import 宿主机目录挂载,将Neo4j数据导入目录挂载到宿主机目录

-v /home/neo4j/plugins:/var/lib/neo4j/plugins 宿主机目录挂载,将Neo4j插件安装目录挂载到宿主机目录

-e NEO4J_AUTH=neo4j/password 配置Neo4j的登录密码,用户名必须是neo4j,密码可以自定义

访问界面

访问地址:http://{{目标地址}}:7474/browser/
本地部署的话就是 localhost,作者这里使用的是腾讯云服务器,使用云服务器记得开发7474端口

数据备份与恢复

停止容器

不管是导入或导出操作,第一步一定要将已启动的Neo4j停止(不是删除,是停止)

# 停止容器 docker stop neo4j 
#### 导出neo4j数据 docker run --interactive --tty --rm \ --volume=/home/neo4j/data:/data \ --volume=/home/neo4j/backups:/var/lib/neo4j/import \ --name neo4j_demo neo4j:5.26.2 \ neo4j-admin database dump neo4j --to-path=/var/lib/neo4j/import/ 

–interactive 提示Docker保持标准输入流(stdin,标准输入)对容器开放,允许用户通过命令行直接与容器交互,进行实时操作和调试。

–tty 提示Docker 为容器分配一个虚拟终端,允许发信号给容器进行实时操作。

–rm 容器完成操作并停止后自动删除容器。

-v /home/neo4j/data:/data 引用刚才停止的Neo4j容器存储的数据

-v /home/neo4j/backups:/var/lib/neo4j/import 将数据导出后通过容器映射目录到宿主机的 /home/neo4j/backup 目录

neo4j-admin database dump neo4j --to-path=/var/lib/neo4j/import/ 导出命令,在容器内使用 neo4j-admin 工具将 neo4j 数据库备份,备份文件存到容器内 /var/lib/neo4j/import/ 目录(实际则会通过映射存到宿主机对应的挂载目录 /home/neo4j/backups )

–name neo4j_demo 重点:这里的容器名称不能和已停止的容器重名!!!!

导入数据

#- - - - - - - - - - - - - - 新版本 - - - - - - - - - - - - - - - #### 5.1版本之后,新版本导入neo4j数据(如果数据库存在会报错) docker run -it --rm \ --volume=/home/neo4j/data:/data \ --volume=/home/neo4j/import:/var/lib/neo4j/import neo4j:5.26.2 \ neo4j-admin database load --from-path=/var/lib/neo4j/import/ neo4j #### 5.1版本之后,新版本强制导入neo4j数据(无视数据库是否存在直接覆盖) docker run -it --rm \ --volume=/home/neo4j/data:/data \ --volume=/home/neo4j/import:/var/lib/neo4j/import neo4j:5.26.2 \ neo4j-admin database load --from-path=/var/lib/neo4j/import/ neo4j \ --overwrite-destination=true #- - - - - - - - - - - - - - 旧版本 - - - - - - - - - - - - - - - - #### 5.1版本之前,旧版本的导入命令(如果数据库存在会报错) docker run -it --rm \ --volume=/home/neo4j/data:/data \ --volume=/home/neo4j/import:/var/lib/neo4j/import neo4j:4.4.40 \ neo4j-admin load --from=/var/lib/neo4j/import/neo4j.dump --database=neo4j #### 5.1版本之前,旧版本的强制导入命令(无视数据库是否存在直接覆盖) docker run -it --rm \ --volume=/home/neo4j/data:/data \ --volume=/home/neo4j/import:/var/lib/neo4j/import neo4j:4.4.40 \ neo4j-admin load --from=/var/lib/neo4j/import/neo4j.dump --database=neo4j --force #- - - - - - - - - - 旧版本文件导入新版本数据库 - - - - - - - - - - - - #### 旧版本的数据文件强制导入新版本数据库内(无视数据库是否存在直接覆盖) docker run -it --rm \ --volume=/home/neo4j/data:/data \ --volume=/home/neo4j/import:/var/lib/neo4j/import neo4j:5.26.2 \ sh -c "neo4j-admin database load --from-path=/var/lib/neo4j/import/ neo4j --overwrite-destination=true && neo4j-admin database migrate neo4j --force-btree-indexes-to-range" 

–rm 容器完成操作并停止后自动删除容器。

-v /home/neo4j/data:/data 引用刚才停止的Neo4j容器存储的数据,目的是将数据导入到这个数据映射目录内

-v /home/neo4j/import:/var/lib/neo4j/import 将刚才导出的文件改名 “neo4j.dump”后,复制到/home/neo4j/import目录下,通过挂载机制会自动映射到容器内的 /home/neo4j/import 目录

neo4j-admin database load --from-path=/var/lib/neo4j/import/ neo4j 导入命令,在容器内使用 neo4j-admin 工具将 /var/lib/neo4j/import 目录下的“neo4j.dump”文件导入到neo4j数据库内

–overwrite-destination=true 强制导入,无视数据库是否存在直接覆盖

重启先前停止的容器

# 重启Neo4j容器 docker start neo4j 

Read more

前端PWA:让你的网站变成App

前端PWA:让你的网站变成App 毒舌时刻 前端PWA?这不是噱头吗? "PWA有什么用,用户直接用浏览器不就好了"——结果用户体验差,无法离线访问, "我有原生App,不需要PWA"——结果开发成本高,维护困难, "PWA就是加个manifest和service worker,多简单"——结果功能不完整,用户体验差。 醒醒吧,PWA不是简单的技术组合,而是一种现代化的Web应用模式! 为什么你需要这个? * 离线访问:即使没有网络也能访问应用 * 安装到主屏幕:像原生App一样方便使用 * 推送通知:及时向用户发送重要信息 * 性能提升:缓存静态资源,加快加载速度 * 跨平台:一次开发,多平台运行 反面教材 <!-- 反面教材:不完整的PWA配置 --> <!DOCTYPE html&

破除各种限制,手把手教你本地部署大语言模型,打造私人AI

破除各种限制,手把手教你本地部署大语言模型,打造私人AI

随着 AI 应用的快速普及,它已经悄然融入了人们的日常生活。相信大家对 ChatGPT、豆包、元宝这些 AI 应用已经不再陌生,并且几乎离不开它们了。但是,随着这些商用 AI 的广泛应用,一些问题也随之而来。由于监管日益严格,商用大模型的“输出限制”越来越多,动不动就触发拦截;另一方面,很多人也担心自己的敏感信息(比如商业机密、个人敏感信息,或者一些不便于给别人知道的对话)被大厂收集导致隐私泄露。这就导致很多时候,虽然 AI 很智能,但在某些特定场景下却显得非常“鸡肋”。那么,在自己的电脑上本地部署一个完全受自己控制的大语言模型的需求对个人用户就变得非常迫切。本文就将一步一步教你在本地电脑上部署一个专属于你自己的AI。 第一步:认识并安装 Ollama 简单来说,Ollama 是一个开源的本地大模型运行框架。在过去,想要在自己的电脑上运行一个几十亿参数的大语言模型(LLM),你需要懂 Python、配置复杂的代码环境、处理各种让人头疼的报错。而

[特殊字符]OpenClaw高级使用经验分享!2026年最强生产力!五分钟打造多Agent协作编程开发团队!模型容灾机制深度配置+云端Gateway操控本地macOS!2026年AI智能体终极形态!

[特殊字符]OpenClaw高级使用经验分享!2026年最强生产力!五分钟打造多Agent协作编程开发团队!模型容灾机制深度配置+云端Gateway操控本地macOS!2026年AI智能体终极形态!

OpenClaw是一款基于开源架构的AI智能体平台,被誉为2026年最具突破性的AI Agent系统。它以强大的多模型调度能力为核心,支持Anthropic、OpenAI、Google等主流AI模型的自动容灾切换,确保服务永不中断。OpenClaw内置智能记忆检索系统,通过Embedding模型实现混合搜索,让Agent在持续使用中不断积累经验、越用越聪明。其最大亮点在于多Agent协作机制——支持线性流水线、依赖图并行、多Agent辩论三种协作模式,可组建由编码、测试、文档、审查等专职AI成员构成的虚拟开发团队,一条指令即可交付生产级代码。此外,OpenClaw还支持云端与本地设备通过SSH反向隧道配对,实现远程操控浏览器、执行命令等跨端能力。用户只需下达指令,OpenClaw便能自主完成从开发到交付的全流程工作,堪称AI Agent的终极形态。 🔥🔥🔥本篇笔记所对应的视频: https://www.bilibili.com/video/BV1pScgzXEB7/ Team Tasks skill: https://github.com/win4r/team-tasks

【OpenClaw从入门到精通】第14篇:边缘计算+OpenClaw实战:树莓派/Mac mini部署永不掉线本地AI管家(2026实测)

【OpenClaw从入门到精通】第14篇:边缘计算+OpenClaw实战:树莓派/Mac mini部署永不掉线本地AI管家(2026实测)

摘要:本文聚焦OpenClaw在边缘设备的部署与应用,针对树莓派5、Mac mini、树莓派Zero 2 W三类主流边缘硬件,提供从硬件选型、环境配置到实战落地的完整指南。详解纯本地、云端协同、混合路由三种架构的取舍逻辑,通过分步实操代码、配置文件示例、性能优化方案,帮助读者将闲置边缘设备改造为7×24小时运行的私有AI管家。文中包含家庭自动化AI管家虚拟案例,覆盖语音控制、定时任务、设备监控等实用场景,并提供安全加固、故障排查技巧,兼顾新手入门与进阶需求,所有方案基于公开技术文档验证,确保可落地性与数据隐私安全。 优质专栏欢迎订阅! 【DeepSeek深度应用】【Python高阶开发:AI自动化与数据工程实战】【YOLOv11工业级实战】 【机器视觉:C# + HALCON】【大模型微调实战:平民级微调技术全解】 【人工智能之深度学习】【AI 赋能:Python 人工智能应用实战】【数字孪生与仿真技术实战指南】 【AI工程化落地与YOLOv8/v9实战】【C#工业上位机高级应用:高并发通信+性能优化】 【Java生产级避坑指南: