Docker：Docker部署Neo4j图数据库

优质文章学习记录

— 6 min read
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

RMBG-2.0多任务协同方案：接入Stable Diffusion工作流，生成→抠图→合成一体化

RMBG-2.0多任务协同方案：接入Stable Diffusion工作流，生成→抠图→合成一体化 1. 为什么抠图成了AI图像工作流的“卡点”？ 你有没有遇到过这样的场景：用Stable Diffusion生成了一张绝美的角色立绘，但背景太杂乱，想换到电商详情页却卡在了抠图环节？手动PS耗时半小时，AI在线工具又担心图片上传泄露隐私，还动不动就崩掉——毛发边缘糊成一片，玻璃杯透明感全无，甚至把飘动的发丝直接切掉。 这不是个别现象。大量设计师、内容创作者、电商运营者反馈：生成容易，落地难；模型很炫，流程断在抠图这一步。 而RMBG-2.0（BiRefNet）的出现，正在悄悄改变这个局面。它不是又一个“差不多能用”的抠图工具，而是首个真正意义上能无缝嵌入本地AI图像工作流的高精度、低延迟、零隐私风险抠图引擎。它不只解决“能不能抠”，更解决“抠完怎么用”——直接对接SD WebUI、ComfyUI、乃至自定义Python脚本，让“生成→
Unity 无人机物理模拟开发日志：从零打造穿越机手感

Unity 无人机物理模拟开发日志：从零打造穿越机手感

Unity 无人机物理模拟开发日志：从零打造穿越机手感 摘要：本文记录了在 Unity 中构建一个高拟真 FPV 穿越机（Drone）物理模拟系统的过程。从基础的 PID 控制到引入空气动力学阻力、地面效应和电机惯性，一步步逼近真实的飞行手感。 环境：Unity 2022.3.57c1f1Window10 开源仓库地址 Unity引擎开发的无人机模拟系统 演示视频： Unity无人机仿真-bilbil 一、功能介绍 输入系统 最初的实现使用键盘鼠标控制，但这对于模拟穿越机来说完全不够。真实的穿越机需要细腻的模拟量输入。 核心物理引擎 Unity 的 Rigidbody 提供了基础物理，但要飞得像穿越机，必须手动计算力和力矩。 PID 控制器 (Rate Loop) 这是飞控的灵魂。我们实现了三个独立的 PID 控制器分别控制 Pitch、Roll 和 Yaw
2026四款AI 低代码集成实战

2026四款AI 低代码集成实战

一、引言： 作为一名常年打交道AI应用开发的程序员，近半年明显感觉到低代码AI平台的爆发式增长——越来越多团队不想重复造轮子，希望通过现成平台快速落地智能体、知识库问答这类应用。但市面上平台鱼龙混杂，有的侧重单一功能，有的看似全面却暗藏坑点，比如部署复杂、商用授权模糊、扩展性差等。 这次筛选了当前热度较高的四款工具：FastGPT（主打模型与知识库）、ToolLLM（专注自动化编排）、Langfuse（聚焦监控观测）、BuildingAI（一体化平台）。测评全程站在中立技术视角，不看营销噱头，只谈真实开发体验——从搭建简单问答应用，到部署企业级服务，逐一测试核心功能，记录踩坑过程与解决思路，最终给出不同场景下的选择建议。 二、测试环境（简述） 服务器配置：4核8G云服务器（Ubuntu 22.04 LTS），带宽10M；本地开发环境：MacBook Pro M2，16G内存。所有平台均优先采用Docker部署（官方推荐方式），测试用例统一为“搭建企业产品知识库问答应用”，包含模型接入、
Java编程进阶：智能仿真无人机项目4.0

Java编程进阶：智能仿真无人机项目4.0

一、项目前期准备 V4 版本在 V3 “双向对抗” 基础上，新增定点任务处理、鼠标交互、多线程协作、状态机管理四大核心功能，新手需在 V3 基础（集合、线程通信、扫描攻击）上，额外掌握以下知识点： 1. 鼠标事件监听（MouseListener） * 作用：捕捉鼠标操作（点击、按压、释放等），实现 “鼠标点击生成任务” 的交互； * 核心接口：MouseListener，需重写 5 个方法（重点用mousePressed：鼠标按压时触发）； * 关键步骤：给窗口注册鼠标监听器→重写mousePressed方法→获取鼠标点击坐标。 2. 距离计算（勾股定理） * 作用：找到 “离任务点最近的无人机”，实现任务分配逻辑； 代码实现： (int)