本文介绍 Neo4j 图数据库的基础概念与使用。涵盖图数据库与传统关系型数据库的区别，Neo4j 的核心特点及属性图模型（节点、关系、属性）。详细说明了通过 Docker 和本地方式安装启动 Neo4j 的步骤，并演示了 Web 浏览器访问方法。重点讲解了 Cypher 查询语言的基础操作，包括数据的创建、查询、更新合并及删除。此外还介绍了常用子句函数、索引优化策略、典型应用场景（如社交网络、推荐系统），以及 Neo4j 与关系型数据库的对比分析。适合开发者及数据工程师快速入门图数据库技术。
适用对象：开发者、数据工程师、AI/知识图谱从业者 前置知识：了解基本数据库概念即可 版本：Neo4j Community Edition 5.x + Cypher 查询语言
💡 图数据库 ≠ 图形可视化，而是指以图论为基础的数据存储与查询模型。
Neo4j 是目前最流行、功能最完善的 原生图数据库（Native Graph Database），由 Neo4j Inc. 开发，支持 ACID 事务、高可用、水平扩展（企业版）。
Neo4j 采用 属性图模型（Property Graph），包含三个基本元素：
| 元素 | 说明 | 示例 |
|---|---|---|
| 节点（Node） | 实体，可带标签（Label）和属性（Key-Value） | (:Person {name: "张三", age: 30}) |
| 关系（Relationship） | 有向连接两个节点，必须有类型（Type）和可选属性 | -[:FRIEND]->、-[:BOUGHT {date: "2025-12-01"}]-> |
| 属性（Property） | 键值对，存储在节点或关系上 | {name: "李四"}、{since: 2020} |
🔑 关键理解：节点可有多个标签（如
:User:Customer）；关系有方向（A → B ≠ B → A），但查询时可忽略方向；所有数据都通过'模式匹配'来查询，而非 JOIN。
docker run \
--publish=7474:7474 \
--publish=7687:7687 \
--volume=$HOME/neo4j/data:/data \
--env=NEO4J_AUTH=neo4j/password \
neo4j:5.18
neo4j console
打开浏览器访问：http://localhost:7474
默认密码为 neo4j。登录后系统会提示修改密码，设置新密码后即可进行操作。
Cypher 是 Neo4j 的专用查询语言，语法直观，类似 ASCII art 描绘图结构。
// 创建单个节点
CREATE (:Person {name: "Alice", age: 28});
// 创建带标签的节点
CREATE (:Movie {title: "Inception", year: 2010});
// 创建节点并建立关系
CREATE (a:Person {name: "Bob"})-[:ACTED_IN]->(m:Movie {title: "The Matrix"});
⚠️ 注意：每次
CREATE都会新建数据，可能产生重复。生产中常用MERGE（见下文）。
// 查询所有 Person 节点
MATCH (p:Person) RETURN p;
// 查询'看过电影'的用户
MATCH (u:User)-[:WATCHED]->(m:Movie) RETURN u.name, m.title;
// 查询两层关系：朋友的朋友
MATCH (me:Person {name: "Alice"})-[:FRIEND]->(friend)-[:FRIEND]->(fof)
RETURN fof.name;
🔍
MATCH是 Cypher 的核心，用于模式匹配图结构。
// 更新节点属性
MATCH (p:Person {name: "Alice"}) SET p.age = 29, p.city = "北京" RETURN p;
// 安全创建（避免重复）：如果不存在则创建
MERGE (p:Person {name: "Charlie"})
ON CREATE SET p.created = timestamp()
ON MATCH SET p.lastSeen = timestamp()
RETURN p;
✅ 最佳实践：用
MERGE代替CREATE避免重复节点。
// 删除关系（先 MATCH 关系）
MATCH ()-[r:TEMP]->() DELETE r;
// 删除节点（必须先删除其所有关系）
MATCH (p:Person {name: "Old User"}) DETACH DELETE p;
| 子句/函数 | 说明 | 示例 |
|---|---|---|
WHERE | 条件过滤 | WHERE p.age > 25 |
RETURN | 返回结果 | RETURN p.name AS name |
ORDER BY / LIMIT | 排序分页 | ORDER BY m.year DESC LIMIT 10 |
COUNT() | 计数 | RETURN count(*) |
COLLECT() | 聚合为列表 | RETURN collect(p.name) |
DISTINCT | 去重 | RETURN DISTINCT p.city |
// 节点属性索引（推荐用于 WHERE/MATCH 条件字段）
CREATE INDEX person_name_index FOR (p:Person) ON (p.name);
// 唯一约束（同时创建索引 + 唯一性校验）
CREATE CONSTRAINT unique_user_email FOR (u:User) REQUIRE u.email IS UNIQUE;
✅ 对经常用于查询条件的属性（如
id,name）建索引。
| 场景 | 图模型示例 |
|---|---|
| 社交网络 | 用户 -(FRIEND)-> 用户 |
| 推荐系统 | 用户 -(BOUGHT)-> 商品 ←-(BOUGHT)- 用户 |
| 知识图谱 | 实体 -(关系)-> 实体（如'北京 -[首都]-> 中国'） |
| 欺诈检测 | 账户 -(转账)-> 账户，识别异常环路 |
| 权限管理 | 用户 -(属于)-> 角色 -(有权访问)-> 资源 |
| 供应链追踪 | 原料 → 产品 → 分销商 → 客户 |
🌟 图数据库擅长解决'关联密集型'问题，尤其是路径查找、社区发现、影响力分析等。
| 维度 | Neo4j（图数据库） | MySQL/PostgreSQL（关系型） |
|---|---|---|
| 数据模型 | 节点 + 关系 | 表 + 行 + 外键 |
| 关联查询性能 | O(1) ~ O(k)，与深度无关 | O(N^d)，随 JOIN 深度指数下降 |
| Schema | 动态（灵活） | 静态（需 ALTER TABLE） |
| 适用场景 | 关系密集型（社交、知识图谱） | 事务密集型（订单、账务） |
| 扩展性 | 垂直扩展为主（企业版支持分片） | 分库分表复杂 |
💡 不是替代关系型数据库，而是互补：核心交易用 SQL，关联分析用图数据库。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
在线格式化和美化您的 SQL 查询（它支持各种 SQL 方言）。 在线工具，SQL 美化和格式化在线工具，online
解析 INSERT 等受限 SQL，导出为 CSV、JSON、XML、YAML、HTML 表格（见页内语法说明）。 在线工具，SQL 转 CSV/JSON/XML在线工具，online
CSV 与 JSON/XML/HTML/TSV/SQL 等互转，单页多 Tab。 在线工具，CSV 工具包在线工具，online