Neo4j 图数据库基础入门
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
一、什么是图数据库？为什么需要它？
📌 传统关系型数据库的局限
- 处理'关联查询'效率低（如'朋友的朋友'需多层 JOIN）；
- 随着关联深度增加，查询性能急剧下降（N+1 问题）；
- 数据模型难以直观表达复杂关系（如社交网络、知识图谱）。
✅ 图数据库的优势
- 以'关系'为核心，直接存储实体及其连接；
- 查询关联数据时间复杂度接近常数级（O(1) ~ O(k)）；
- 模型更贴近现实世界（人 - 人、商品 - 用户、疾病 - 症状等）。
💡 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。
二、Neo4j 是什么？
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）。
核心特点：
- 原生图存储引擎（非基于 RDF 或关系表模拟）；
- 使用 Cypher 声明式查询语言（类似 SQL，但为图设计）；
- 内置可视化浏览器（Browser UI）；
- 支持 REST API、多种语言驱动（Python、Java、JavaScript 等）；
- 社区版免费，企业版支持集群与高级安全。
三、图数据库核心概念（Property Graph Model）
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。
四、安装与启动 Neo4j
1. 安装方式（任选其一）
方式一：Docker
docker run \
--publish=7474:7474 \
--publish=7687:7687 \
--volume=$HOME/neo4j/data:/data \
--env=NEO4J_AUTH=neo4j/password \
neo4j:5.18
方式二：本地安装
- 官网下载：https://neo4j.com/download-center/
- 解压后目录配置环境变量参考官方文档：https://neo4j.com/docs/operations-manual/current/installation/windows/
- 运行命令启动服务：
neo4j console
2. 访问 Web 浏览器
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。
五、Cypher 查询语言基础
Cypher 是 Neo4j 的专用查询语言，语法直观，类似 ASCII art 描绘图结构。
1. 创建数据（CREATE）
// 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）。
2. 查询数据（MATCH）
// 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。
3. 更新与合并（SET / MERGE）
// 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。
4. 删除数据（DELETE / DETACH DELETE）
// 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;
六、常用 Cypher 子句与函数
| 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 |
七、索引与性能优化
1. 创建索引（加速查找）
// 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。
八、典型应用场景
| 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。
九、Neo4j vs 关系型数据库（对比）
| 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。
