Windows 安装 Neo4j(2025最新·极简)

Windows 安装 Neo4j(2025最新·极简)

目录

1. 准备

2. 下载安装包

3. 一键安装

4. 启动 Neo4j

5.安装 Neo4j 的系统服务


Neo4j 是目前最流行的原生图数据库,用图结构(节点-关系-属性)存储数据,而非传统表结构。它专为海量关联数据设计,提供:

  • 原生图存储:基于免索引邻接结构,每个节点直接维护指向相邻节点的物理指针,实现 O(1) 时间复杂度的图遍历。
  • Cypher 查询语言:ISO 标准化图查询语言,采用 ASCII-Art 模式匹配语法,支持可变长度路径、子图查询、聚合与更新混合事务。
  • ACID 事务:支持完整事务、集群高可用,可承载企业级负载。
  • 丰富生态:内置 Graph Data Science (GDS) 框架,提供中心性、社区发现、路径搜索、相似度、图嵌入等 60+ 算法;原生连接器支持 Apache Spark、Kafka、Hadoop、BI 工具,与 Java、Python、Go、JavaScript 等语言深度集成。
  • 可视化即服务 :Neo4j Browser 提供即席 Cypher 编辑与结果渲染;Bloom 支持自然语言拖拽式探索,无需编写查询即可实现子图导航、路径高亮、动态过滤,支持权限粒度的图共享。
  • 适用场景:社交网络、金融风控、知识图谱、实时推荐、供应链追踪、IT 基础设施依赖分析等。

社区版开源免费,商业版提供集群、安全、运维等企业特性。

1. 准备

  • 系统:Windows 10/11 64 位
  • JDK 21(OpenJDK 或 Oracle 均可)官网下载
安装后查看环境变量是否配置(有些同学已经安装了其他版本的 JDK,再次安装虽然会成功,但是环境变量可能没有配置,会导致后面无法正确安装 Neo4j)
  • 进入系统环境变量配置
  • 系统变量添加 JAVA_HOME,配置 JDK21 的安装地址
  • 系统变量 Path 中添加 JDK21 的 bin 地址
  • 测试  JDK21  是否安装成功。打开 Windows 终端(Win+R → 输入 cmd → 回车),执行:
java -version

如果返回类似:

第一行含 21,即说明 JDK 21 已安装并生效。

2. 下载安装包

Neo4j 官网 → Neo4j Community Edition → 选 Windows
  • Neo4j 首页滑到最下面
  • 下载免费社区版本
  • 选择 windows 系统的版本(这里我装的是最新版)

如果点击安装没有反应,那可能需要用梯子加载。下载成功后会得到一个 zip 压缩包。

3. 一键安装

  • 解压 zip 压缩包
  • 配置 Neo4j 的环境变量,在系统变量的 path 中添加路径
  • 测试 Neo4j 是否安装成功
neo4j --version

4. 启动 Neo4j

neo4j.bat console 是 “前台调试模式”,窗口一关就停库,专门用来看日志、找路径、排错。适合首次安装 Neo4j 验证。
  • cmd 命令启动 Neo4j
neo4j.bat console
  • 启动 Neo4j 后,从浏览器进入 Neo4j 的界面 http://localhost:7474
  • 首次登录账号和密码都填 neo4j,按提示改个新密码即可进入 Neo4j Browser
  • 修改新密码
  • 进入Neo4j Browser

5.安装 Neo4j 的系统服务

  • 在 cmd 中输入
neo4j windows-service install

看到 Neo4j service installed 即安装成功。

存在问题:neo4j.bat console 命令启动的 neo4j ,当你关闭 cmd 页面,neo4j 会一起关闭。

解决:安装系统服务,可以获取管理员权限,让服务一直运行在系统,关闭 cmd 窗口不会关闭 Neo4j 的服务。

服务安装好后,启动Neo4j可以用下面两种方式。

  • 方法一:按 “Win+R” 输入 services.msc 进入系统服务

点击启动

  • 方法二:使用 cmd 命令,输入 net start Neo4j 开启Neo4j 服务
net start Neo4j
命令 net start Neo4j 和 neo4j.bat console 都是启动 Neo4j,但是有一定的区别

启动 Neo4j 服务后,同样是通过浏览器访问上面的链接进入 Neo4j 界面。在 neo4j$ 中即可编辑neo4j 的语言Cypher。

有开启服务的命令,就有关闭服务的命令。

net stop Neo4j

完成了 Neo4j 的安装,下面介绍一个GitHub的简单小项目,展示如何构建结构化并导入 Neo4j。

GitHub 项目:https://github.com/lemonhu/stock-knowledge-graph

解读:(知识图谱-入门项目-ZEEKLOG博客

Read more

最新!2026年3月全球大模型全景:国产登顶、百万上下文、智能体爆发,AI进入实用新纪元

最新!2026年3月全球大模型全景:国产登顶、百万上下文、智能体爆发,AI进入实用新纪元

🔥个人主页:北极的代码(欢迎来访) 🎬作者简介:java后端学习者 ❄️个人专栏:苍穹外卖日记,SSM框架深入,JavaWeb ✨命运的结局尽可永在,不屈的挑战却不可须臾或缺! 前言:2026年3月,全球大模型领域迎来史诗级爆发,OpenAI、谷歌等海外巨头持续突破技术边界,国产大模型实现全球调用量反超、旗舰模型登顶国际盲测的双重突破。本文汇总3月国内外大模型最新动态、核心技术趋势、产业落地进展,解读AI从“参数内卷”走向“实用落地”的关键变革,助力开发者把握行业前沿。 2026年3月,全球大模型领域迎来史诗级密集爆发:OpenAI、谷歌、Meta等海外巨头持续领跑技术边界,中国大模型则实现全球调用量反超、旗舰模型登顶国际盲测、端侧与行业应用全面落地的三重突破。从百万Token上下文成为标配,到原生多模态与电脑控制能力成熟,再到AI智能体(Agent)从概念走向规模化商用,大模型正式告别“参数内卷”,进入效率优先、场景为王、生态重构的实用主义时代。 一、国际巨头:上下文军备竞赛白热化,Agent能力全面进化 3月海外巨头密集发布新版本,

【OpenClaw企业级智能体实战】第01篇:从零搭建你的第一个AI员工(原理+算法+完整代码+避坑指南)

【OpenClaw企业级智能体实战】第01篇:从零搭建你的第一个AI员工(原理+算法+完整代码+避坑指南)

摘要:随着AI从“对话时代”迈入“执行时代”,OpenClaw作为开源智能体框架,正在重塑人机协作模式——它不再是被动响应的工具,而是能主动执行任务的“AI员工”。本文基于真实技术原理与实操场景,从背景概念切入,拆解OpenClaw“感知-决策-执行”的核心逻辑,详解算法组件构建思路,并提供从零到一的完整实操流程(含可直接运行的Python代码)。内容兼顾新手入门与进阶提升,强调安全隔离部署原则,避开技术术语堆砌,聚焦实用价值。读者可通过本文掌握OpenClaw基础部署、自定义技能开发、记忆模块集成等核心能力,快速落地自动化办公、信息整理等实际场景,真正体验“低成本、高效率”的AI生产力革命。全文严格遵循真实性原则,无捏造案例与夸大描述,所有代码均经过实测验证。 优质专栏欢迎订阅! 【OpenClaw从入门到精通】【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】

字节跳动王炸开源!DeerFlow 2.0:从“深度研究”到“全能超级AI员工”的华丽蜕变

字节跳动王炸开源!DeerFlow 2.0:从“深度研究”到“全能超级AI员工”的华丽蜕变 让 AI 从“陪聊”进化为真正干活的“打工人”,从来没有这么简单过。 DeerFlow 2.0 · by @ByteDance · ⭐ 36.1k · 🚀 GitHub Trending Top 1 如果你对 AI 的印象还停留在“一问一答”的聊天框,那么字节跳动刚刚全面重写的开源大作 DeerFlow 2.0 绝对会颠覆你的认知。从最初爆火的深度研究(Deep Research)框架,到如今斩获超 3.6 万 Star、登顶 GitHub 趋势榜首的“超级代理安全带(

非科班转码者的AI学习路径:从0到1

非科班转码者的AI学习路径:从0到1 前言 大家好,我是第一程序员(名字大,人很菜)。作为一个非科班转码、正在学习Rust的萌新,最近我开始学习AI。今天我想分享一下我作为非科班转码者的AI学习路径,希望能帮助到和我一样的同学。 一、非科班转码者学习AI的挑战 1.1 基础薄弱 作为非科班转码者,学习AI面临以下挑战: * 数学基础:AI涉及线性代数、微积分、概率论等数学知识 * 编程基础:需要掌握Python等编程语言 * 计算机基础:需要了解计算机系统、数据结构等基础知识 * 领域知识:需要了解AI的基本概念和术语 1.2 学习资源选择 市场上的AI学习资源琳琅满目,如何选择适合自己的资源是一个挑战: * 入门门槛:有些资源过于理论化,难以理解 * 实践机会:缺乏实际项目经验 * 学习路径:不知道从哪里开始,如何进阶 二、从0到1的AI学习路径 2.1 第一阶段:基础准备(1-2个月)