我的neo4j學習筆記

這篇博文目錄如下：
- About neo4j
- Install neo4j
- learn to create and query data
- Import your data
包括對Neo4j圖形數據庫的簡介和其重要組成部分、內部結構的講解，對其查詢語言cypher的介紹和實例。通過實例轉換、比較傳統關係型數據庫與圖形數據庫。希望有時間下一次可以來總結一下用java實現neo4j的學習過程（* ~ *）

About neo4j

Neo4j是一個高性能的，Nosql圖形數據庫。Nosql ＝no sql，即與傳統的將數據結構化並存儲在表中的數據庫不一樣。Neo4j將數據存儲在網絡上，我們也可以把Neo4j視爲一個圖引擎。我們打交道的是一個面對對象的、靈活的網絡結構而不是嚴格的、靜態的表。傳統關係型數據庫，當數據量很大時，查詢性能會明顯受影響，尤其是一度以上的查詢。但是圖形數據庫卻在這方面表現得很好。
neo4j 支持多種主流編程語言，包括.Net、Java、JavaScript、Python

Install Neo4j

從官網這裏下載neo4j，解壓，然後進入bin文件夾，開啓數據庫

~$ path/to/your/neo4j/file
~$ cd bin
~$./neo4j console

開啓後我們在瀏覽器上訪問 localhost:7474，就可以本地運行

Learn to create and query data

既然Neo4j是數據庫，則必然有它自己的查詢語言。Cypher是一種面向圖形的申明式語言。它由分句、關鍵詞和一些表示判斷、代表函數的語句組成。比如：WHERE，ORDER BY，SKIP LIMIT ，p.unitPrice > 10。與SQL不同的是，cypher是對於圖形模式的表達。我們總是先用MATCH去匹配我們要操作的數據。

• cypher: cypher是一種申明式查詢語言。可以分解爲下面幾個部分：
  
  • nodes
    
    • 我們通常用圓括號來包含節點標示符（當然也可以不用）。節點標籤也會一併註明。比如(p: Person)，如果想添加屬性：(p: Person {name: "yinglish"})。 注意：節點標籤、關係類型和屬性名稱區分大小寫。
  • relationships
    
    • 我們通常用箭頭 –> 表示關係，沒有尖箭頭的如 – 指不強調方向關係。例子：
    • (a)-[:KNOWS|:LIKE]->(b) a到b是“相識”的關係或者”喜歡“
    • (a)-[rel:KNOWS]->(b) 關係的變量名爲rel，類型是 KNOWS
    • -[{since: 2016}]-> 添加了額外的屬性
    • -[:KNOWS*..4]->
example: a -[rel: type*minHop..maxHop]-> b

      可變數量關係：從a節點到b節點最少可經過minHop、最大可經過maxHop個節點
  • patterns 模式由一個或多個路徑組成，路徑間用逗號分隔，一條路徑就是一個節點和關係的序列，這個序列指定開始和結束節點，如：(a) –> (b)，這條路徑開始於a，通過outgoing關係指向b。如果你不在乎具體是哪個節點，不用指定它，只需要用空括號來表示就可以了，如：a –>()–>b。模式是cypher中的關鍵部分，靈活書寫模式能幫我們正確獲取、實現推測計算等等各種任務。

節點和關係是圖數據庫的基石，每個節點都可以有屬性，每個節點每條關係都可以有標籤。因此neo4j也被稱爲Property graph，看個圖也許會更好理解：（當然了，屬性和標籤都是可選的，也可以沒有）

cypher是學習neo4j的重中之重，它有很多關鍵詞，很多靈活的搭配與使用，在理解neo4j的最基本要素：節點，關係，模式，標籤，屬性的概念及其相互間的組成關係後，對查詢語句cypher的學習就是下一站要攻克的堡壘。但是在這篇博文不詳細接受，可以通過這份官方的教程細細學習。

下面我們來看一個簡單但足以說明情況的應用實例：
Create a recode for youself
CREATE (you: Person {name: "You"})
RETURN you
And add a properties to this note
MATCH (you: Person {name: "you"})
CREATE (you) -[like:LIKE]->(neo:Database {name: "Neo4j"})
RETURN you, like, neo
Create your friends
MATCH (you: Person {name: "you"})
FOREACH (name in ["Johan", Rajesh", "Anna", "Julia", "Andrew"])
CREATE (you) -[:FRIED]->(: Person {name: name}))
Create second degree friends and expertise
MATCH (neo: Database {name: "Neo4j"})
MATCH (anna: Person {name: "Anna"})
CREATE (anna) -[:FRIEND]->(:Person:Expert {name:" Amanda"}) -[:WORKED_WITH]->(neo)
現在我們創造了一個關係圖如下：

Find someone in your network who can help you learn neo4j
MATCH (you {name: "You"})
MATCH (expert) -[:WORKED_WITH]->(db: Database {name:"Neo4j"})
MATCH path = shortestPath ((you)-[: FRIEND*..5]-(expert))
RETURN db.expert, path

更加細緻詳細的學習資料：
neo4j Cypher Refcard （巨詳細的官方手冊）
官網教程
他人博客
他人博客

Import your data

本小節講解如何從傳統數據庫的數據集PostgreSQL（RDBMS）導出數據到Neo4j（GraphDB），使之成圖。從中可以看到一些這兩種數據庫的差別。
RDBMS數據集
用的數據集是NorthWind dataset（可點擊下載），該數據庫的E-R圖（產品，訂單、僱員、消費者等等相關的表）如下：

構建圖模型
將一個E-R模型轉換成圖模型時注意：
１、一行數據表示一個節點
２、一個表名對應一個Label名
NorthWind dataset表示成圖模型的一個局部示意圖如下
（僱員Employee銷售【SOLE】訂單Order，對某種產品的需求產生【PRODUCT】了某個產品Product，該產品是商品目錄Category中的一種【PART OF】，由供應商Supplier提供【SUPPLIES】）：

那麼我們的圖模型和關係模型的差別在哪裏呢？
- 前者沒有空節點。在關係數據庫中，如果一個僱員不需要向誰報告，他在“ReportsTo”這一列的屬性爲空，而在圖模型中，我們只是不需要爲他添加一條指向邊而已。
- 能夠更詳細地描述關係。比如說，我們能夠直觀地瞭解到一個僱員售賣一件產品，而不必通過外鏈在僱員表和產品表中查找。邊上也可以添加元數據。
- 前者對於描述網絡關係更規範。

將數據導出成csv
導出數據主要是 COPY語句，比如這樣：COPY (SELECT * FROM customers) TO '/tmp/customer.csv' WITH CSV header; 把customers表中的數據導出
用Cypher導入數據
我們把數據從PostgreSQL中導出後，用LOAD CSV把CSV文件的內容轉爲圖數據
First, create the nodes

//Create periodic commit
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:customers.csv" AS row
CREATE (:Customer {companyName: row.CompanyName, customerID: row.CustomerID, fax: row.Fax, phone: row.Phone});

//Create products
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:products.csv" AS row
CREATE (:Product {productName: row.ProductName, productID: row.ProductID, unitPrice: toFloat(row.UnitPrice)});

// Create suppliers
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:suppliers.csv" AS row
CREATE (:Supplier {companyName: row.CompanyName, supplierID: row.SupplierID});

// Create employees
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:employees.csv" AS row
CREATE (:Employee {employeeID:row.EmployeeID,  firstName: row.FirstName, lastName: row.LastName, title: row.Title});

// Create categories
USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:categories.csv" AS row
CREATE (:Category {categoryID: row.CategoryID, categoryName: row.CategoryName, description: row.Description});

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:orders.csv" AS row
MERGE (order:Order {orderID: row.OrderID}) ON CREATE SET order.shipName =  row.ShipName;

create indexes
接下來在我們剛剛創建的節點上添加索引，以確保下一步添加關係時我們可以快速地找到節點

CREATE INDEX ON :Product(productID);
CREATE INDEX ON :Product(productName);
CREATE INDEX ON :Category(categoryID);
CREATE INDEX ON :Employee(employeeID);
CREATE INDEX ON :Supplier(supplierID);
CREATE INDEX ON :Customer(customerID);
CREATE INDEX ON :Customer(customerName);
CREATE CONSTRAINT ON (o:Order) ASSERT o.orderID IS UNIQUE;

create relationships among orders, products and employees

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:orders.csv" AS row
MATCH (order:Order {orderID: row.OrderID})
MATCH (product:Product {productID: row.ProductID})
MERGE (order)-[pu:PRODUCT]->(product)
ON CREATE SET pu.unitPrice = toFloat(row.UnitPrice), pu.quantity = toFloat(row.Quantity);


USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:orders.csv" AS row
MATCH (order:Order {orderID: row.OrderID})
MATCH (employee:Employee {employeeID: row.EmployeeID})
MERGE (employee)-[:SOLD]->(order);

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:orders.csv" AS row
MATCH (order:Order {orderID: row.OrderID})
MATCH (customer:Customer {customerID: row.CustomerID})
MERGE (customer)-[:PURCHASED]->(order);

create relationships among products, suppliers and categories

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:products.csv" AS row
MATCH (product:Product {productID: row.ProductID})
MATCH (supplier:Supplier {supplierID: row.SupplierID})
MERGE (supplier)-[:SUPPLIES]->(product);

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:products.csv" AS row
MATCH (product:Product {productID: row.ProductID})
MATCH (category:Category {categoryID: row.CategoryID})
MERGE (product)-[:PART_OF]->(category);

create “REPORTS_TO”
用REPORTS_TO來表示員工之間的報告關係

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:employees.csv" AS row
MATCH (employee:Employee {employeeID: row.EmployeeID})
MATCH (manager:Employee {employeeID: row.ReportsTo})
MERGE (employee)-[:REPORTS_TO]->(manager);

最後圖形如下：

在這個圖上我們來嘗試使用一個查詢語句吧～～
員工之間是怎麼報告的呢？

MATCH path = (e:Employee)<-[:REPORTS_TO]-(sub)
RETURN e.employeeID AS manager, sub.employeeID AS employee;

返回：

---

manager	employee
2	1
2	3
2	4
2	5
2	8
5	6
5	7
5	9

可見僱員６，７，９向僱員５彙報工作，僱員５同僱員１，３，４，８一起向僱員２彙報。當你熟悉cypher語句後你就可以自己這樣玩啦！～你會發現cypher的強大與靈活噠：）