手机网站智能管理系统朋友圈广告推广平台
图数据库neo4j部分用法浅讲
一、简单介绍
1、✅ 简要说明
Neo4j 是基于图结构的数据存储系统，与传统的关系型数据库（如 MySQL、PostgreSQL）不同，它使用节点（Node）、关系（Relationship）和属性（Property）来存储和查询数据。
2、📌 核心概念
| 概念 | 说明 |
|---|---|
| 节点（Node） | 表示实体，例如：人、地点、产品等，相当于关系型数据库中的一行记录 |
| 关系（Relationship） | 表示节点之间的连接和关系，关系是图数据库的核心优势 |
| 属性（Property） | 存储在节点或关系上的键值对，例如：name, age, time 等 |
| 标签（Label） | 给节点分类的标识，例如：Person, Company 等 |
| Cypher 查询语言 | Neo4j 使用的类 SQL 的图查询语言，用来创建、查询、更新图数据 |
3、🧠 为什么使用图数据库？
- 更适合处理复杂关系（例如：社交网络、推荐系统、交通网络）
- 查询关系路径（path）效率高，不需要 JOIN 多表
- 更直观的数据建模
二、neo4j桌面版
1、🧭 左侧导航栏（Sidebar）
Data services
-
Local instances（本地实例）：显示你在本机上运行的所有 Neo4j 实例，如 addressSearch。
-
Remote connections（远程连接）：用于连接 Neo4j Aura 或其他远程服务器上的 Neo4j 实例。
-
Import（导入）：用于导入 CSV、JSON、GraphML 等数据文件进入数据库。
Tools
- Query（查询）：进入 Cypher 查询编辑器，执行查询语句。
- Explore（探索）：图形化地浏览图数据库中的数据节点和关系。
About
- Settings（设置）：修改 Neo4j Desktop 的全局设置，比如 JDK 路径、插件管理等。
三、Neo4j 的 Cypher语言
1、 查询
MATCH (p:poi)
RETURN keys(p), p
LIMIT 100
1.1 详细解释
MATCH (p:poi)
查找图中所有标签为 poi 的节点，并将它们绑定到变量 p。
- p：是一个变量名，代表匹配到的节点。
- :poi：是标签（label），表示我们只关注拥有 poi 标签的节点。
- MATCH：是 Cypher 查询中用于模式匹配的关键字，相当于 SQL 的 FROM + JOIN，用于从图中查找结构
RETURN keys§, p
返回每个 poi 节点的：
- keys§：该节点的所有属性名称（即字段名、键名）
- p：整个节点对象，包括其所有属性值
2、添加新的字段
MATCH (p:poi)
SET p.location = point({longitude: toFloat(p.lng), latitude: toFloat(p.lat)})
2.1 详细解释
🔹 MATCH (p:poi)
- 匹配所有带有 poi 标签的节点。
- 把每个匹配的节点赋值给变量 p。
SET p.location = …
- 对每个匹配到的节点，**设置（或覆盖）**一个名为 location 的新属性。
- 这个属性将被赋值为一个 point 类型（地理坐标点）。
🔹 point({longitude: …, latitude: …})
Neo4j 中支持 原生地理空间类型，point() 是一个函数，用来创建一个地理坐标点。
- longitude: 经度，对应东-西方向。
- latitude: 纬度，对应北-南方向。
这个点会是 WGS-84 坐标系中的一个 2D 点（默认 SRID 为 4326）
3、构建“就近关系”图谱
MATCH (a:POI), (b:POI)
WHERE id(a) < id(b) AND point.distance(a.location, b.location) < 500
MERGE (a)-[:NEARBY]->(b)
3.1 详细解释
🔹 MATCH (a:POI), (b:POI)
- 匹配所有 POI 标签的节点对 (a, b)。
- 这会产生 所有可能的两两组合（即笛卡尔积）。
- ⚠️ 如果有 n 个 POI 节点，组合总数是 n²，因此加上 WHERE 限制很重要
🔹 WHERE id(a) < id(b)
-
防止重复组合和自连接：
- 例如 (a, b) 和 (b, a) 是一样的距离关系，只需要创建一条。
- 同时 a != b，避免自己连自己。
-
id(a) 是 Neo4j 内部自动生成的唯一节点 ID
🔹 point.distance(a.location, b.location) < 500
- 使用 point.distance 函数计算两个点之间的直线（欧几里得）距离（单位：米，基于 WGS84 坐标）。
- 这里表示：a 和 b 节点之间的距离小于 500 米。
- 前提是两个节点的 location 属性都必须是 point 类型（即之前你设置的那种）：
SET p.location = point({latitude: ..., longitude: ...})
🔹 MERGE (a)-[:NEARBY]->(b)
- 如果 a 到 b 之间还没有 NEARBY 关系，就创建一条有向边。
- MERGE 语义类似 SQL 的 UPSERT，保证不会创建重复的关系
🧠 注意：
- MERGE 是有向的，这里是 a → b，不是 b → a。
- 如果你希望两个方向都存在（双向连接），可以写成：
MERGE (a)-[:NEARBY]->(b)
MERGE (b)-[:NEARBY]->(a)
双向连接⚠️ 性能提示
这种写法可能在节点数量多时非常慢，因为：
- 它是 全图两两比较（复杂度 O(n²)）。
- 建议在实际场景中加 空间索引 + 分批处理
CREATE INDEX poi_location_index FOR (p:POI) ON (p.location)
或者使用 Neo4j 的 空间范围搜索方式更高效（基于 WITH 和 apoc.spatial.*）
3、查询某个关系信息
MATCH p = ()-[:NEARBY]->()
RETURN p
LIMIT 250;
🔹 MATCH p = ()-[:NEARBY]->()
✅ 含义：
- 匹配图中所有带有 NEARBY 关系的节点对（即边）。
- () 表示任意节点（不限制标签）。
- [:NEARBY] 表示只匹配名为 NEARBY 的边（关系类型）。
- -> 表示关系方向是从左节点指向右节点。
✅ p = … 的作用：
- 把匹配到的整个路径（起点节点、关系、终点节点）赋值给变量 p。
- 这样你可以在 RETURN 中一次性返回整个路径对象