neo4j

• Neo4j是一个世界领先的开源图形数据库，由 Java 编写。图形数据库也就意味着它的数据并非保存在表或集合中，而是保存为节点以及节点之间的关系。
• neo4j的数据由下面几部分组成：
  • 节点、边、属性
  • 顶点（node）和边（relationship）和属性，无论是顶点还是边，都可以有任意多的属性。属性的存放类似于一个 HashMap，Key 为一个字符串，而 Value 必须是基本类型或者是基本类型数组
• Neo4J中节点和边 都能够包含保存至的属性，此外：
  • 可以为节点设置零或多个标签
  • 每个关系都对应一种类型。
  • 关系总是从一个节点指向另一个节点。

neo4j简介

• Neo4j 的特点和优势
• SQL就像简单的查询语言语句Neo4j CQL
• 它遵循属性图数据模型
• 它通过使用Apache Lucence支持索引
• 它支持UNIQUE约束
• 它它包含一个用于执行CQL命令的UI：Neo4j数据浏览器
• 它支持完整的ACID（原子性，一致性，隔离性和持久性）规则
• 它采用原生图形库与本地GPE（图形处理引擎）
• 它支持查询的数据导出到JSON和XLS格式
• 它提供了REST API，可以被任何编程语言（如Java，Spring，Scala等）访问
• 它提供了可以通过任何UI MVC框架（如Node JS）访问的Java脚本
• 它支持两种Java API：Cypher API和Native Java API来开发Java应用程序

Neo4j优点

• 它很容易表示连接的数据
• 检索/遍历/导航更多的连接数据是非常容易和快速的
• 它非常容易地表示半结构化数据
• Neo4j CQL查询语言命令是人性化的可读格式，非常容易学习
• 它使用简单而强大的数据模型
• 它不需要复杂的连接来检索连接的/相关的数据，因为它很容易检索它的相邻节点或关系细节没有连接或索引

Neo4j install

• 官网直接下载安装包安装即可，链接：https://neo4j.com/download/。
  • 注意环境变量的更新
  • 访问地址：http://localhost:7474
  • 修改数据库的文件名称：${NEO4J_HOME}/conf 文件夹
• Neo4j数据构建模块
  • 节点、属性、关系、标签、数据浏览器
    • 节点：是图的基本单位，它包含具有键值对的属性
    • 属性：用于描述节点和关系的键值对
    • 关系：是图形数据库的另一个国建模块，链接两个节点。
      • 导出的格式：CSV和json
• CQL：是Neo4j的查询语言。具体的用法可以参考：https://www.w3cschool.cn/neo4j/neo4j_cql_introduction.html

py2neo

• Py2Neo 是用来对接 Neo4j 的 Python 库。
• install

pip install py2neo

Node & relationship

# -*- coding:utf-8 -*-
# /usr/bin/python
'''
@Author  :  Yan Errol 
@Describe:  
@Evn     :  
@Date    :  2019-08-02  13:59
'''from py2neo import Node, Relationship,walk,Grapha = Node('Person', name='Alice')
b = Node('Person', name='Bob')
c = Node('Person', name='Mike')
ab = Relationship(a, "KNOWS", b)
ac = Relationship(a, "KNOWS", c)
w = ab + Relationship(b, "LIKES", c) + ac
for item in walk(w):print(item)a = Node('Person', name='Alice')
b = Node('Person', name='Bob')
r = Relationship(a, 'KNOWS', b)
s = a | b | r
# 存储数据库
graph = Graph(password='yel219')
graph.create(w)# 查询语句
node = graph.match(nodes='Person')
print(node)
relationship = graph.match_one(r_type='KNOWS')
print(relationship)# update data
# a = Node('Person',name='Alice')
# node = graph.match_one(nodes='Person',r_type='KNOWS')
# node['age']=100
# graph.push(node)
# print(graph.match_one(nodes = 'Person',r_type='KNOWS'))# delete node
node = graph.match_one(nodes='Person')
relationship = graph.match_one(r_type='KNOWS')
graph.delete(relationship)
graph.delete(node)