传统数据库难以处理复杂多跳的关系运算。需要一种支持海量、复杂、且结构灵活的关系运算数据库，图数据库应运而生。
相关概念
简介
图数据库由顶点和边组成；
主要用于对图数据的增删改查；
目前常用的图数据库有Neo4j，JanuxGraph等
使用场景
- 常用于社交、电商、金融、零售、物联网等行业
- 用于关系查询
- 用于遍历复杂关系
- 用于实现复杂的规则：如子图比较、推荐等
- 对于结构化数据，常可使用关系型数据库；对于关系比较多，数据不太规律的情况，则用图数据库
分类
- 属性图数据库
- 构成：顶点、边、顶点属性、边属性
- RDF图数据库（不支持属性，比较古老，已经不怎么用了）
- 针对文本语义场景产生
- 三元组：subject->predicate->object
原生图数据库
- 原生图数据库：使用图模型进行数据存储，可以针对图数据做优化，从而带来更好的性能，例如 Neo4j。
- 非原生图数据库：底层存储使用非图模型，在存储之上封装图的语义，适合与其它数据应用配合使用，例如 Titan、JanusGraph 底层 采用 KV 存储非图模型。
技术栈
- 技术架构
- 接口层、计算层（图算法）、存储层
- 主流查询语言
- Cypher（CQL，类SQL），Neo4j使用这种查询
- Gremlin（类Scala）
- SPARQL（用于RDF框架），适用于语义场景
- 图数据的计算
- 图遍历（局部查询：深度优先、广度优先）
- 路径发现（两点间最短路径）
- 图处理引擎
- 用于分析复杂图
- 常用引擎：GraphX，GraphLab, Giraph
Neo4j
Neo4j是一个常用的图数据库。
基本概念
包括以下四种概念：
- 标签：节点所属类别，一个节点可以有一个以上的标签
- 节点：实体对象
- 关系：实体间的关系
- 属性：节点和关系都可以拥有属性，以key:value方式描述
安装
$ docker search neo4j # 查看所有Neo4j相关镜像
$ docker pull neo4j # 下载最新版本
最新版本约500多M
运行
$ sudo adduser neo4j
$ docker run -d --name neo4j -p 7474:7474 -p 7687:7687 -v /home/neo4j/data:/data -v /home/neo4j/logs:/logs -v /home/neo4j/conf:/var/lib/neo4j/conf -v /home/neo4j/import:/var/lib/neo4j/import --env NEO4J_AUTH=neo4j/password neo4j
浏览器打开
http://localhost:7474
输入用户名：neo4j，密码：password（启动docker时通过 NEO4J_AUTH 设置）
语法非常简单，点击按钮，即可在左侧栏查看帮助，左侧栏和VSCode，Obsidian用法相似。
image.png
使用CQL处理数据
点击左侧的”星“图标，可查看示例代码，试建立两个节点一个关系：
CREATE (database:Database {name:"Neo4j"})-[r:SAYS]->(message:Message {name:"Hello World!"}) RETURN database, message, r
建立结构后可以通过左侧的Database Infomation查看数据情况。
使用Python访问图数据库
安装
$ pip install py2neo
代码
# coding:utf-8
from py2neo import Graph, Node, Relationship
# 连接neo4j数据库，输入地址、用户名、密码
graph = Graph("http://192.168.1.106:7474", name="neo4j")
graph.delete_all()
# 创建结点
test_node_1 = Node('ru_yi_zhuan', name='皇帝') # 修改的部分
test_node_2 = Node('ru_yi_zhuan', name='皇后') # 修改的部分
test_node_3 = Node('ru_yi_zhuan', name='公主') # 修改的部分
graph.create(test_node_1)
graph.create(test_node_2)
graph.create(test_node_3)
# 创建关系
# 分别建立了test_node_1指向test_node_2和test_node_2指向test_node_1两条关系，关系的类型为"丈夫、妻子"，两条关系都有属性count，且值为1。
node_1_zhangfu_node_1 = Relationship(test_node_1, '丈夫', test_node_2)
node_1_zhangfu_node_1['count'] = 1
node_2_qizi_node_1 = Relationship(test_node_2, '妻子', test_node_1)
node_2_munv_node_1 = Relationship(test_node_2, '母女', test_node_3)
node_2_qizi_node_1['count'] = 1
graph.create(node_1_zhangfu_node_1)
graph.create(node_2_qizi_node_1)
graph.create(node_2_munv_node_1)
print(graph)
print(test_node_1)
print(test_node_2)
print(node_1_zhangfu_node_1)
print(node_2_qizi_node_1)
print(node_2_munv_node_1)
此时，即可以界面中看到新建的数据：
网友评论