圖資料庫初試之Neo4j

自從進入了移動互聯網時代，各種新事物出現的速度都好像坐上了宇宙飛船，幾乎隔幾天一個新概念。就拿資料庫而言，什麼Oracle、DB2、SQL Server、MySQL，這些你都得知道，然後是以MongoDB、HBase等為代表的NoSQL資料庫，這幾年圖資料庫也很快流行起來，它是如此的熱門，以至於不趕緊學學好像沒法跟大家交流了一般，雖然它也屬於NoSQL。

練習完本文，大概需要20分鐘。

基本概念

圖資料庫，這是一個很容易被誤解的概念，好多人都下意識的以為，這是存儲圖片的資料庫，其實不然。

傳統的關係型資料庫數據模型就是二維表，存儲時每一條記錄按行存儲；到了NoSQL，有些存儲的是文檔，如MongoDB中，有些存儲的鍵值對，如Redis，而圖資料庫，存儲的則是點邊關係。

所謂圖，回想離散數學、數據結構之類的基礎課，會想起它的定義，G = (V, E)，簡單來說，一個圖有兩個必要的組成要素，點集合和邊集合，點的集合是為點集，點之間的連接關係構成了邊集。典型的比如社交網路，每一個人都可以看成一個點，而他們之間的朋友關係，則可以看成是邊。

為什麼說圖資料庫這幾年很熱門，一個很重要的原因可能是，單一數據中的規律已經有太多的模型和演算法可以處理了，而好多隱藏的規律，則蘊含在數據之間的連接中。拿一個欺詐檢測中最典型的例子來說，好多不法分子申請信用卡，一個典型的特點是，他們會填寫好多相同的地址和電話，如果單純地分析信用卡申請單，很難判斷他們是否欺詐，但如果利用圖資料庫，以申請人和地址作為點，以擁有某通信地址為邊構建圖，則很容易發現欺詐。（大家不要鑽牛角尖啊，我只是舉例說用圖資料庫很容易發現這種欺詐模式，並沒有說你不能用其他的技術發現。）

還有一個傳統關係型資料庫和其他NoSQL資料庫致命的弱點是，在一個圖（也有的資料叫網路，這兩者的區別以後有機會再解釋）中，尋找二度及以上的關係，效率非常低。相比大家都聽說過“小世界”理論，也就是說，世界上的任何兩個人之間，只需要6個人就可以建立聯繫，也叫六度分割理論，這隻是個假說，後來有研究人員研究過Facebook等的數據發現，真實的值，比6還要小，大概在4左右，不得不感嘆，這個世界真小！言歸正傳，要想用關係型資料庫尋找6度關係，大家想想那個計算量，簡直大得驚人，而使用圖資料庫，則簡單地多，因為它存儲的就是點邊關係，尋找幾度關係這類為題，不過是圖的遍歷而已！

安裝

一般這種新興軟體的安裝都很簡單，本文以macOS為例，其他平臺請參考官方文檔。

使用安裝文件安裝

訪問https://neo4j.com/download/，選擇For Individuals(Community版，免費)，下載相應平臺的安裝文件即可。

使用HomeBrew安裝

使用HomeBrew安裝同樣非常簡單

$ brew install neo4j

使用如下命令啟動

$ brew services neo4j start

啟動後，打開瀏覽器，訪問http://localhost:7474，即可看到Neo4j的web console，官方稱之為Neo4j Browser。使用neo4j/neo4j分別作為用戶名和密碼。登錄後會要求你更改用戶名和密碼

NOTE
萬一遺忘密碼，可以到Neo4j的數據目錄下，刪除<Neo4j_database_location>/data/dbms/auth，這樣下次登錄時會重置密碼。

界面探索

啟動後界面類似下圖所示，做出的的邊欄我點開了，右側上方的命令條很重要，接下來的命令都要在此輸入，整個界面還是比較易用的。

接下來介紹Cypher語句，這可謂是Neo4j的關鍵。

Cypher語句

Cypher語句是Neo4j的圖查詢語言。以下例子來自Neo4j Browser，啟動後在命令欄輸入:play cypher即可，可以參照例子進行學習，也可以參考本文練習。

CREATE

在上方命令條中輸入如下語句

CREATE (ee:Person { name: "Emil", from: "Sweden", klout: 99 })

CREATE是創建記錄的關鍵詞；()指定一個節點；ee:Person，ee是一個變數，Person是一個Label；{}為節點添加屬性

結果如下圖

MATCH

MATCH關鍵詞可以用於進行模式匹配(Pattern Matching)，例如查找節點或者關係

MATCH (ee:Person) WHERE ee.name = "Emil" RETURN ee;

MATCH節點或關係的匹配模式，類似SQL中的select；(ee:Person)一個Label為Person的單節點模式，匹配到的結果將賦值給變數ee；WHERE對結果的約束，類似SQL中的where語句；ee.name = "Emil"ee的屬性name是Emil；RETURN請求特定結果。

MATCH語句不僅可以用於查詢節點，還可以用於查詢關係，例如如下的語句

MATCH (ee:Person)-[:KNOWS]-(friends)
WHERE ee.name = "Emil" RETURN ee, friends

在上面這條語句中

MATCH語句描述了從已知節點到待尋找節點的模式；(ee)是一個指代已知節點的變數；-[:KNOWS]-匹配了KNOWS的關係（雙向匹配）；(friends)包含所有Emil的朋友

複合語句

除了上面這種簡單的CREATE語句，還可以組合其他關鍵詞添加更複雜的記錄，我暫且叫它複合語句吧。

在上方命令條中輸入如下語句

MATCH (ee:Person) WHERE ee.name = "Emil"
CREATE (js:Person { name: "Johan", from: "Sweden", learn: "surfing" }),
(ir:Person { name: "Ian", from: "England", title: "author" }),
(rvb:Person { name: "Rik", from: "Belgium", pet: "Orval" }),
(ally:Person { name: "Allison", from: "California", hobby: "surfing" }),
(ee)-[:KNOWS {since: 2001}]->(js),(ee)-[:KNOWS {rating: 5}]->(ir),
(js)-[:KNOWS]->(ir),(js)-[:KNOWS]->(rvb),
(ir)-[:KNOWS]->(js),(ir)-[:KNOWS]->(ally),
(rvb)-[:KNOWS]->(ally)

執行結果顯示Added 4 labels, created 4 nodes, set 14 properties, created 7 relationships, completed after 13 ms.

分析Cypher語句

使用PROFILE或EXPLAIN可以用於分析Cypher語句，加深對查詢的理解

PROFILE MATCH (js:Person)-[:KNOWS]-()-[:KNOWS]-(surfer)
WHERE js.name = "Johan" AND surfer.hobby = "surfing"
RETURN DISTINCT surfer

使用Cypher語句進行推薦

模式匹配還能用來進行推薦。例如Johan正在學習衝浪，他想尋找一個新的已經在學習衝浪的朋友

MATCH (js:Person)-[:KNOWS]-()-[:KNOWS]-(surfer)
WHERE js.name = "Johan" AND surfer.hobby = "surfing"
RETURN DISTINCT surfer

可以從結果看到，該語句找到一個Johan的朋友Alison

小結

短短二三十分鐘，相信你已經大概瞭解了Neo4j，接下來還會介紹更加深入的例子，結合客戶端驅動（如Python）操作Neo4j，同時還會在後期結合一個具體的例子講解Neo4j，感興趣的歡迎關註哦。同時，大家也可以掃描二維碼關註我的微信公眾號哦。