【neo4j】neo4j和Cypher 查询语言相关知识点
【neo4j】neo4j和Cypher 查询语言相关知识点
1.什么是neo4j
Neo4j 是一个广泛使用的图形数据库管理系统（Graph Database Management System）。它是一种NoSQL数据库，专为存储和查询图形数据而设计。Neo4j 支持图形数据模型，允许用户以节点（Nodes）和关系（Relationships）的形式存储数据，并通过属性（Properties）来丰富这些节点和关系。
1.1.Neo4j 的主要特点
- 图形数据模型：
- 节点（Nodes）：表示实体，如人、地点、事件等。
- 关系（Relationships）：表示节点之间的连接，如“朋友关系”、“工作关系”等。
- 属性（Properties）：节点和关系可以携带键值对形式的数据，如姓名、年龄等。
- Cypher 查询语言：
- Cypher 是一种声明式查询语言，专门用于图形数据库。它使用户能够以直观的方式编写复杂的查询，从而在图形中查找和操作数据。
- Cypher 提供了强大的语法来表达图形模式匹配，支持路径查找、过滤、聚合等操作。
- 高性能：
- Neo4j 采用内存优先的存储引擎，能够在内存中缓存数据，以实现高速查询响应。
- 它还支持分布式部署，可以在多个节点之间水平扩展。
- ACID 事务：
- Neo4j 支持原子性（Atomicity）、一致性（Consistency）、隔离性（Isolation）和持久性（Durability）的事务特性，确保数据的一致性和可靠性。
- 生态系统和工具：
- Neo4j 拥有丰富的工具集和生态系统，包括图形界面工具（如Neo4j Browser）、可视化工具、API客户端库等。
- 它还支持多种编程语言的驱动程序，便于在不同环境中使用。
- 社区和商业支持：
- Neo4j 拥有一个活跃的社区，提供了大量的文档、教程和示例。
- 除了开源版本外，Neo4j 还提供企业版，包含更多的功能和支持服务。
1.2.Neo4j 的应用场景
- 社交网络：
- 社交网络中的用户关系、好友推荐等。
- 例如，LinkedIn 使用 Neo4j 来优化其招聘服务。
- 推荐系统：
- 电商网站的商品推荐、个性化广告等。
- 例如，Netflix 使用图形数据库来改进其推荐算法。
- 网络安全：
- 网络攻击检测、恶意软件分析等。
- 通过分析网络拓扑和行为模式来识别潜在的安全威胁。
- 知识图谱：
- 构建知识图谱，如企业内部的知识管理系统。
- 例如，维基百科使用图形数据库来构建和查询其知识图谱。
- 金融风控：
- 信贷风险评估、欺诈检测等。
- 通过分析客户之间的复杂关系来发现潜在的风险点。
- 生物医学研究：
- 生物网络分析、药物研发等。
- 例如，基因互作网络、蛋白质相互作用等。
2.安装neo4j
下载地址：下载地址在这里
安装完成后别忘了配置环境变量
3.启动并登录neo4j
启动neo4j
neo4j console
然后访问 http://localhost:7474/
然后进行登录，默认用户名和密码都是neo4j
当看到这个界面就表示登录成功了
4.Cypher 查询语言
neo4j中包含节点、关系、属性
所以Cypher 查询语言要做的就是对这些进行CRUD
创建节点
创建一个节点的基本语法如下：
CREATE (label:Label {property: 'value'})
这里的 label 是节点的标签（Label），property 是节点的属性（Property），value 是属性的值。
创建关系
创建关系的基本语法如下：
CREATE (node1:Label1)-[:RELATIONSHIP_TYPE {property: 'value'}]->(node2:Label2)
这里的 node1 和 node2 是两个节点，RELATIONSHIP_TYPE 是关系的类型（Type），property 是关系的属性，value 是属性的值。
基本查询
查询单个节点
如果你想查询一个特定的节点，可以使用以下语句：
MATCH (n:Label) WHERE n.property = 'value'
RETURN n
这里 n 是一个带有 Label 标签的节点，property 是该节点的一个属性，其值为 'value'。
查询关系
如果你想查询一个特定的关系，可以使用以下语句：
MATCH ()-[r:RELATIONSHIP_TYPE]->()
WHERE r.property = 'value'
RETURN r
这将返回所有类型为 RELATIONSHIP_TYPE 的关系，其中关系 r 的属性 property 的值为 'value'。
复杂查询
查询带有属性的节点
假设你想查询所有名字为 Alice 的 Person 节点：
MATCH (person:Person) WHERE person.name = 'Alice'
RETURN person
查询节点之间的关系
假设你想查询 Alice 和 Bob 之间的所有关系：
MATCH (alice:Person {name: 'Alice'})-[r]->(bob:Person {name: 'Bob'})
RETURN r
查询路径
假设你想查询 Alice 到 Charlie 的所有可能路径：
MATCH p=(alice:Person {name: 'Alice'})-[*]->(charlie:Person {name: 'Charlie'})
RETURN p
这里 [ * ] 表示任意长度的路径。
查询最短路径
假设你想查询 Alice 到 Charlie 的最短路径：
MATCH p=shortestPath((alice:Person {name: 'Alice'})-[*]->(charlie:Person {name: 'Charlie'}))
RETURN p
模糊查询
假设你想查询 Alice 通过 KNOWS 关系到达 Bob 的所有长度为 2 到 5 的路径：
MATCH (alice:Person {name: 'Alice'})-[r:KNOWS*2..5]-(bob:Person {name: 'Bob'})
RETURN r
分组与聚合
假设你想统计每个年龄段的人数：
MATCH (person:Person)
RETURN person.age, count(*) AS numberOfPeopleOfSameAge
ORDER BY numberOfPeopleOfSameAge DESC
综合示例
假设我们有一个简单的图形数据库，其中包含几个人及其关系，我们将查询这些人及其关系：
// 查询所有的 Person 节点
MATCH (person:Person)
RETURN person
// 查询所有 KNOWS 关系
MATCH ()-[r:KNOWS]->()
RETURN r
// 查询 Alice 和 Bob 之间的关系
MATCH (alice:Person {name: 'Alice'})-[r]->(bob:Person {name: 'Bob'})
RETURN r
// 查询 Alice 到 Charlie 的所有路径
MATCH p=(alice:Person {name: 'Alice'})-[*]->(charlie:Person {name: 'Charlie'})
RETURN p
// 查询 Alice 到 Charlie 的最短路径
MATCH p=shortestPath((alice:Person {name: 'Alice'})-[*]->(charlie:Person {name: 'Charlie'}))
RETURN p
// 统计每个年龄段的人数
MATCH (person:Person)
RETURN person.age, count(*) AS numberOfPeopleOfSameAge
ORDER BY numberOfPeopleOfSameAge DESC