Neo4j简介

前端之家收集整理的这篇文章主要介绍了Neo4j简介前端之家小编觉得挺不错的,现在分享给大家,也给大家做个参考。

来自:残阳似血的博客

http://qinxuye.me/article/introduction-to-neo4j/

现实中很多数据都是用图来表达的,比如社交网络中人与人的关系、地图数据、或是基因信息等等。RDBMS并不适合表达这类数据,而且由于海量数据的存在,让其显得捉襟见肘。Nosql数据库的兴起,很好地解决了海量数据的存放问题,图数据库也是Nosql的一个分支,相比于Nosql中的其他分支,它很适合用来原生表达图结构的数据。

下面一张图说明,相比于其他Nosql数据库存放的数据规模有所下降,但是更能够表达复杂的数据。

通常来说,一个图数据库存储的结构就如同数据结构中的图,由顶点和边组成。

Neo4j是图数据库中一个主要代表,其开源,且用Java实现。经过几年的发展,已经可以用于生产环境。其有两种运行方式,一种是服务的方式,对外提供REST接口;另外一种是嵌入式模式,数据以文件的形式存放在本地,可以直接对本地文件进行操作。

Neo4j分三个版本:社区版(community)、高级版(advanced)和企业版(enterprise)。社区版是基础,本文主要对其作出介绍,它使用的是GPLv3协议,这意味着修改和使用其代码都需要开源,但是这是建立在软件分发的基础上,如果使用Neo4j作为服务提供,而不分发软件,则不需要开源。这实际上是GPL协议本身的缺陷。高级版和企业版建立在社区版的基础上,但多出一些高级特性。高级版包括一些高级监控特性,而企业版则包括在线备份、高可用集群以及高级监控特性。要注意它们使用了AGPLv3协议,也就是说,除非获得商业授权,否则无论以何种方式修改或者使用Neo4j,都需要开源。

接下来就从Neo4j的几个主要特性出发,结合代码逐一作出介绍。它们包括:数据模型、索引、事务、遍历和查询、以及图算法。

数据模型

Neo4j被称为property graph,除了顶点(Node)和边(Relationship,其包含一个类型),还有一种重要的部分——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Java基本类型、或者是基本类型数组,比如说String、int或者int[]都是合法的。

接下来本文都会围绕下图进行举例。

可以看到Thomas Anderson这个Node有age和name的property,其指向Trinity的relationship边类型为KNOWS,有age的属性

生成上图所示数据,首先可以定义所有边的类型:?

1
2
3
4
5
6
7
import org.neo4j.graphdb.RelationshipType;
private static enum RelTypes implements RelationshipType {
NEO_NODE,
KNOWS,
CODED_BY
}

接下来的代码创建了起始顶点和“Thomas Anderson”顶点,并创建了它们之间的边。其余数据生成类似。?

1
2
3
4
5
6
7
8
9
import org.neo4j.graphdb.Node;
Node startNode = graphDB.createNode();
Node thomas = graphDB.createNode();
thomas.setProperty( "name" , "Thomas Anderson" );
thomas.setProperty( "age" , 29 );
startNode.createRelationshipTo( thomas,RelTypes.NEO_NODE );

索引

Neo4j支持索引,其内部实际上通过Lucene实现。现在可以创建一个索引叫nodes,来索引所有拥有name属性的顶点,这样我们就可以查询名字为“Thomas Anderson”的节点了。以下代码创建了这个索引,并索引了“Thomas Anderson”顶点,并通过名字得到了它。?

1
2
3
4
5
6
7
8
9
import org.neo4j.graphdb.index.Index;
Index<Node> nodeIndex = graphDB.index().forNodes( "nodes" );
// 将thomas顶点的name属性添加到索引
nodeIndex.add(thomas, "name" ,thomas.getProperty( "name" ));
// 通过thomas的name得到顶点
Node thomas = nodeIndex.get( "name" , "Thomas Anderson" ).getSingle();

事务

Neo4j完整支持事务,即满足ACID性质。示例代码如下:?

1
2
3
4
5
6
7
8
9
10
import org.neo4j.graphdb.Transaction;
Transaction tx = graphDB.beginTx();
try {
// do sth...
tx.success();
}
finally {
tx.finish();
}

遍历和查询

遍历是图数据库中的主要查询方式,所以遍历是图数据中相当关键的一个概念。可以用两种方式来进行遍历查询:第一种是直接编写Java代码,使用Neo4j提供的traversal框架;第二种方式是使用Neo4j提供的描述型查询语言,Cypher。第一种方式例子如下:?

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
import org.neo4j.graphdb.traversal.Evaluators;
import org.neo4j.graphdb.traversal.Traverser;
import org.neo4j.graphdb.traversal.TraversalDescription;
import org.neo4j.kernel.Traversal;
public Traverser getFriends( final Node person) {
TraversalDescription td = Traversal.description()
// 这里是广度优先,也可以定义为深度优先遍历
.breadthFirst()
// 这里定义边类型必须为KNOWS,且必须都为出边
.relationships(RelTypes.KNOWS,Direction.OUTGOING)
// 排除开始顶点
.evaluator(Evaluators.excludeStartPosition());
return td.traverse(person);
}

这里得到了Traverser对象后并没有立即执行遍历,而是在真正迭代结果时才进行延迟查询。以下的代码打印出一个顶点的所有朋友以及朋友的朋友。?

1
2
3
4
5
6
7
8
9
10
11
12
import org.neo4j.graphdb.Path;
public void printNodeFriends(Node node) {
int friendsNumbers = 0 ;
System.out.println(node.getProperty(PRIMARY_KEY) + "'s friends:" );
for (Path friendPath: getFriends(node)) {
System.out.println( "At depth " + friendPath.length() + " => "
+ friendPath.endNode().getProperty(PRIMARY_KEY));
friendsNumbers++;
}
System.out.println( "Number of friends found: " + friendsNumbers);
}

输出结果为:

Thomas Anderson's friends:
At depth 1 => Trinity
At depth 1 => Morpheus
At depth 2 => Cypher
At depth 3 => Agent Smith
Number of friends found: 4

关于traversal框架,请参考官方文档

第二种方法Cypher则直观得多,它是一种描述型的语言。下面是达到同样目标的Cypher命令。?

1
2
3
start n=node:nodes(name= "Thomas Anderson" )
match n-[:KNOWS*..]->f
return distinct f,f.name

简单做个说明。start说明从n节点开始,它通过查询nodes索引得到。match主要用来匹配图中顶点和边的关系,这里n和f顶点之前的relationship通过方括号表达,“:KNOWS”说明了边类型,“*..”表示可以有任意多的边,如果只要求有两条,则是[:KNOWS*2]。注意到这里的箭头表示是出边方向。return返回结果,distinct去除了重复访问到的顶点。可以看到还是很直观的。

查询结果如下:

+-----------------------------------------------------------------------------------+
| f | f.name |
+-----------------------------------------------------------------------------------+
| Node[4]{name:"Morpheus",rank:"Captain",occupation:"Total badass"} | "Morpheus" |
| Node[5]{name:"Cypher",last name:"Reagan"} | "Cypher" |
| Node[6]{name:"Agent Smith",version:"1.0b",language:"C++"} | "Agent Smith" |
| Node[3]{name:"Trinity"} | "Trinity" |
+-----------------------------------------------------------------------------------+
4 rows
289 ms

不过,Cypher语言不能定义查询是按照深度优先还是广度优先遍历。Cypher更多用法,可以参考官方文档

图算法

Neo4j实现的三种图算法:最短路径、Dijkstra算法以及A*算法。下面是最短路径算法的简单例子:?

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
import org.neo4j.graphalgo.PathFinder;
import org.neo4j.graphalgo.GraphAlgoFactory;
public Iterable<Path> findShortestPath(Node node1,Node node2) {
PathFinder<Path> finder = GraphAlgoFactory.shortestPath(
Traversal.expanderForTypes(RelTypes.KNOWS,Direction.OUTGOING), 5 );
Iterable<Path> paths = finder.findAllPaths(node1,node2);
return paths;
}
public void printShortestPaths() {
Node node1 = nodeIndex.get(PRIMARY_KEY, "Thomas Anderson" ).getSingle();
Node node2 = nodeIndex.get(PRIMARY_KEY, "Agent Smith" ).getSingle();
for (Path shortestPath: findShortestPath(node1,node2)) {
System.out.println(shortestPath.toString());
}
}

图算法的更多信息,可以参考官方文档

总结

本文对Neo4j做了简单的介绍,更多信息可以参考Neo4j的官方网站

在社交网络呈爆炸性发展的今天,随着knowledge graph(知识图谱)技术的兴起,相信图数据库能够扮演越来越重要的角色。

本文使用的完整代码,可以在这里下载。

原文链接:https://www.f2er.com/nosql/204039.html

猜你在找的NoSQL相关文章