住房建设部官方网站居住区政策厦门seo大佬

图数据库neo4j部分用法浅讲

一、简单介绍

1、✅ 简要说明

Neo4j 是基于图结构的数据存储系统，与传统的关系型数据库（如 MySQL、PostgreSQL）不同，它使用节点（Node）、关系（Relationship）和属性（Property）来存储和查询数据。

2、📌 核心概念

概念	说明
节点（Node）	表示实体，例如：人、地点、产品等，相当于关系型数据库中的一行记录
关系（Relationship）	表示节点之间的连接和关系，关系是图数据库的核心优势
属性（Property）	存储在节点或关系上的键值对，例如：name, age, time 等
标签（Label）	给节点分类的标识，例如：Person, Company 等
Cypher 查询语言	Neo4j 使用的类 SQL 的图查询语言，用来创建、查询、更新图数据

3、🧠 为什么使用图数据库？

• 更适合处理复杂关系（例如：社交网络、推荐系统、交通网络）
• 查询关系路径（path）效率高，不需要 JOIN 多表
• 更直观的数据建模

二、neo4j桌面版

1、🧭 左侧导航栏（Sidebar）

Data services

• Local instances（本地实例）：显示你在本机上运行的所有 Neo4j 实例，如 addressSearch。

• Remote connections（远程连接）：用于连接 Neo4j Aura 或其他远程服务器上的 Neo4j 实例。

• Import（导入）：用于导入 CSV、JSON、GraphML 等数据文件进入数据库。

Tools

• Query（查询）：进入 Cypher 查询编辑器，执行查询语句。
• Explore（探索）：图形化地浏览图数据库中的数据节点和关系。

About

• Settings（设置）：修改 Neo4j Desktop 的全局设置，比如 JDK 路径、插件管理等。

三、Neo4j 的 Cypher语言

1、 查询

MATCH (p:poi)
RETURN keys(p), p
LIMIT 100

1.1 详细解释

MATCH (p:poi)

查找图中所有标签为 poi 的节点，并将它们绑定到变量 p。

• p：是一个变量名，代表匹配到的节点。
• :poi：是标签（label），表示我们只关注拥有 poi 标签的节点。
• MATCH：是 Cypher 查询中用于模式匹配的关键字，相当于 SQL 的 FROM + JOIN，用于从图中查找结构

RETURN keys§, p

返回每个 poi 节点的：

• keys§：该节点的所有属性名称（即字段名、键名）
• p：整个节点对象，包括其所有属性值

2、添加新的字段

MATCH (p:poi)
SET p.location = point({longitude: toFloat(p.lng), latitude: toFloat(p.lat)})

2.1 详细解释

🔹 MATCH (p:poi)

• 匹配所有带有 poi 标签的节点。
• 把每个匹配的节点赋值给变量 p。

SET p.location = …

• 对每个匹配到的节点，**设置（或覆盖）**一个名为 location 的新属性。
• 这个属性将被赋值为一个 point 类型（地理坐标点）。

🔹 point({longitude: …, latitude: …})

Neo4j 中支持 原生地理空间类型，point() 是一个函数，用来创建一个地理坐标点。

• longitude: 经度，对应东-西方向。
• latitude: 纬度，对应北-南方向。

这个点会是 WGS-84 坐标系中的一个 2D 点（默认 SRID 为 4326）

3、构建“就近关系”图谱

MATCH (a:POI), (b:POI)
WHERE id(a) < id(b) AND point.distance(a.location, b.location) < 500
MERGE (a)-[:NEARBY]->(b)

3.1 详细解释

🔹 MATCH (a:POI), (b:POI)

• 匹配所有 POI 标签的节点对 (a, b)。
• 这会产生 所有可能的两两组合（即笛卡尔积）。
• ⚠️ 如果有 n 个 POI 节点，组合总数是 n²，因此加上 WHERE 限制很重要

🔹 WHERE id(a) < id(b)

• 防止重复组合和自连接：

  • 例如 (a, b) 和 (b, a) 是一样的距离关系，只需要创建一条。
  • 同时 a != b，避免自己连自己。

• id(a) 是 Neo4j 内部自动生成的唯一节点 ID

🔹 point.distance(a.location, b.location) < 500

• 使用 point.distance 函数计算两个点之间的直线（欧几里得）距离（单位：米，基于 WGS84 坐标）。
• 这里表示：a 和 b 节点之间的距离小于 500 米。
• 前提是两个节点的 location 属性都必须是 point 类型（即之前你设置的那种）：

SET p.location = point({latitude: ..., longitude: ...})

🔹 MERGE (a)-[:NEARBY]->(b)

• 如果 a 到 b 之间还没有 NEARBY 关系，就创建一条有向边。
• MERGE 语义类似 SQL 的 UPSERT，保证不会创建重复的关系

🧠 注意：

• MERGE 是有向的，这里是 a → b，不是 b → a。
• 如果你希望两个方向都存在（双向连接），可以写成：

MERGE (a)-[:NEARBY]->(b)
MERGE (b)-[:NEARBY]->(a)

双向连接⚠️ 性能提示

这种写法可能在节点数量多时非常慢，因为：

• 它是 全图两两比较（复杂度 O(n²)）。
• 建议在实际场景中加 空间索引 + 分批处理

CREATE INDEX poi_location_index FOR (p:POI) ON (p.location)

或者使用 Neo4j 的 空间范围搜索方式更高效（基于 WITH 和 apoc.spatial.*）

3、查询某个关系信息

MATCH p = ()-[:NEARBY]->()
RETURN p
LIMIT 250;

🔹 MATCH p = ()-[:NEARBY]->()

✅ 含义：

• 匹配图中所有带有 NEARBY 关系的节点对（即边）。
• () 表示任意节点（不限制标签）。
• [:NEARBY] 表示只匹配名为 NEARBY 的边（关系类型）。
• -> 表示关系方向是从左节点指向右节点。

✅ p = … 的作用：

• 把匹配到的整个路径（起点节点、关系、终点节点）赋值给变量 p。
• 这样你可以在 RETURN 中一次性返回整个路径对象