图数据库neo4j
① Neo4j的介绍
Neo4j是一个高性能的,NOsql图形数据库，它将结构化数据存储在网络上而不是表中。它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎，但是它将结构化数据存储在网络(从数学角度叫做图)上而不是表中。Neo4j也可以被看作是一个高性能的图引擎，该引擎具有成熟数据库的所有特性。程序员工作在一个面向对象的、灵活的网络结构下而不是严格、静态的表中——但是他们可以享受到具备完全的事务特性、企业级的数据库的所有好处。Neo4j因其嵌入式、高性能、轻量级等优势，越来越受到关注.
② python怎么与neo4j图数据库连接
一个快速的REST例子
首先来看些基本知识。如果没有服务API，Neo4j就不能支持其他语言。该接口提供一组基于JSON消息格式的RESTful Web服务和一个全面的发现机制。使用中使用这个接口的最快和最容易的方法是通过使用cURL：
从这个端点返回JSON对象包含一组资源名称和URI下可以找到的Cypher端点。在消息载荷中接受传送来的Cyper请求并执行这些查询，在HTTP响应中返回结果。
正是这种REST API接口，使得现在已有的各种Neo4j驱动得以建立。py2neo提供了这些REST资源的简单封装，这使Python应用程序开发者可以放心使用Neo4j而不用考虑底层的客户机-服务器协议。
一个简单的应用
为实际验证py2neo，我们将着眼于建立一个简单的用于存储姓名和电子邮件地址的通讯录管理系统。我们自然会使用节点来模拟每一个独立实体，但它是要记住，Neo4j没有类型的概念。类型是从周围的关系和属性推断来的。
下面的关系图中人显示为红色、电子邮件地址节点显示为蓝色。这些当然是纯粹的逻辑演示节点，但数据本身并没有区别。
我们的应用程序将完成两个功能：添加新的联系人信息和检索联系人的完整列表。为此,我们将创建一个Person类包装Py2neoNodeobject，这使我们有一个底层处理的实现且留出用户级的功能。上图中的ROOT节点是指上图中一个固定的参考点，我们沿着这个点开始。
让我们直接看看代码。下面是一个完整的小型应用。这个程序允许添加新的名字与一个或者更多email地址相连接的以及提供了一个容易的方式来显示这些连接信息的一个命令行工具。没有参数的运行是显示使用模式，而且这个唯一的依赖只是需要一个本地未修改的Neo4j实例(instance)而已。
在第09行上是第一行Py2neo代码，用来创建了一个GraphDatabaseService对象。通过这个，我们就可以访问使用Neo4j server的大多数功能。可选一个URI传递到这个构造器里，尽管如果什么都没有提供，代而取之的是使用默认的本地参数。也就是说下面两行是完全相等的：
第13行介绍了调用了get_or_create_indexed_node,它提供一种在图形里创建固定引用点的漂亮方式。传统的Neo4j索引允许节点和关系通过键值对访问，而在这个代码里我们使用了带连接的关键字和root值的引用索引实例。在第一次执行时，会创建一个新的节点，而且在随后的执行中，这个节点(即root)会复用(reused)。
在第17行，我们看见了推荐的节点和关系抽象的标记，以及接受和使用节点和关系抽象的create方法。任意多的抽象都可以被传递到这个方法中，并且在单个批处理转换中创建实体并以指定它们的顺序作为一个列表返回。抽象节点用节点函数表示并带有一些属性，然而抽象关系使用rel函数接受一个起始节点，类型和终止节点。上下文中，其他节点，关系起始和终止节点可能整合引用到在其他批处理中其他节点。在我们的例子中，我们把根节点连接到新创建的person节点，否则就作为项目0(item 0)了。
这次我们在第24行和38行上以match方法形式和关系见面[@Lesus 注： oschina代码行数有问题。对应于本文的第28和44行]。它试图使用一个特殊的条件集合(set)标识关系，然后使用列表（list）返回它们。这这些示例中，这个关系和PERSON关系相匹配，从root节点和EMAIL关系开始到所给定的person节点。和Cypher很相似，用来查询包含MATCH关键字的场景。
最后值得注意的一点是在上面的代码中访问节点属性的方式只是其中一种简单的方式。Py2neo重写了标准python的__getitem__和 __setitem__方法，通过方括号标识来方便访问任何属性。这点在第34和38行上可以看到。[@Lesus 注：对应于本文的第39和44行]
总结
在那里(代码行34和38)我们这样做了，这显示了它是如何快速简易地在JAVA环境之外拼凑出一个Neo4j应用程序，也显示了Py2neo是如何通过REST API来抽象出大多数沉重的负担。这里的例子并没有解决唯一性，尽管功能上提供了唯一索引和CypherCREATE UNIQUE语句。Django开发者可能也想要考虑一个层，如Neomodel，它在Py2neo顶层上表示了一个Djangoesque ORM-style 层。
③ neo4j是什么怎么配置能单独使用吗
Neo4j是一个嵌入式，基于磁盘的，支持完整事务的Java持久化引擎，它在图像中而不是表中存储数据。Neo4j提供了大规模可扩展性，在一台机器上可以处理数十亿节点/关系/属性的图像，可以扩展到多台机器并行运行。相对于关系数据库来说，图形数据库善于处理大量复杂、互连接、低结构化的数据，这些数据变化迅速，需要频繁的查询——在关系数据库中，这些查询会导致大量的表连接，因此会产生性能上的问题。Neo4j重点解决了拥有大量连接的传统RDBMS在查询时出现的性能衰退问题。通过围绕图形进行数据建模，Neo4j会以相同的速度遍历节点与边，其遍历速度与构成图形的数据量没有任何关系。此外，Neo4j还提供了非常快的图形算法、推荐系统和OLAP风格的分析，而这一切在目前的RDBMS系统中都是无法实现的。
④ 如何快速导入网络数据到图数据库Neo4j
1.将选中的数据快儿拷贝到一个TXT文本文件中（记得把后面的空格消掉。。否则导入数据库后会有对应的空行），假如存到“D:\data.txt”这个位置里。
2.根据要导入的数据快儿建立MySql数据库和表，然后进入命令提示符里使用命令
load
data
local
infile
'D:/data.txt'
into
table
exceltomysql
fields
terminated
by
'\t';
注意：盘符我使用的“/”才成功，否则提示找不到文件
下面文章中是用的“\”！
进行导入操作手动进行Excel数据和MySql数据转换！
⑤ 想问一下图数据库neo4j和spark下面的graphx有什么区别
Neo4j就是一个数据库（可以理解成一个类似HBASE的东西，不过Neo4j是几乎是单机数据库，于HBASE不同，HBASE的数据时存储在
HDFS上，由HDFS进行维护，HDFS将数据存储在exfat等单机文件系统上。Neo4j直接将数据格式化到单机文件系统）
每一个服务器保存完整的图数据。
GraphX是一个计算引擎（类似于maprece的东西），它的数据是从SHARK中使用SQL读取数据，或者RDD运算符从文件中读取，然后直接进行计算
另外数据库和计算引擎都可以进行计算任务，不过数据库的接口比较弱，只支持简单的查询
计算引擎提供了强大的计算接口，方便了编程，可以很容易的实现pagerank等图算法
GraphX做数据挖掘应该更方便，有通用的编程几口
Neo4j就需要自己写代码了 编程比较麻烦，不过性能上或许有优势
⑥ python使用neo4j图数据库
test_node_1=Node(label="Person",name="test_node_1")
test_node_2=Node(label="Person",name="test_node_2")
test_graph.create(test_node_1)
test_graph.create(test_node_2)
⑦ 图计算引擎Neo4j和Graphscope有什么区别
Neo4j是单机系统，主要做图数据库。GraphScope是由阿里巴巴达摩院智能计算实验室研发的图计算平台，是全球首个一站式超大规模分布式图计算平台，并且还入选了中 国科学技术协会“科创中 国”平台。Graphscope的代码在github.com/alibaba/graphscope上开源。SSSP算法上,GraphScope单机模式下平均要比Neo4j快176.38倍，最快在datagen-9.2_zf数据集上快了292.2倍。
⑧ 关于图数据库neo4j的关系建立
Neo4J的安装使用非常简单。下载一个稳定版本，解压，运行Neo4j.bat（windows版本） 即可。下载地址http://www.neo4j.org/download ， 目前比较好用的稳定版本是1.9.1。
然后可以访问WEB管理界面，地址：http://localhost:7474/webadmin
Neo4J的使用方式包括：
1）可以写程序，添加，更新，用JAVA，Python，PHP, .NET等语言都可以实现。
2）可以用命令行，添加，更新，查看，Neo4J提供基于WEB的执行界面，提供类SQL语言执行，这些语言包括Cypher，Gremlin等。
如下图：
3）可以基于Neo4J提供的WEB UI界面添加，更新节点和关系，如下：
4) 可以使用附加工具（ETL）导入数据。也可以从关系数据库中导入数据。
⑨ 大数据常用哪些数据库
通常数据库分为关系型数据库和非关系型数据库，关系型数据库的优势到现在也是无可替代的，比如MySQL、SQL Server、Oracle、DB2、SyBase、Informix、PostgreSQL以及比较小型的Access等等数据库，这些数据库支持复杂的SQL操作和事务机制，适合小量数据读写场景；但是到了大数据时代，人们更多的数据和物联网加入的数据已经超出了关系数据库的承载范围。
大数据时代初期，随着数据请求并发量大不断增大，一般都是采用的集群同步数据的方式处理，就是将数据库分成了很多的小库，每个数据库的数据内容是不变的，都是保存了源数据库的数据副本，通过同步或者异步方式保证数据的一致性，每个库设定特定的读写方式，比如主数据库负责写操作，从数据库是负责读操作，等等根据业务复杂程度以此类推，将业务在物理层面上进行了分离，但是这种方式依旧存在一定的负载压力的问题，企业数据在不断的扩增中，后面就采用分库分表的方式解决，对读写负载进行分离，但是这种实现依旧存在不足，且需要不断进行数据库服务器扩容。
NoSQL数据库大致分为5种类型
1、列族数据库：BigTable、HBase、Cassandra、Amazon SimpleDB、HadoopDB等，下面简单介绍几个
（1）Cassandra：Cassandra是一个列存储数据库，支持跨数据中心的数据复制。它的数据模型提供列索引，log-structured修改，支持反规范化，实体化视图和嵌入超高速缓存。
（2）HBase：Apache Hbase源于Google的Bigtable，是一个开源、分布式、面向列存储的模型。在Hadoop和HDFS之上提供了像Bigtable一样的功能。
（3）Amazon SimpleDB：Amazon SimpleDB是一个非关系型数据存储，它卸下数据库管理的工作。开发者使用Web服务请求存储和查询数据项
（4）Apache Accumulo：Apache Accumulo的有序的、分布式键值数据存储，基于Google的BigTable设计，建立在Apache Hadoop、Zookeeper和Thrift技术之上。
（5）Hypertable：Hypertable是一个开源、可扩展的数据库，模仿Bigtable，支持分片。
（6）Azure Tables：Windows Azure Table Storage Service为要求大量非结构化数据存储的应用提供NoSQL性能。表能够自动扩展到TB级别，能通过REST和Managed API访问。
2、键值数据库：Redis、SimpleDB、Scalaris、Memcached等，下面简单介绍几个
（1）Riak：Riak是一个开源，分布式键值数据库，支持数据复制和容错。（2）Redis：Redis是一个开源的键值存储。支持主从式复制、事务，Pub/Sub、Lua脚本，还支持给Key添加时限。
（3）Dynamo：Dynamo是一个键值分布式数据存储。它直接由亚马逊Dynamo数据库实现；在亚马逊S3产品中使用。
（4）Oracle NoSQL Database：来自Oracle的键值NoSQL数据库。它支持事务ACID（原子性、一致性、持久性和独立性）和JSON。
（5）Oracle NoSQL Database：具备数据备份和分布式键值存储系统。
（6）Voldemort：具备数据备份和分布式键值存储系统。
（7）Aerospike：Aerospike数据库是一个键值存储，支持混合内存架构，通过强一致性和可调一致性保证数据的完整性。
3、文档数据库：MongoDB、CouchDB、Perservere、Terrastore、RavenDB等，下面简单介绍几个
（1）MongoDB：开源、面向文档，也是当下最人气的NoSQL数据库。
（2）CounchDB：Apache CounchDB是一个使用JSON的文档数据库，使用Javascript做MapRece查询，以及一个使用HTTP的API。
（3）Couchbase：NoSQL文档数据库基于JSON模型。
（4）RavenDB：RavenDB是一个基于.NET语言的面向文档数据库。
（5）MarkLogic：MarkLogic NoSQL数据库用来存储基于XML和以文档为中心的信息，支持灵活的模式。
4、图数据库：Neo4J、InfoGrid、OrientDB、GraphDB，下面简单介绍几个
（1）Neo4j：Neo4j是一个图数据库；支持ACID事务（原子性、独立性、持久性和一致性）。
（2）InfiniteGraph：一个图数据库用来维持和遍历对象间的关系，支持分布式数据存储。
（3）AllegroGraph：AllegroGraph是结合使用了内存和磁盘，提供了高可扩展性，支持SPARQ、RDFS++和Prolog推理。
5、内存数据网格：Hazelcast、Oracle Coherence、Terracotta BigMemorry、GemFire、Infinispan、GridGain、GigaSpaces，下面简单介绍几个
（1）Hazelcast：Hazelcast CE是一个开源数据分布平台，它允许开发者在数据库集群之上共享和分割数据。
（2）Oracle Coherence：Oracle的内存数据网格解决方案提供了常用数据的快速访问能力，一致性支持事务处理能力和数据的动态划分。
（3）Terracotta BigMemory：来自Terracotta的分布式内存管理解决方案。这项产品包括一个Ehcache界面、Terracotta管理控制台和BigMemory-Hadoop连接器。
（4）GemFire：Vmware vFabric GemFire是一个分布式数据管理平台，也是一个分布式的数据网格平台，支持内存数据管理、复制、划分、数据识别路由和连续查询。
（5）Infinispan：Infinispan是一个基于Java的开源键值NoSQL数据存储，和分布式数据节点平台，支持事务，peer-to-peer 及client/server 架构。
（6）GridGain：分布式、面向对象、基于内存、SQL+NoSQL键值数据库。支持ACID事务。
（7）GigaSpaces：GigaSpaces内存数据网格能够充当应用的记录系统，并支持各种各样的高速缓存场景。
⑩ 为什么选择图形数据库，为什么选择Neo4j
先简要介绍一下Neo4j。Neo4j是由Java和Scala写成的一个NoSql数据库，专门用于网络图的存储。更详细的内容可见官网。作为一个图形数据库，Neo4j有以下优点：
更快的数据库操作。当然，有一个前提条件，那就是数据量较大，在MySql中存储的话需要许多表，并且表之间联系较多（即有不少的操作需要join表）。
数据更直观，相应的SQL语句也更好写（Neo4j使用Cypher语言，与传统SQL有很大不同）。
更灵活。不管有什么新的数据需要存储，都是一律的节点和边，只需要考虑节点属性和边属性。而MySql中即意味着新的表，还要考虑和其他表的关系。
数据库操作的速度并不会随着数据库的增大有明显的降低。这得益于Neo4j特殊的数据存储结构和专门优化的图算法。