一、图数据库简介
图数据库是NoSQL领域中的一种，在处理相关联的大数据方面比关系型数据库天然具有优势，近年来在知识图谱、金融风控、社交关系等场景中发挥了重要的角色功能。同时，图数据库在AI领域，天然适合诸如记忆提取、关联推理、归纳探索等场景，成为了人工智能领域不可缺少的部分。
Neo4J是比较通用和常见的图数据库，具有社区版和企业版之分，普通学习使用免费的社区版即可。Neo4J还提供了一个Web访问的可视化执行与查询的界面，类似ElasticSearch一样，非常容易上手。Neo4J配套的DSL语言为Cypher查询语言，可以对数据进行高效地查询，同时语法上类似SQL，方便开发者快速上手。
二、Neo4J环境搭建
本文使用Docker来搭建Neo4J环境，需要提前在开发机上装好Docker Desktop。
首先访问DockerHub官网，查询Neo4J官方仓库，将远程镜像拉取到本地，默认情况下拉取的镜像是最新的社区版。
docker pull neo4j
然后现在本地找个目录存放neo4j数据库文件，这里以 E:\docker-volume
eo4j-data 为例，然后按照使用描述，执行启动命令：
docker run --publish=7474:7474 --publish=7687:7687 --volume=E:\docker-volume
eo4j-data:/data neo4j
等待片刻，容器就完成启动了，此时访问 localhost:7474 就能访问到neo4j的主页了，默认登录密码是 neo4j/neo4j ，首次登录后会要求修改默认密码。
三、创建系统架构
3.1 系统架构梳理
现有的系统在架构图中都表现为顶点，是一个实体，实体会包含若干属性，来对实体进行表述。比如“订单系统”是图中的一个顶点实体，该系统是用Java编写，首次部署时间是2020年1月1日，系统负责人是张三等等，这些都是这个系统的属性。我们对现有的系统做了下梳理，以表格的形式内容如下：
系统名称 | 类型 | 首次部署时间 | 系统负责人 |
订单系统 | Java | 2020-1-1 | jack |
商品系统 | Python | 2021-5-1 | mason |
淘宝商城 | APP | 2021-6-1 | peter |
闲鱼 | 小程序（MinPro） | 2021-8-1 | steve |
商家管理平台 | Web | 2021-9-1 | lisa |
中台MQ | MQ | 2020-9-1 | jane |
每日精选 | 公众号（Public） | 2021-4-25 | lucy |
这些系统中，订单系统和商品系统属于中台后端应用，淘宝、咸鱼、每日精选都是前端面向客户的应用，它们都调用中台的后端应用，商家管理平台是内网供作业人员使用的Web应用，也是调用的中台数据，中台每隔5分钟会推送热点商品数据通过MQ给到每日精选。
上面的关系描述不够直观，系统一旦多了，就可能乱的不行，所以我们需要通过图数据库来描述相互之间的关系。
下面，我们就可以基于如上梳理的关系，进行节点和关系的操作了。在操作之前，我们需要清理一下数据库中的内容，防止产生干扰。
MATCH (n) DETACH DELETE n;
3.2 系统节点的CRUD
- 增加节点
- CREATE (n:Java {name:'订单系统',firstDeploy:'2020-1-1',leader:'jack'}); CREATE (n:Java {name:'商品系统',firstDeploy:'2021-5-1',leader:'mason'}); CREATE (n:App {name:'淘宝商城',firstDeploy:'2021-6-1',leader:'peter'}); CREATE (n:MinPro {name:'闲鱼',firstDeploy:'2021-8-1',leader:'steve'}); CREATE (n:Web {name:'商家管理平台',firstDeploy:'2021-9-1',leader:'lisa'}); CREATE (n:MQ {name:'中台MQ',firstDeploy:'2020-9-1',leader:'jane'}); CREATE (n:Public {name:'每日精选',firstDeploy:'2021-4-25',leader:'lucy'});
- 执行后，我们执行查询语句：
- MATCH (n) RETURN n
- 得到的图如下：
创建系统节点
- 删除节点
- MATCH (n) WHERE n.name='闲鱼' DELETE n; // 等价于 MATCH (n:MinPro{name:'闲鱼'}) DELETE n;
- 删除节点的属性
- MATCH (n) WHERE n.name='闲鱼' REMOVE n.leader; // 等价于 MATCH (n:MinPro{name:'闲鱼'}) REMOVE n.leader;
- 查询节点
- // 根据节点的属性进行查询（更接近SQL语法，推荐） MATCH (n) WHERE n.name='闲鱼' RETURN n; // 等价查询语句如下，增加了节点的类型MinPro，查询结果更加准确 MATCH (n:MinPro{name:'闲鱼'}) RETURN n;
- 修改/新增节点属性
- MATCH (n) WHERE n.name='闲鱼' SET n.leader='steve';
3.3 系统关系的CRUD
- 新增/修改关系（属性）
- MATCH (a),(b) where a.name='闲鱼' AND b.name='商品系统' MERGE (a)-[:invoke]->(b) RETURN a,b; MATCH (a:MinPro{name:'闲鱼'}),(b:Java{name:'订单系统'}) MERGE (a)-[:invoke]->(b) RETURN a,b; MATCH (a),(b) where a.name='淘宝商城' AND b.name='商品系统' CREATE (a)-[:invoke]->(b) RETURN a,b; MATCH (a),(b) where a.name='淘宝商城' AND b.name='订单系统' CREATE (a)-[:invoke]->(b) RETURN a,b; MATCH (a),(b) where a.name='商品系统' AND b.name='中台MQ' CREATE (a)-[:produce]->(b) RETURN a,b; MATCH (a),(b) where a.name='每日精选' AND b.name='中台MQ' CREATE (a)-[:consume]->(b) RETURN a,b; // 也可以对关系增加属性 // MERGE语句会覆盖现有的关系，达到更新关系及其属性的目的 MATCH (a),(b) where a.name='商家管理平台' AND b.name='订单系统' MERGE (a)-[:invoke{since:2021-1-1}]->(b) RETURN a,b;
- 然后执行查询语句：
- MATCH (n) RETURN n
- 得到的图如下：
增加系统间的关系
- 删除关系
- MATCH (a)-[r:consume]->(b) WHERE a.name='每日精选' AND b.name='中台MQ' DELETE r;
- 删除关系属性
- MATCH (a)-[r:invoke]->(b) WHERE a.name='商家管理平台' AND b.name='订单系统' REMOVE r.since;
- 增加/更新关系属性
- MATCH (a)-[r:invoke]->(b) WHERE a.name='闲鱼' AND b.name='商品系统' set r.since=2021;
- 查询关系
- // 查询所有调用商品系统的关联系统 MATCH (n)-[r:invoke]->(b) WHERE b.name='商品系统' RETURN n; // 查询所有调用商品系统的关联系统及其调用商品系统的关系 MATCH (n)-[r:invoke]->(b) WHERE b.name='商品系统' RETURN n,r,b; // 查询所有和商品系统有关联的系统及其和商品系统的关系 MATCH (n)-[r]-(b) WHERE b.name='商品系统' RETURN n,r,b;
