Neo4j入门（一）节点、关系的增删改查

た入场券 2023-01-23 04:00 3阅读 0赞

本文作为笔者入门Neo4j的第一篇文章，后续将会更多地介绍Neo4j及知识图谱相关的内容。  
![Neo4j logo][]  
  Neo4j是图数据库中的佼佼者，采用Java编写，社区版已开源，商业版需收费。Neo4j是一个高性能的NoSQL图形数据库（Graph Database），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。Neo4j拥有十分酷炫的可视化界面，这是一般图数据库所不具备的。  
  本文将通过一个简单的例子来介绍Neo4j中的基本操作：对节点和边实现增删改查。我们想要实现的图（作为例子，简单易懂）如下：

![例子][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx_size_16_color_FFFFFF_t_70]  
  在上述例子中，共有两类节点：City和Company，一类关系：(Company) -\[belongTo\]-> (City)。

### CQL ###

Neo4j 的 CQL 是非常重要的命令，类似于 SQL 语句，具体的用法可以参考：[https://www.w3cschool.cn/neo4j/neo4j\_cql\_introduction.html][https_www.w3cschool.cn_neo4j_neo4j_cql_introduction.html]。我们使用CQL实现节点、关系的增删改查。

#### ADD ####

City的节点可以通过使用如下命令使用：

create (city: City{name: "上海市", area: "6340.5平方千米", population: "2487.09万人", alias: ["沪", "申"]});
    create (city: City{name: "北京市", area: "16410平方千米", population: "2189.31万人", alias: ["京", "帝都"]});
    create (city: City{name: "深圳市", area: "1997.49平方千米", population: "1756万人", alias: ["深", "鹏城"]});
    create (city: City{name: "杭州市", area: "16850平方千米", population: "1193万人", alias: ["杭"]});

在上述语句中，create表示新建，小括号内是节点信息，节点的类型（label）是City  
，city是其别名，花括号内是该节点的属性，共有name、area、population、alias四个属性。**注意：Neo4j支持列表这个数据类型，但不支持时间日期这个数据类型。**  
  Company的节点可以通过使用如下命令使用：

create (company: Company{name: "阿里"});
    create (company: Company{name: "网易"});
    create (company: Company{name: "百度"});
    create (company: Company{name: "字节跳动"});
    create (company: Company{name: "新浪"});
    create (company: Company{name: "拼多多"});
    create (company: Company{name: "B站"});
    create (company: Company{name: "小红书"});
    create (company: Company{name: "华为"});
    create (company: Company{name: "腾讯"});
    create (company: Company{name: "招商银行"});

创建关系的命令如下：

match (city: City{name: "杭州市"}), (company: Company{name: "阿里"}) create (company) -[r:belongTo{name: "所在城市"}]-> (city);
    match (city: City{name: "杭州市"}), (company: Company{name: "网易"}) create (company) -[r:belongTo{name: "所在城市"}]-> (city);
    match (city: City{name: "上海市"}), (company: Company{name: "拼多多"}) create (company) -[r:belongTo{name: "所在城市"}]-> (city);
    match (city: City{name: "上海市"}), (company: Company{name: "B站"}) create (company) -[r:belongTo{name: "所在城市"}]-> (city);
    match (city: City{name: "上海市"}), (company: Company{name: "小红书"}) create (company) -[r:belongTo{name: "所在城市"}]-> (city);
    match (city: City{name: "北京市"}), (company: Company{name: "新浪"}) create (company) -[r:belongTo{name: "所在城市"}]-> (city);
    match (city: City{name: "北京市"}), (company: Company{name: "百度"}) create (company) -[r:belongTo{name: "所在城市"}]-> (city);
    match (city: City{name: "北京市"}), (company: Company{name: "字节跳动"}) create (company) -[r:belongTo{name: "所在城市"}]-> (city);
    match (city: City{name: "深圳市"}), (company: Company{name: "华为"}) create (company) -[r:belongTo{name: "所在城市"}]-> (city);
    match (city: City{name: "深圳市"}), (company: Company{name: "腾讯"}) create (company) -[r:belongTo{name: "所在城市"}]-> (city);
    match (city: City{name: "深圳市"}), (company: Company{name: "招商银行"}) create (company) -[r:belongTo{name: "所在城市"}]-> (city);

事实上，我们还可以用如下命令来实现关系的新建：

create (company: Company{name: "阿里"}) -[r:belongTo{name: "所在城市"}]-> (city:City{name: "杭州市"});

#### update ####

如果需要更新某个节点的属性，命令如下（比如将上海市节点的简称新增“魔都”这个名字）:

MATCH (city:City)
    WHERE city.name="上海市"
    SET city.alias=["沪", "申", "魔都"]
    RETURN city;

![修改上海市节点的属性][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx_size_16_color_FFFFFF_t_70 1]  
上述命令也涉及到了查询（select），只是CQL的查询与SQL接近但又不相同。当然，我们也可以修改某条关系。

#### delete ####

CQL的删除命令有delete和remove，两者的区别为：

*  delete命令为删除节点、删除节点及相关节点和关系；
 *  remove命令为删除节点或关系的标签、删除节点或关系的属性

我们以删除上海市节点的alias属性为例，命令如下：

MATCH (city: City{name: "上海市"})
    REMOVE city.alias
    RETURN city;

![删除上海市节点的alias属性][alias]  
注意，当我们在删除某个节点的时候，需要确定该节点无其他节点无关系相连，即该节点为孤立节点，否则，就会报错。比如，我们想删除上海市这个节点，命令如下：

MATCH (city: City{name: "上海市"})
    DELETE city;

报错如下：  
![删除上海市节点会报错][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx_size_16_color_FFFFFF_t_70 2]

#### select ####

CQL的查询语句是灵活、功能强大的。我们仅介绍简单的几个命令。

*  查询所有的节点：

match (n) return (n);

*  查询所有节点的数量

match (n) return count(n);

*  查询所有的Company节点

match (n:Company) return (n);

*  查询名字为北京市的City节点

match (n:City{name: "北京市"}) return (n);

*  查询招商银行与深圳市的关系

match (a:Company{name: "招商银行"}) -[r]-> (b:City{name: "深圳市"}) return type(r);

*  查询该图谱中杭州市下面的Company

match (a:Company) -[r:belongTo]-> (b:City{name: "杭州市"}) return (a);

CQL还支持更高级的查询，如最短路径查询等。

### py2neo ###

py2neo是用来对接 Neo4j 的 Python 库，官方文档地址为[http://py2neo.org/v3/index.html][http_py2neo.org_v3_index.html]，  
GitHub地址为[https://github.com/technige/py2neo][https_github.com_technige_py2neo]。  
  下面将介绍如何使用py2neo实现对Neo4j的简单操作。

#### neo4j的连接 ####

py2neo连接Neo4j需要Neo4j的服务网址，用户名和密码，示例连接Python代码如下:

# -*- coding: utf-8 -*-
    from py2neo import Graph
    
    url = "http://localhost:7474"
    username = "neo4j"
    password = "password"
    graph = Graph(url, auth=(username, password))
    print("neo4j info: {}".format(str(graph)))

输出结果如下：

neo4j info: Graph('http://neo4j@localhost:7474')

#### ADD ####

我们来创建4个City节点和11个Company节点，代码如下：

from py2neo import Node, Relationship, Subgraph
    city_list = [{ "name": "上海市", "area": "6340.5平方千米", "population": "2487.09万人", "alias": ["沪", "申"]},
                 { "name": "北京市", "area": "16410平方千米", "population": "2189.31万人", "alias": ["京", "帝都"]},
                 { "name": "深圳市", "area": "1997.49平方千米", "population": "1756万人", "alias": ["深", "鹏城"]},
                 { "name": "杭州市", "area": "16850平方千米", "population": "1193万人", "alias": ["杭"]}]
    company_list = [{ "name": "阿里"},
                    { "name": "网易"},
                    { "name": "百度"},
                    { "name": "新浪"},
                    { "name": "字节跳动"},
                    { "name": "小红书"},
                    { "name": "B站"},
                    { "name": "拼多多"},
                    { "name": "华为"},
                    { "name": "招商银行"},
                    { "name": "腾讯"}
                    ]
    for city in city_list:
        node = Node("City", **city)
        graph.create(node)
    for company in company_list:
        node = Node("Company", **company)
        graph.create(node)

或者可以通过子图（Subgraph）来创建，这样创建效率更高，使用子图的示例代码如下：

from py2neo import Node, Relationship, Subgraph
    city_list = [{ "name": "上海市", "area": "6340.5平方千米", "population": "2487.09万人", "alias": ["沪", "申"]},
                 { "name": "北京市", "area": "16410平方千米", "population": "2189.31万人", "alias": ["京", "帝都"]},
                 { "name": "深圳市", "area": "1997.49平方千米", "population": "1756万人", "alias": ["深", "鹏城"]},
                 { "name": "杭州市", "area": "16850平方千米", "population": "1193万人", "alias": ["杭"]}]
    company_list = [{ "name": "阿里"},
                    { "name": "网易"},
                    { "name": "百度"},
                    { "name": "新浪"},
                    { "name": "字节跳动"},
                    { "name": "小红书"},
                    { "name": "B站"},
                    { "name": "拼多多"},
                    { "name": "华为"},
                    { "name": "招商银行"},
                    { "name": "腾讯"}
                    ]
    node_list = []
    for city in city_list:
        node_list.append(Node("City", **city))
    for company in company_list:
        node_list.append(Node("Company", **company))
    
    new_sub = Subgraph(node_list)
    graph.create(new_sub)

创建City节点与Company节点之间的关系的示例代码如下：

# 创建关系
    from py2neo import NodeMatcher
    rel_dict = { "上海市": ["小红书", "B站", "拼多多"],
                "北京市": ["百度", "新浪", "字节跳动"],
                "深圳市": ["华为", "招商银行", "腾讯"],
                "杭州市": ["阿里", "网易"]}
    
    node_matcher = NodeMatcher(graph=graph)
    for key, vals in rel_dict.items():
        for val in vals:
            start_node = node_matcher.match("Company", name=val).first()
            end_end = node_matcher.match("City", name=key).first()
            rel = Relationship(start_node, "belongTo", end_end, name="所在城市")
            graph.create(rel)

这样创建的图谱就是一开始演示的例子。当然，我们也可以用Subgraph来创建，效率会更高。

#### UPDATE ####

如果需要更新某个节点的属性，示例Python代码如下（比如将上海市节点的简称新增“魔都”这个名字）:

# before update
    node_matcher = NodeMatcher(graph=graph)
    node = node_matcher.match("City", name="上海市").first()
    print(node.__repr__())
    # update node
    node["alias"] = ['沪', '申', '魔都']
    graph.push(node)
    # after update
    node = node_matcher.match("City", name="上海市").first()
    print(node.__repr__())

输出结果如下：

Node('City', alias=['沪', '申'], area='6340.5平方千米', name='上海市', population='2487.09万人')
    Node('City', alias=['沪', '申', '魔都'], area='6340.5平方千米', name='上海市', population='2487.09万人')

当然，我们也可以更新关系。

#### DELETE ####

我们以删除上海市节点的alias属性为例，示例Python代码如下：

# before delete
    node_matcher = NodeMatcher(graph=graph)
    node = node_matcher.match("City", name="上海市").first()
    print(node.__repr__())
    # delete node property
    del node["alias"]
    graph.push(node)
    # after update
    node = node_matcher.match("City", name="上海市").first()
    print(node.__repr__())

输出结果如下：

Node('City', alias=['沪', '申', '魔都'], area='6340.5平方千米', name='上海市', population='2487.09万人')
    Node('City', area='6340.5平方千米', name='上海市', population='2487.09万人')

当然，我们也可以删除节点。

#### SELECT ####

py2neo也能够很好地支持查询语句，示例代码如下：

*  查询所有的节点：

graph.nodes.match().all()

*  查询所有节点的数量

len(graph.nodes.match().all())

*  查询所有的Company节点

graph.nodes.match("Company").all()

*  查询名字为北京市的City节点

graph.nodes.match("City", name="北京市").all()

*  查询招商银行与深圳市的关系

node_matcher = NodeMatcher(graph=graph)
    end_node = node_matcher.match("City", name="深圳市").first()
    start_node = node_matcher.match("Company", name="招商银行").first()
    print(graph.match([start_node, end_node]).first())

*  查询该图谱中杭州市下面的Company

from py2neo import RelationshipMatcher
    node_matcher = NodeMatcher(graph=graph)
    node = node_matcher.match("City", name="杭州市").first()
    rel_matcher = RelationshipMatcher(graph=graph)
    find_rels = rel_matcher.match([None, node], r_type="belongTo").all()
    print([_.start_node for _ in find_rels if _.start_node.has_label("Company")])

py2neo还支持CQL语句，我们以最后的查询语句为例，示例代码如下：

cql = 'match (a:Company) -[r:belongTo]-> (b:City{name: "杭州市"}) return (a); '
    print(graph.run(cql).data())

输出结果如下：

[{'a': Node('Company', name='网易')}, {'a': Node('Company', name='阿里')}]

### 总结 ###

综上，我们可以了解到，neo4j的CQL以及py2neo各有各的好处，CQL在某些查询场合比较便利，而py2neo可以方便我们使用Python进行对Neo4j的操作，有些操作实现起来也很方便。  
  本文简单介绍了Neo4j节点、关系的增删改查，以及CQL、py2neo的使用方法。后续会持续更新Neo4j相关内容，欢迎大家关注~  
  2021.7.13-7.14深夜，最近上海酷暑~

[Neo4j logo]: /images/20221004/5829370774154ee8ae8da32bc4b38ce3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx_size_16_color_FFFFFF_t_70]: /images/20221004/806fbe734ab84bbe9d47e1f069c01189.png
[https_www.w3cschool.cn_neo4j_neo4j_cql_introduction.html]: https://www.w3cschool.cn/neo4j/neo4j_cql_introduction.html
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx_size_16_color_FFFFFF_t_70 1]: /images/20221004/1594fac7e5924030b269157df29fba59.png
[alias]: /images/20221004/f10a63da4ce349bf9bd065d3e62a40ba.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2pjbGlhbjkx_size_16_color_FFFFFF_t_70 2]: /images/20221004/d292b8fd23a74889a63ca2e1eb6a6f7b.png
[http_py2neo.org_v3_index.html]: http://py2neo.org/v3/index.html
[https_github.com_technige_py2neo]: https://github.com/technige/py2neo