社交关系、推荐系统、知识图谱……只要你的业务涉及“关系”传统的数据库就会变得越来越慢、越来越复杂。今天我们就用最通俗易懂的方式把图数据库 Neo4j 彻底讲明白让你以后处理“网状”数据时思路清晰得像开了挂。一、为什么你的SQL搞不定“朋友的朋友的朋友”想象一个简单的社交网络场景你需要查询“当前用户的好友中有哪些人也关注了当前用户喜欢的某个博主”。在关系型数据库如MySQL中你可能需要这样写SELECT DISTINCT u2.name FROM users u1 JOIN follows f1 ON u1.id f1.follower_id JOIN users u2 ON f1.followee_id u2.id JOIN follows f2 ON u2.id f2.follower_id JOIN users u3 ON f2.followee_id u3.id JOIN likes l ON u3.id l.user_id AND l.post_id ? WHERE u1.id ?这张SQL不仅写起来痛苦而且随着关系层数增加JOIN的数量呈指数级增长性能急剧下降。更严重的是当你想要查询“用户和另一个用户之间有多少条路径”、“所有共同关注关系”这类问题时SQL几乎无法优雅表达。图数据库正是为解决这类问题而生的。在Neo4j中数据被存储为节点Node和关系Relationship关系本身就是一等公民可以拥有属性和类型。查询“朋友的朋友”变得像描述句子一样自然MATCH (me:User {id: 123})-[:FOLLOWS*2]-(friend_of_friend:User) RETURN friend_of_friend.name*2 表示沿着 FOLLOWS 关系走两步。你甚至不需要关心底层有多少张表Cypher查询引擎会自动高效地遍历图结构。这种直观性和性能优势在处理深度关联数据时尤为突出。二、Neo4j核心概念节点、关系、路径、标签、属性在深入学习之前我们先彻底搞懂几个基础概念。这些概念就像盖房子的砖瓦理解了它们Cypher语言就变得自然而然。2.1 节点Node节点代表一个实体对象比如一个人、一部电影、一个城市。每个节点可以拥有一个或多个标签Label标签相当于给节点分类类似于SQL中的表名。例如 :Person、:Movie。一个节点可以同时有多个标签比如 :Person:Actor 表示这是一个“人”同时也是“演员”。拥有若干属性Property属性是键值对存储具体信息。例如 {name: 王宝强, gender: 男}。在Cypher中节点用一对圆括号表示括号内可以写变量名、标签和属性// 一个没有变量名、没有标签、没有属性的匿名节点 () // 有变量名的节点变量名用于后续引用 (p) // 有标签的节点 (p:Person) // 有多个标签的节点 (p:Person:Actor) // 有属性的节点属性用花括号包裹键值对之间用逗号分隔 (p:Person {name: 王宝强, gender: 男})2.2 关系Relationship关系用于连接两个节点表示它们之间的某种联系比如“王宝强出演了《唐探1900》”。每个关系必须有类型Type类型是一个大写标识符例如 :ACTED_IN、:DIRECTED、:FOLLOWS。可以有若干属性Property例如角色名 {role: 阿鬼}、获奖标志 {award: true}。有方向通常用箭头 → 表示方向但查询时可以忽略方向。在Cypher中关系用方括号加箭头表示放在两个节点之间// 基本关系模式起始节点 - [关系] - 目标节点 (p1:Person)-[:ACTED_IN]-(m:Movie) // 关系也可以有变量名和属性 (p1:Person)-[r:ACTED_IN {role: 阿鬼}]-(m:Movie) // 无方向关系用两个短横线没有箭头 (p1:Person)-[:FOLLOWS]-(p2:Person)2.3 路径Path路径是由一系列节点和关系交替连接而成的结构代表图中一条具体的行走路线。例如(王宝强)-[:ACTED_IN]-(电影)-[:ACTED_IN]-(刘德华) 表示“王宝强和刘德华演过同一部电影”。路径在复杂查询中非常有用我们可以把匹配到的整个路径赋值给一个变量然后返回或进一步处理。// 将匹配到的路径存入变量 path 中 MATCH path (p:Person {name: 王宝强})-[:ACTED_IN]-(m:Movie) RETURN path三、Windows下从零安装Neo4j超详细我们选择自由度最高的OS Deployment方式在 Windows 系统上部署 Neo4j 5.26 LTS 社区版。这种方式能让你完全掌控数据库的安装位置、配置文件和启动方式非常适合学习和生产环境。3.1 安装JDK 17Neo4j 是用 Java 编写的所以必须先安装 Java 运行环境。根据官方文档Neo4j 5.26 需要JDK 17或JDK 21。我们以 JDK 17 为例。下载JDK访问 Oracle官网 下载 Windows x64 Installer如 jdk-17.0.15_windows-x64_bin.exe。如果你没有Oracle账号也可以从其他镜像或课程资料中获取。安装JDK双击安装包一路“下一步”记住安装路径例如 C:\Program Files\Java\jdk-17.0.15。安装过程中可以取消“公共JRE”的选项因为JDK自带JRE。配置环境变量可选但推荐打开“系统属性” → “高级” → “环境变量”。新建系统变量 JAVA_HOME值为你的JDK安装路径如 C:\Program Files\Java\jdk-17.0.15。在 Path 变量中添加 %JAVA_HOME%\bin。验证安装打开命令提示符cmd输入cmdjava --version如果看到类似 openjdk 17.0.15 2025-04-15 LTS 的输出说明安装成功。3.2 安装Neo4j社区版下载Neo4j访问 Neo4j下载中心选择 Windows 平台的 zip 压缩包例如 neo4j-community-5.26.0-windows.zip。社区版完全免费功能足够学习和小型项目使用。解压将压缩包解压到一个没有中文和空格的目录例如 D:\neo4j。解压后你会看到 bin、conf、data、logs 等文件夹。配置环境变量创建系统变量 NEO4J_HOME值为 D:\neo4j你的解压路径。在 Path 变量中添加 %NEO4J_HOME%\bin。验证安装新开一个cmd窗口输入cmdneo4j --version如果输出 neo4j version: 5.26.0说明环境变量配置正确。3.3 安装Neo4j为Windows服务可选但推荐以管理员身份打开命令提示符右键“命令提示符” → “以管理员身份运行”。执行以下命令将Neo4j注册为系统服务neo4j windows-service install安装成功后你可以在 services.msc 中看到名为 Neo4j Graph Database - neo4j 的服务并设置为自动启动。3.4 启动Neo4j数据库neo4j start启动日志会显示在控制台。如果一切正常你会看到类似 Started neo4j 的信息。首次启动可能需要几秒钟来初始化数据库。3.5 访问Web管理界面Neo4j 提供了一个基于浏览器的可视化工具 —— Neo4j Browser。打开浏览器访问http://localhost:7474/browser/你会看到一个连接界面。默认的服务器地址是 bolt://localhost:7687用户名和密码都是 neo4j。首次登录时系统会强制要求你修改密码。建议修改为容易记住但安全的密码例如 Atguigu.123。登录成功后你就可以在输入框中执行Cypher查询了。试试输入 RETURN Hello Neo4j! 然后点击运行按钮或者按 CtrlEnter应该能看到输出结果。四、Cypher入门像画画一样操作数据Cypher 的设计哲学是“人类可读、易于表达”。它借鉴了SQL的关键词如 MATCH、RETURN、WHERE但图形模式的表示方式(节点)-[关系]-(节点)让查询语句几乎与手绘的草图一模一样。4.1 创建节点 —— CREATE使用 CREATE 语句可以在数据库中插入新节点。我们先创建几个简单的节点感受一下语法。// 创建一个没有任何标签和属性的空节点 CREATE () // 创建一个带标签的节点 CREATE (p:Person) // 创建带属性和标签的节点最常用 CREATE (n1:Person:Actor {name: 王宝强, gender: 男}) CREATE (n2:Movie {title: 唐探1900, released: 2025-01-29})代码解释n1 和 n2 是变量名可以任意取仅在当前语句中有效用于在后续引用这个节点。Person:Actor 表示同时给节点加上 Person 和 Actor 两个标签这相当于多分类。属性用花括号包裹键值对之间用逗号分隔。属性值可以是字符串、数字、布尔值、列表等。执行上述语句后数据库中就有了两个孤立的节点它们之间还没有任何关系。4.2 查询节点 —— MATCH ... RETURNMATCH 用于描述要查找的图形模式RETURN 指定要返回哪些部分。// 查询所有节点数据量大时非常慢谨慎使用 MATCH (n) RETURN n // 查询所有带有 Person 标签的节点只返回名字和性别属性 MATCH (p:Person) RETURN p.name, p.gender // 按标签和属性精准查询 MATCH (p:Person {name: 王宝强}) RETURN p注意MATCH (n) 会扫描整个数据库的所有节点如果数据量达到几十万条浏览器可能会卡顿。通常我们会加上标签过滤。4.3 创建关系 —— 先匹配再创建关系不能独立存在必须连接两个节点。因此创建关系的标准步骤是先用 MATCH 找到两个节点然后用 CREATE 在它们之间建立关系。// 1. 找到王宝强节点和《唐探1900》节点 MATCH (p:Person {name: 王宝强}), (m:Movie {title: 唐探1900}) // 2. 创建 ACTED_IN 关系方向从 p 指向 m并带上属性 role CREATE (p)-[:ACTED_IN {role: 阿鬼}]-(m)如果你希望关系也有变量名以便后续返回或修改可以这样写MATCH (p:Person {name: 王宝强}), (m:Movie {title: 唐探1900}) CREATE (p)-[r:ACTED_IN {role: 阿鬼}]-(m) RETURN r关系方向的意义虽然 ACTED_IN 关系在语义上是从演员指向电影但在查询时你可以忽略方向例如 (p)-[:ACTED_IN]-(m) 会匹配两个方向的关系。但创建时必须指定方向除非是无向关系但Cypher中创建关系必须有方向。4.4 查询关系有了关系之后我们就可以查询“王宝强演过哪些电影”了MATCH (p:Person {name: 王宝强})-[r:ACTED_IN]-(m:Movie) RETURN m.title AS 电影名称, r.role AS 角色这条语句的含义从Person节点出发沿着ACTED_IN关系到达Movie节点返回电影标题和关系上的角色属性。AS关键字用于给返回的列起别名中文也可以但建议用英文。4.5 一次创建完整路径如果你确信某些节点和关系都不存在可以用一条CREATE语句同时创建节点和关系这叫做“创建路径”。CREATE (n1:Person:Actor:Singer {name: 刘德华, gender: 男}) -[:ACTED_IN {roles: [刘建明]}]- (m:Movie {title: 无间道, released: 2002-12-12})这里我们创建了一个有3个标签的Person节点然后直接通过-[:ACTED_IN]-连接到一个新创建的Movie节点。注意如果节点或关系已经存在再用CREATE会导致重复创建会多出一个相同的节点。因此这种方式只适合从零开始导入数据时使用。日常开发中更推荐MERGE后面会讲。五、Cypher进阶修改、删除与合并SET/REMOVE/MERGE5.1 修改属性 —— SETSET用于添加新属性、更新已有属性或添加新标签。// 为王宝强添加生日属性和 Singer 标签 MATCH (p:Person {name: 王宝强}) SET p.birth 1984-05-29, p:Singer // 为关系添加属性 MATCH (p:Person {name: 王宝强})-[r:ACTED_IN]-(m:Movie {title: 唐探1900}) SET r.roles [阿鬼], r.year 2025一次SET可以同时设置多个属性用逗号分隔。添加标签也使用:语法。5.2 删除属性 —— REMOVEREMOVE用于删除属性或移除标签。// 删除关系上的 role 属性假设之前有 role: 阿鬼现在想改成数组形式 MATCH (p:Person {name: 王宝强})-[r:ACTED_IN]-(m:Movie {title: 唐探1900}) REMOVE r.role SET r.roles [阿鬼] // 移除节点的 Singer 标签 MATCH (p:Person {name: 王宝强}) REMOVE p:Singer5.3 删除节点和关系 —— DELETE删除操作需要特别注意不能直接删除还有关联关系的节点否则会报错。必须先删除关系或者使用DETACH DELETE一次性删除节点及其所有关系。// 错误示范如果节点还有关系下面这条语句会失败 MATCH (p:Person {name: 王宝强}) DELETE p // 报错Node still has relationships // 正确方式1先删除关系再删除节点 MATCH (p:Person {name: 王宝强})-[r]-() DELETE r, p // 正确方式2使用 DETACH DELETE推荐一步到位 MATCH (p:Person {name: 王宝强}) DETACH DELETE pDETACH DELETE 会自动删除该节点的所有关系然后再删除节点本身非常方便。如果你只想删除关系而保留节点MATCH (p:Person {name: 王宝强})-[r:ACTED_IN]-(m:Movie {title: 唐探1900}) DELETE r5.4 合并操作 —— MERGE避免重复MERGE 是 Cypher 中最实用的操作之一。它的行为是如果模式节点或关系存在就匹配它如果不存在就创建它。这相当于 MATCH CREATE 的组合并且是原子操作非常适合数据导入时的去重。合并节点// 合并电影节点若已存在《唐探1900》则匹配否则创建 MERGE (m:Movie {title: 唐探1900, released: 2025-01-29}) // 合并时还可以设置创建或匹配时的额外动作 MERGE (p:Person {name: 王宝强, gender: 男}) ON CREATE SET p.create_time datetime() // 仅在创建时设置创建时间 ON MATCH SET p.update_time datetime() // 仅在匹配到时设置更新时间datetime() 是 Cypher 内置函数返回当前时间戳ISO 8601格式。这样我们可以轻松追踪记录的新增和更新。合并关系MERGE (p:Person {name: 王宝强})-[r:ACTED_IN {roles: [阿鬼]}]-(m:Movie {title: 唐探1900})注意MERGE 关系时会先分别 MERGE 两个端点节点确保它们存在然后再处理关系。所以不需要提前 MATCH 节点。六、实战数据集构建“电影-人物”知识图谱9人10部电影为了深入学习高级查询我们需要一个相对丰富的数据集。下面我将提供一套完整的 Cypher 脚本包含 9 位人物节点、10 部电影节点以及导演DIRECTED、参演ACTED_IN、关注FOLLOWS三种关系。你可以按顺序在 Neo4j Browser 中执行。6.1 清空旧数据谨慎会删除所有内容MATCH (n) DETACH DELETE n;6.2 创建人物节点9人CREATE (:Person {name: 张艺谋, birth: 1951-11-14}), (:Person {name: 陈凯歌, birth: 1952-08-12}), (:Person {name: 巩俐, birth: 1965-12-31}), (:Person {name: 葛优, birth: 1957-04-19}), (:Person {name: 章子怡, birth: 1979-02-09}), (:Person {name: 刘德华, birth: 1961-09-27}), (:Person {name: 吴京, birth: 1974-04-03}), (:Person {name: 贾玲, birth: 1982-04-29}), (:Person {name: 郭帆, birth: 1980-12-15})6.3 创建电影节点10部CREATE (:Movie {title: 红高粱, year: 1987, rating: 8.4, genre: [文艺, 历史]}), (:Movie {title: 活着, year: 1994, rating: 9.2, genre: [剧情, 历史]}), (:Movie {title: 霸王别姬, year: 1993, rating: 9.6, genre: [剧情, 爱情]}), (:Movie {title: 英雄, year: 2002, rating: 7.5, genre: [动作, 武侠]}), (:Movie {title: 无间道, year: 2002, rating: 9.1, genre: [犯罪, 悬疑]}), (:Movie {title: 一代宗师, year: 2013, rating: 8.0, genre: [动作, 传记]}), (:Movie {title: 流浪地球, year: 2019, rating: 8.5, genre: [科幻, 灾难]}), (:Movie {title: 战狼2, year: 2017, rating: 7.1, genre: [动作, 军事]}), (:Movie {title: 你好李焕英, year: 2021, rating: 7.7, genre: [喜剧, 家庭]}), (:Movie {title: 满江红, year: 2023, rating: 7.2, genre: [悬疑, 历史]})6.4 创建导演关系DIRECTED注意这里需要先用 MATCH 找到具体的节点变量然后创建关系。为了简洁我列出所有9条导演关系。MATCH (zhang:Person {name: 张艺谋}), (m1:Movie {title: 红高粱}), (m2:Movie {title: 活着}), (m3:Movie {title: 霸王别姬}), (m4:Movie {title: 英雄}), (m5:Movie {title: 满江红}) CREATE (zhang)-[:DIRECTED {award: true}]-(m1), (zhang)-[:DIRECTED {award: true}]-(m2), (zhang)-[:DIRECTED {award: false}]-(m3), (zhang)-[:DIRECTED {award: false}]-(m4), (zhang)-[:DIRECTED {award: false}]-(m5); MATCH (chen:Person {name: 陈凯歌}), (m:Movie {title: 霸王别姬}) CREATE (chen)-[:DIRECTED {award: true}]-(m); MATCH (liu:Person {name: 刘德华}), (m:Movie {title: 无间道}) CREATE (liu)-[:DIRECTED {award: false}]-(m); MATCH (wu:Person {name: 吴京}), (m:Movie {title: 战狼2}) CREATE (wu)-[:DIRECTED {award: false}]-(m); MATCH (jia:Person {name: 贾玲}), (m:Movie {title: 你好李焕英}) CREATE (jia)-[:DIRECTED {award: true}]-(m); MATCH (guo:Person {name: 郭帆}), (m:Movie {title: 流浪地球}) CREATE (guo)-[:DIRECTED {award: true}]-(m);注意有些电影如《一代宗师》没有导演关系这没关系。6.5 创建参演关系ACTED_IN共11条参演关系覆盖大部分主要演员和电影。MATCH (gong:Person {name: 巩俐}), (m1:Movie {title: 红高粱}), (m2:Movie {title: 活着}), (m3:Movie {title: 霸王别姬}) CREATE (gong)-[:ACTED_IN {role: 九儿, award: true}]-(m1), (gong)-[:ACTED_IN {role: 家珍, award: false}]-(m2), (gong)-[:ACTED_IN {role: 菊仙, award: false}]-(m3); MATCH (ge:Person {name: 葛优}), (m2:Movie {title: 活着}), (m3:Movie {title: 霸王别姬}) CREATE (ge)-[:ACTED_IN {role: 福贵, award: true}]-(m2), (ge)-[:ACTED_IN {role: 袁四爷, award: false}]-(m3); MATCH (zhangyi:Person {name: 章子怡}), (m4:Movie {title: 英雄}), (m6:Movie {title: 一代宗师}) CREATE (zhangyi)-[:ACTED_IN {role: 如月, award: false}]-(m4), (zhangyi)-[:ACTED_IN {role: 宫二, award: true}]-(m6); MATCH (liu:Person {name: 刘德华}), (m5:Movie {title: 无间道}) CREATE (liu)-[:ACTED_IN {role: 刘建明, award: false}]-(m5); MATCH (wu:Person {name: 吴京}), (m7:Movie {title: 流浪地球}), (m8:Movie {title: 战狼2}) CREATE (wu)-[:ACTED_IN {role: 刘培强, award: true}]-(m7), (wu)-[:ACTED_IN {role: 冷锋, award: true}]-(m8); MATCH (zhang:Person {name: 张艺谋}), (m10:Movie {title: 满江红}) CREATE (zhang)-[:ACTED_IN {role: 秦桧, award: false}]-(m10); MATCH (jia:Person {name: 贾玲}), (m9:Movie {title: 你好李焕英}) CREATE (jia)-[:ACTED_IN {role: 贾晓玲, award: true}]-(m9);6.6 创建关注关系FOLLOWS共11条关注关系模拟社交网络中的“关注”行为。MATCH (gong:Person {name:巩俐}), (zhang:Person {name:张艺谋}), (zhangyi:Person {name:章子怡}), (chen:Person {name:陈凯歌}), (ge:Person {name:葛优}), (liu:Person {name:刘德华}), (wu:Person {name:吴京}), (jia:Person {name:贾玲}), (guo:Person {name:郭帆}) CREATE (gong)-[:FOLLOWS]-(zhang), (zhangyi)-[:FOLLOWS]-(zhang), (zhang)-[:FOLLOWS]-(chen), (ge)-[:FOLLOWS]-(chen), (liu)-[:FOLLOWS]-(zhang), (gong)-[:FOLLOWS]-(zhangyi), (wu)-[:FOLLOWS]-(zhang), (jia)-[:FOLLOWS]-(zhang), (guo)-[:FOLLOWS]-(zhang), (liu)-[:FOLLOWS]-(wu), (zhang)-[:FOLLOWS]-(guo);至此我们的知识图谱构建完成。你可以执行一些简单查询来验证例如// 查看所有节点和关系可视化 MATCH (n) RETURN n LIMIT 25七、高级查询必备技能过滤、排序、分页、聚合有了扎实的数据集我们就可以开始玩真正的图查询了。这些技巧在日常开发中几乎每天都会用到。7.1 过滤 —— WHEREWHERE 子句用于对 MATCH 的结果进行条件筛选。它可以写在 MATCH 后面也可以紧跟在 MATCH 的节点模式内部用花括号。但推荐使用独立的 WHERE因为更灵活。基本比较运算符、、、、、// 查询出生在1970年之后的人物 MATCH (p:Person) WHERE p.birth 1970-01-01 RETURN p.name, p.birth多条件组合AND、OR、NOT// 查询评分高于8分且年份早于2000年的电影 MATCH (m:Movie) WHERE m.rating 8.0 AND m.year 2000 RETURN m.title, m.year, m.rating集合包含IN// 查找类型包含“历史”的电影 MATCH (m:Movie) WHERE 历史 IN m.genre RETURN m.title, m.genre字符串匹配CONTAINS、STARTS WITH、ENDS WITH// 查询名字中包含“张”的人物 MATCH (p:Person) WHERE p.name CONTAINS 张 RETURN p.name // 查询以“流浪”开头的电影 MATCH (m:Movie) WHERE m.title STARTS WITH 流浪 RETURN m.title空值判断IS NULL、IS NOT NULL// 找出没有出生日期的人物假设有缺失数据 MATCH (p:Person) WHERE p.birth IS NULL RETURN p.name7.2 排序 —— ORDER BYORDER BY 用于对返回结果进行排序默认升序ASC可以指定 DESC 降序。// 按电影评分从高到低排序并取前5名 MATCH (m:Movie) RETURN m.title, m.rating ORDER BY m.rating DESC LIMIT 57.3 分页 —— SKIP 和 LIMITSKIP 跳过前 n 条记录LIMIT 限制最多返回 n 条记录。两者结合实现分页。// 第二页跳过前5条返回第6-10条按年份降序 MATCH (m:Movie) RETURN m.title, m.year ORDER BY m.year DESC SKIP 5 LIMIT 57.4 聚合函数 —— count、avg、max、min、collectCypher 的聚合不需要显式 GROUP BY只要 RETURN 中同时包含聚合函数和非聚合字段非聚合字段就会自动成为分组键。数值聚合// 统计演员总数去重 MATCH (p:Person)-[:ACTED_IN]-() RETURN count(DISTINCT p) AS 演员人数 // 每位演员参演了几部电影 MATCH (p:Person)-[:ACTED_IN]-(m:Movie) RETURN p.name, count(m) AS 参演电影数列表聚合collect() 将多个值聚合成一个列表。// 每位导演的作品名称列表 MATCH (p:Person)-[:DIRECTED]-(m:Movie) RETURN p.name, collect(m.title) AS 导演作品输出示例张艺谋 | [红高粱, 活着, 霸王别姬, 英雄, 满江红]其他聚合avg() 平均值、sum() 总和、max() 最大值、min() 最小值。// 计算所有电影的平均评分 MATCH (m:Movie) RETURN avg(m.rating) AS 平均分, max(m.rating) AS 最高分, min(m.rating) AS 最低分八、联合查询与子查询让查询能力再升级8.1 联合查询 —— UNION 和 UNION ALL当需要将多个查询的结果合并成一个结果集时使用 UNION去重或 UNION ALL保留重复。注意每个子查询的返回字段数量和类型必须一致。// 查询张艺谋作为导演和作为演员的电影分别标注角色 MATCH (p:Person {name:张艺谋})-[:DIRECTED]-(m:Movie) RETURN m.title AS 电影名称, 导演 AS 身份 UNION MATCH (p:Person {name:张艺谋})-[:ACTED_IN]-(m:Movie) RETURN m.title AS 电影名称, 演员 AS 身份结果中会包含张艺谋导演的5部电影和参演的1部电影《满江红》并且不会重复这里本来就没有重复。8.2 子查询 —— CALL {}子查询允许在一个查询中对每一行输入执行一个独立的查询块并返回结果。子查询用 CALL (变量) { ... } 包裹变量是传递给子查询的参数。经典应用为每个分组取Top N。例如找出每位导演评分最高的电影。MATCH (p:Person)-[:DIRECTED]-() WITH DISTINCT p // 去重防止同一个导演被执行多次 CALL (p) { MATCH (p)-[:DIRECTED]-(m:Movie) RETURN m.title AS title, m.rating AS rating ORDER BY rating DESC LIMIT 1 } RETURN p.name AS 导演, title AS 最高评分作品, rating AS 评分执行流程MATCH (p:Person)-[:DIRECTED]-() 找到所有有导演关系的人可能有重复一个导演多部电影。WITH DISTINCT p 将导演去重得到唯一的导演列表。对每个导演 p执行子查询查找该导演的所有电影按评分排序取第一条最高分。将子查询返回的 title 和 rating 与导演姓名一起输出。WITH 的作用WITH 是 Cypher 中用于在查询阶段之间传递结果的语句类似于 RETURN 但不会结束查询。它常用来对中间结果进行聚合、排序、去重然后传递给后续部分。九、路径模式匹配挖掘深层关系变长路径、无向关系路径模式匹配是图数据库的核心优势。Cypher 提供了强大的语法来描述任意长度的路径。9.1 变长路径 ——*minHops..maxHops// 语法()-[*N]-() 表示恰好 N 跳 // ()-[*min..max]-() 表示 min 到 max 跳 // ()-[*min..]-() 表示至少 min 跳 // ()-[*..max]-() 表示最多 max 跳 // 示例查询张艺谋的粉丝的粉丝2跳关注 MATCH path (a:Person)-[:FOLLOWS*2]-(b:Person {name:张艺谋}) RETURN path // 示例查询张艺谋与任何人的1到3跳关注路径可能包括他自己 MATCH path (zhang:Person {name:张艺谋})-[:FOLLOWS*1..3]-(other:Person) RETURN path注意变长路径可能会产生大量结果尤其是在社交网络中2跳可能就有成百上千条路径。建议总是加上 LIMIT 或在查询中限制最大跳数。9.2 无向关系匹配如果你不关心关系方向可以使用两个短横线 - 代替箭头。// 查询与巩俐合作过的所有演员通过电影连接 // 合作意味着巩俐-参演-电影-参演-其他演员 MATCH (gong:Person {name:巩俐})-[:ACTED_IN]-(m:Movie)-[:ACTED_IN]-(other:Person) RETURN DISTINCT other.name这里 (gong)-[:ACTED_IN]-(m) 匹配两个方向巩俐→电影 或 电影→巩俐但因为在我们的模型中关系方向总是从人到电影所以实际上只会匹配到巩俐→电影。而 (m)-[:ACTED_IN]-(other) 匹配电影→其他演员因为关系方向是从演员到电影所以这里匹配的是反向但无向关系允许这种匹配。最终结果就是所有和巩俐演过同一部电影的人。9.3 最短路径与所有路径Neo4j 还提供了内置函数来查找最短路径和所有路径这在社交网络分析中非常有用。// 查找两个节点之间的最短路径不考虑权重 MATCH p shortestPath((a:Person {name:巩俐})-[:ACTED_IN|FOLLOWS*]-(b:Person {name:郭帆})) RETURN p // 查找所有路径可能爆炸谨慎使用 MATCH p allShortestPaths((a:Person {name:巩俐})-[:ACTED_IN|FOLLOWS*]-(b:Person {name:郭帆})) RETURN pshortestPath 和 allShortestPaths 函数要求路径模式中的关系类型可以指定多种用竖线 | 分隔并且变长路径不能指定具体长度用 * 表示任意长度。十、保证数据质量唯一性约束详解在生产环境中我们需要防止重复数据的写入。Neo4j 提供了唯一性约束社区版只支持这一种约束可以确保某个属性在特定标签的所有节点中唯一。10.1 创建唯一性约束// 为 User 节点的 userId 属性创建唯一约束 CREATE CONSTRAINT unique_user_id FOR (u:User) REQUIRE u.userId IS UNIQUE; // 复合唯一约束多个属性的组合唯一 CREATE CONSTRAINT unique_user_name_email FOR (u:User) REQUIRE (u.firstName, u.email) IS UNIQUE;10.2 测试约束效果// 正常插入两个不同 userId 的用户 CREATE (u1:User {userId: u001, name: Alice}); CREATE (u2:User {userId: u002, name: Bob}); // 尝试插入重复 userId CREATE (u3:User {userId: u001, name: Charlie});执行第三条语句时Neo4j 会抛出错误Neo.ClientError.Schema.ConstraintValidationFailed Node(0) already exists with label User and property userId u00110.3 查看和删除约束SHOW CONSTRAINTS; // 列出所有约束 DROP CONSTRAINT unique_user_id; // 删除指定约束注意唯一性约束的创建需要数据库中已有数据不违反该约束。如果已经存在重复值创建会失败。十一、实战应用用 Python 连接 Neo4j 执行查询在实际项目中我们不可能一直在浏览器里手敲 Cypher而是通过应用程序Python、Java、JavaScript等驱动来操作数据库。下面以 Python 为例演示如何连接 Neo4j 并执行参数化查询。11.1 安装 Neo4j Python 驱动pip install neo4j11.2 编写示例代码from neo4j import GraphDatabase # 数据库连接配置 URI neo4j://localhost:7687 # Bolt 协议地址 AUTH (neo4j, Atguigu.123) # 用户名和密码改为你自己的 # 使用 with 语句自动管理连接生命周期 with GraphDatabase.driver(URI, authAUTH) as driver: # execute_query 是官方推荐的高层APINeo4j 5.x 引入 # 它自动处理会话和事务返回结果记录、执行摘要和键名列表 records, summary, keys driver.execute_query( // 查询指定导演在某个年份之后执导的电影 MATCH (p:Person {name: $director_name})-[r:DIRECTED]-(m:Movie) WHERE m.year $min_year RETURN p.name AS director, m.year AS year, m.title AS movie ORDER BY m.year DESC , # 参数化查询防止 Cypher 注入同时提高缓存命中率 parameters_{director_name: 张艺谋, min_year: 1990}, database_neo4j # 指定要操作的数据库Neo4j 4.0 后支持多数据库 ) # 打印执行摘要信息可选 print(f查询耗时: {summary.result_available_after} ms) print(f返回记录数: {len(records)}) print(- * 50) # 遍历结果记录 for record in records: # record 类似于一个字典可以通过键名或索引访问 director record[director] year record[year] movie record[movie] print(f导演{director} | 年份{year} | 电影{movie})代码解释driver.execute_query 是 Neo4j 5.x 引入的便捷方法内部封装了会话Session和事务Transaction的创建与关闭。你只需要提供查询语句和参数即可。查询中使用 $director_name 和 $min_year 作为占位符实际值通过 parameters_ 字典传入。这样做不仅安全防止注入还能让数据库缓存执行计划提升性能。返回值 records 是一个列表每个元素是 Record 对象支持字典式访问record[director]和属性式访问record.director。summary 包含了查询的元数据如执行时间、命中记录数、是否更新了数据等。11.3 执行写入操作# 创建新节点和关系 records, summary, keys driver.execute_query( MERGE (p:Person {name: $name, birth: $birth}) ON CREATE SET p.created datetime() RETURN p.name AS name, p.created AS created , parameters_{name: 雷军, birth: 1969-12-16}, database_neo4j ) print(f创建了用户: {records[0][name]})11.4 批量操作与事务如果需要执行多个写入操作并保证原子性可以使用 execute_query 的多语句模式用分号分隔或者显式开启事务with driver.session(databaseneo4j) as session: with session.begin_transaction() as tx: tx.run(CREATE (n:Person {name: 测试1})) tx.run(CREATE (n:Person {name: 测试2})) tx.commit() # 提交事务如果中途出错则自动回滚但大多数情况下execute_query 已经足够好用并且会自动重试等。十二、总结与进阶路线恭喜你你已经系统性地掌握了 Neo4j 图数据库的核心知识。从安装配置到 Cypher 语言基础再到高级查询、约束和 Python 集成你现在已经具备构建真实图数据应用的能力。核心回顾图数据库优势处理深度关联关系时性能远超关系型数据库查询写法直观。Cypher 本质描述图模式 (节点)-[关系]-(节点)就像在画图。增删改查CREATE、MATCH、SET、DELETE配合 MERGE 实现幂等操作。高级查询WHERE 过滤、ORDER BY 排序、SKIP/LIMIT 分页、聚合函数、UNION 和子查询。路径匹配变长路径 *2、无向关系 -以及 shortestPath 函数。约束唯一性约束保证数据质量。编程集成Python 驱动 参数化查询安全高效。图数据库的世界非常迷人尤其是当你需要从“关系”中发现洞见时Neo4j 会让你事半功倍。如果你在实践中遇到任何问题欢迎查阅 Neo4j 官方文档 或社区论坛。现在就去创建你自己的第一个图吧