有些关联数据用关系型表不好表达。想按 Neo4j 官方 Getting Started 看清产品是什么,起步时做哪些事。
Get started with Neo4j 把产品写成属性图数据库,周围还配了工具、应用和程序库,方便熟悉这门技术。目录会先带你认识它本身、图这种结构,以及查询语言 Cypher,随后才进入建模、导入、编写应用、数据科学和可视化。要把「它是什么」说清楚,具体说明在 What is Neo4j?。
这一页把它定义成原生的图数据库:不是在别的存储之上再盖一层抽象,底层的组织方式接近你在白板上画实体和连线的方法。页脚词汇表把图解释为节点,以及它们之间的连线。节点代表实体或离散对象,标签则把它归入某个已命名、已建索引的子集。标签不是非加不可,单个对象也能同时带上好几个。关系从源那一端连到目标那一端,并用类型来分类。两端的对象以及这条连线,都可以用键值对形式的属性保存数据。词汇表还把数据模型写成:决定信息在库里如何组织,合理的设计会让查询和理解都更容易。落到这种产品上,采用的是图结构。好友关系、组织架构、推荐里「谁和谁相连」这类问题,用行和列来回拼接会很快变绕,二维表往往得靠中间表和外键才能把多跳、多种类型的关联说清楚,而这种模型正是为这类结构准备的。
产品说明还写到,自 2007 年以来,它逐步长成可与现有工作环境对接的生态。它提供 ACID 事务、集群支持和运行时故障转移,实现语言是 Java 与 Scala,源码可以在 GitHub 查看。和它打交道的主路径是 Cypher,一种声明式查询语言,写法接近 SQL,但面向图做了优化。另外也可以走官方支持的程序库,页上列出的有 Java、JavaScript、.NET、Python、Go、GraphQL、Spring,以及其它未逐一展开的选项。
探索产品时,页里把部署数据库写成第一件事,再按项目需要挑选方式。可选路径包括全托管云服务,在 Amazon Web Services、Google Cloud 或 Microsoft Azure 上自行运维,以及在 Linux、macOS 或 Windows 上做本地安装。若不是生产环境,也可以使用 Neo4j Desktop。此外还有官方 Docker 镜像,社区版与企业版都提供,以及用 Helm charts 在 Kubernetes 上部署独立实例或集群。这里只转述文档列出的选项,并不把某一朵云的控制台当成唯一入口。只想在自己机器上认清产品,本地安装、Desktop 或容器就已经够用来上手。具体的启动命令要去你选中的那条路径所指向的手册里核对,这一页本身没有把各平台的启动行写死。
实例起来之后,学习路线会分叉:一条是导入并建模自己的数据,另一条是使用示例数据集。Aura 与 Neo4j Browser 都内置了引导。要打开这些引导,可在 Neo4j Browser 里输入 :guide,也可以把示例集下载后再导入。工具清单、图算法组件、对象映射,以及 HTTP、CDC、Query 这些 API,文档都指向专门章节,等第一份实例跑通后再按需要去查即可。页尾建议:想继续了解图这种库是什么、背后有哪些概念,可以接着读文档,或浏览其它整理过的资料。
你们是打算在本机起一个空库,还是已经有一份想迁过来的关联数据?