9月14日 Neo4j 圖形數(shù)據(jù)庫 初步了解

由于我之前對(duì)數(shù)據(jù)庫是一點(diǎn)基礎(chǔ)知識(shí)都沒有,所以我先去看了看SQL的基礎(chǔ)教程忱叭,我先了解了關(guān)系型數(shù)據(jù)庫的基本知識(shí)和一些基本的操作語句

接下來去看了圖數(shù)據(jù)庫的書,先了解一下概念,然后在OS上面下載一個(gè)neo4j(屬于nosql)的練習(xí)一下移稳。

首先明確一下,圖書庫庫氓辣,不是儲(chǔ)存圖片的數(shù)據(jù)庫秒裕,而是用圖這種建模方式的數(shù)據(jù)庫,可能我還是認(rèn)識(shí)地不夠深入钞啸。但是這種數(shù)據(jù)庫不像SQL關(guān)系型數(shù)據(jù)庫一樣的儲(chǔ)存模式几蜻,所以在歷遍大數(shù)據(jù)的時(shí)候,會(huì)更加節(jié)約時(shí)間体斩。

在深度為5的時(shí)候梭稚,SQL的join 操作會(huì)顯示出低效率。

舉個(gè)例子絮吵,來說明Neo4J的速度快的秘密就在于數(shù)據(jù)結(jié)構(gòu)中(圖形的局部性是的歷遍的速度非郴】荆快)(摘自Neo4j實(shí)戰(zhàn))

如果你在一個(gè)小教室,有人問你周圍5米之內(nèi)有多少人蹬敲,你會(huì)站起來看一下

如果你在一個(gè)大教室暇昂,有人問你周圍5米之內(nèi)有多少人莺戒,你也是站起來看一下

如果你在一個(gè)超大禮堂,有人問你周圍5米之內(nèi)有多少人急波,你還是站起來看一下

時(shí)間是一樣的从铲,但是關(guān)系型數(shù)據(jù)庫的查詢,就是得數(shù)一數(shù)整個(gè)超大禮堂有多少人澄暮,然后刪除那些不在你身邊的人名段,這樣速度就慢了

圖形是最普遍的自然結(jié)構(gòu),也是人類很容易理解的結(jié)構(gòu)

neo4j是一個(gè)無架構(gòu)數(shù)據(jù)庫泣懊,在開始添加數(shù)據(jù)之前伸辟,你并不需要定義表和關(guān)系。一個(gè)節(jié)點(diǎn)可以具有你喜歡的任何屬性馍刮,任何節(jié)點(diǎn)都可以與其他任何節(jié)點(diǎn)建立關(guān)系信夫。

它是對(duì)你存入數(shù)據(jù)的一種描述。 而不是用一個(gè)規(guī)則來限制你的數(shù)據(jù)存入的內(nèi)容

Cypher Neo4j的查詢語言卡啰。

http://blog.csdn.net/wangweislk/article/details/47661863 入門可看

http://www.cnblogs.com/hwaggLee/p/5959716.html

在 neo4j 中創(chuàng)建節(jié)點(diǎn)

create (a) 創(chuàng)建空節(jié)點(diǎn)

create (a:Person) 創(chuàng)建標(biāo)簽(可以理解為類)為Person的節(jié)點(diǎn)

create (a:Person {name:‘Kaine‘,age:28}) 創(chuàng)建標(biāo)簽為Person忙迁,屬性name值為Kaine,屬性age值為28的節(jié)點(diǎn)

在neo4j 中創(chuàng)建關(guān)聯(lián)

match (a),(b)

where a.name=‘Kaine‘ and b.name=‘Sharon‘

create (a)-[r]->(b) 創(chuàng)建a節(jié)點(diǎn)和b節(jié)點(diǎn)的路徑碎乃,此時(shí)變量r即代表關(guān)聯(lián)姊扔,它也可以有標(biāo)簽

查詢關(guān)鍵字

match:用來匹配一定模式,可以是簡單的節(jié)點(diǎn)梅誓、關(guān)聯(lián)恰梢,也可以是復(fù)雜的路徑

where:用來限定條件,一般是限定match中的出現(xiàn)變量的屬性return:返回結(jié)果

start:開始節(jié)點(diǎn)梗掰,一般用于有索引的節(jié)點(diǎn)或者關(guān)聯(lián)

最后編輯于
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末嵌言,一起剝皮案震驚了整個(gè)濱河市,隨后出現(xiàn)的幾起案子及穗,更是在濱河造成了極大的恐慌摧茴,老刑警劉巖,帶你破解...
    沈念sama閱讀 219,427評(píng)論 6 508
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件埂陆,死亡現(xiàn)場(chǎng)離奇詭異苛白,居然都是意外死亡,警方通過查閱死者的電腦和手機(jī)焚虱,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 93,551評(píng)論 3 395
  • 文/潘曉璐 我一進(jìn)店門购裙,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人鹃栽,你說我怎么就攤上這事躏率。” “怎么了?”我有些...
    開封第一講書人閱讀 165,747評(píng)論 0 356
  • 文/不壞的土叔 我叫張陵薇芝,是天一觀的道長蓬抄。 經(jīng)常有香客問我,道長夯到,這世上最難降的妖魔是什么倡鲸? 我笑而不...
    開封第一講書人閱讀 58,939評(píng)論 1 295
  • 正文 為了忘掉前任,我火速辦了婚禮黄娘,結(jié)果婚禮上,老公的妹妹穿的比我還像新娘克滴。我一直安慰自己逼争,他們只是感情好,可當(dāng)我...
    茶點(diǎn)故事閱讀 67,955評(píng)論 6 392
  • 文/花漫 我一把揭開白布劝赔。 她就那樣靜靜地躺著誓焦,像睡著了一般。 火紅的嫁衣襯著肌膚如雪着帽。 梳的紋絲不亂的頭發(fā)上杂伟,一...
    開封第一講書人閱讀 51,737評(píng)論 1 305
  • 那天,我揣著相機(jī)與錄音仍翰,去河邊找鬼赫粥。 笑死,一個(gè)胖子當(dāng)著我的面吹牛予借,可吹牛的內(nèi)容都是我干的越平。 我是一名探鬼主播,決...
    沈念sama閱讀 40,448評(píng)論 3 420
  • 文/蒼蘭香墨 我猛地睜開眼灵迫,長吁一口氣:“原來是場(chǎng)噩夢(mèng)啊……” “哼秦叛!你這毒婦竟也來了?” 一聲冷哼從身側(cè)響起瀑粥,我...
    開封第一講書人閱讀 39,352評(píng)論 0 276
  • 序言:老撾萬榮一對(duì)情侶失蹤挣跋,失蹤者是張志新(化名)和其女友劉穎,沒想到半個(gè)月后狞换,有當(dāng)?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體避咆,經(jīng)...
    沈念sama閱讀 45,834評(píng)論 1 317
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 37,992評(píng)論 3 338
  • 正文 我和宋清朗相戀三年修噪,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了牌借。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片。...
    茶點(diǎn)故事閱讀 40,133評(píng)論 1 351
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡割按,死狀恐怖膨报,靈堂內(nèi)的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤现柠,帶...
    沈念sama閱讀 35,815評(píng)論 5 346
  • 正文 年R本政府宣布院领,位于F島的核電站,受9級(jí)特大地震影響够吩,放射性物質(zhì)發(fā)生泄漏比然。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 41,477評(píng)論 3 331
  • 文/蒙蒙 一周循、第九天 我趴在偏房一處隱蔽的房頂上張望强法。 院中可真熱鬧,春花似錦湾笛、人聲如沸饮怯。這莊子的主人今日做“春日...
    開封第一講書人閱讀 32,022評(píng)論 0 22
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽蓖墅。三九已至,卻和暖如春临扮,著一層夾襖步出監(jiān)牢的瞬間论矾,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 33,147評(píng)論 1 272
  • 我被黑心中介騙來泰國打工杆勇, 沒想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留贪壳,地道東北人。 一個(gè)月前我還...
    沈念sama閱讀 48,398評(píng)論 3 373
  • 正文 我出身青樓蚜退,卻偏偏與公主長得像寥袭,于是被迫代替她去往敵國和親。 傳聞我的和親對(duì)象是個(gè)殘疾皇子关霸,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,077評(píng)論 2 355

推薦閱讀更多精彩內(nèi)容

  • Spring Cloud為開發(fā)人員提供了快速構(gòu)建分布式系統(tǒng)中一些常見模式的工具(例如配置管理传黄,服務(wù)發(fā)現(xiàn),斷路器队寇,智...
    卡卡羅2017閱讀 134,672評(píng)論 18 139
  • Neo4j簡介 Neo4j是一個(gè)高性能的,NOSQL圖形數(shù)據(jù)庫膘掰,它將結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)在網(wǎng)絡(luò)上而不是表中。它是一個(gè)嵌入...
    就天邊閱讀 37,333評(píng)論 3 6
  • Spark SQL, DataFrames and Datasets Guide Overview SQL Dat...
    Joyyx閱讀 8,328評(píng)論 0 16
  • 今天很開心
    橙色小蘑菇閱讀 226評(píng)論 1 9
  • 寫在開頭:二十八線小城沒什么娛樂項(xiàng)目佳遣,昨天又進(jìn)了電影院识埋。最近沒了解什么電影上映,就選了風(fēng)聲最大的——《敦刻爾克(D...
    hunting_閱讀 429評(píng)論 0 3