Neo4j系列-简介及应用场景

「爱情、让人受尽委屈。」 2021-12-21 07:55 271阅读 0赞

## 1.什么是Neo4j? ##

> Neo4j是一个高性能的NOSQL图形数据库，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。程序员工作在一个面向对象的、灵活的网络结构下，而不是严格、静态的表中。但是他们可以享受到具备完全的事务特性、企业级的数据库的所有好处。  
> Neo4j因其嵌入式、高性能、轻量级等优势，越来越受到关注。

### 简单来说： ###

**图形数据库(图形数据库也称为图形数据库管理系统或GDBMS。**

> Neo4j是：  
> **1.一个开源**  
> **2.无Schema**  
> **3.Cypher进行类似Sql操作**  
> **4.基于Java开发，运行于JVM之上**

![Image 1][]

logo

![Image 1][]

案例图案

## 2.图形数据结构 ##

在一个图中包含两种基本的数据类型：**Nodes（节点）** 和 **Relationships（关系）**。**Nodes 和 Relationships** 包含key/value形式的属性。Nodes通过Relationships所定义的关系相连起来，形成关系型网络结构。

![Image 1][]

属性图

## 3.Neo4j应用场景 ##

3.1我们可以将图领域划分成以下两部分：

> 1.  用于联机事务图的持久化技术（通常直接实时地从应用程序中访问）。这类技术被称为图数据库，它们和“通常的”关系型数据库世界中的联机事务处理（**Online Transactional Processing，OLTP**）数据库是一样的。
> 2.  用于离线图分析的技术（通常都是按照一系列步骤执行）。

这类技术被称为图计算引擎。它们可以和其他大数据分析技术看做一类，如数据挖掘和联机分析处理（**Online Analytical Processing，OLAP**）。

图数据库一般用于事务（OLTP）系统中。图数据库支持对图数据模型的**增、删、改、查（CRUD）**方法。相应地，它们也对事务性能进行了优化，在设计时通常需要考虑事务完整性和操作可用性。

目前图数据库的巨大用途得到了认可，它跟不同领域的很多问题都有关联。最常用的图论算法包括各种类型的**最短路径计算、测地线（Geodesic Path）、集中度测量（如PageRank、特征向量集中度、亲密度、关系度、HITS等）**。那么，什么样的应用场景可以很好地利用图数据库？

3.2目前，业内已经有了相对比较成熟的基于图数据库的解决方案，大致可以分为以下几类。

3.2.1**金融行业应用**

**反欺诈多维关联分析场景**  
通过图分析可以清楚地知道洗钱网络及相关嫌疑，例如对用户所使用的帐号、发生交易时的IP地址、MAC地址、手机IMEI号等进行关联分析。

![Image 1][]

反洗钱模型

反欺诈已经是金融行业一个核心应用，通过图数据库可以对不同的个体、团体做关联分析，从人物在指定时间内的行为，例如去过地方的IP地址、曾经使用过的MAC地址（包括手机端、PC端、WIFI等）、社交网络的关联度分析，同一时间点是否曾经在同一地理位置附近出现过，银行账号之间是否有历史交易信息等。

![Image 1][]

金融反欺诈关联分析模型

3.2.2**社交网络图谱**

在社交网络中，公司、员工、技能的信息，这些都是节点，它们之间的关系和朋友之间的关系都是边，在这里面图数据库可以做一些非常复杂的公司之间关系的查询。比如说公司到员工、员工到其他公司，从中找类似的公司、相似的公司，都可以在这个系统内完成。

![Image 1][]

社交关系网络模型

3.2.3**企业关系图谱**

图数据库可以对各种企业进行信息图谱的建立，包括最基本的工商信息，包括何时注册、谁注册、注册资本、在何处办公、经营范围、高管架构。围绕企业的经营范围，继续细化去查询企业究竟有哪些产品或服务，例如通过企业名称查询到企业的自媒体，从而给予其更多关注和了解。另外也包括对企业的产品和服务的数据关联，查看该企业有没有令人信服的自主知识产权和相关资质来支撑业务的开展。

企业在日常经营中，与客户、合作伙伴、渠道方、投资者都会打交道，这也决定了企业对社会各个领域都广有涉猎，呈现面错综复杂，因此可以通过企业数据图谱来查询，层层挖掘信息。基于图数据的企业信息查询可以真正了解企业的方方面面，而不再是传统单一的工商信息查询。

![Image 1][]

企业知识图谱模型

作者：Fredia\_Wang  
链接：https://www.jianshu.com/p/500448f810c5  
来源：简书  
简书著作权归作者所有，任何形式的转载都请联系作者获得授权并注明出处。

[Image 1]: