neo4j apoc 系列

Neo4j APOC-01-图数据库 apoc 插件介绍

Neo4j APOC-01-图数据库 apoc 插件安装 neo4j on windows10

Neo4j APOC-03-图数据库 apoc 实战使用使用

Neo4j APOC-04-图数据库 apoc 实战使用使用 apoc.path.spanningTree 最小生成树

Neo4j APOC-05-图数据库 apoc 实战使用使用 labelFilter

Neo4j GDS-01-graph-data-science 图数据科学插件库概览

Neo4j GDS-02-graph-data-science 插件库安装实战笔记

Neo4j GDS-03-graph-data-science 简单聊一聊图数据科学插件库

Neo4j GDS-04-图的中心性分析介绍

Neo4j GDS-05-neo4j中的中心性分析算法

实际测试

数据初始化

i_app 节点，i_app 指向 i_vm，i_phy。

i_app 有 name 属性。

i_vm, i_phy 有 ip 属性。

创建 4 个 i_app 节点，分别指向 4 个 i_vm。2个 i_vm 一组，分别指向 i_phy 节点。

给出 cypher 初始化语句

  [plaintext]
1
2
3
4
5
6
7
8
9
10
11
12
13
CREATE (phy1:i_phy {ip: '192.168.1.1'}),
       (phy2:i_phy {ip: '192.168.1.2'}),

(vm1:i_vm {ip: '10.0.0.1'})-[:BELONGS_TO]->(phy1),
(vm2:i_vm {ip: '10.0.0.2'})-[:BELONGS_TO]->(phy1),
(vm3:i_vm {ip: '10.0.0.3'})-[:BELONGS_TO]->(phy2),
(vm4:i_vm {ip: '10.0.0.4'})-[:BELONGS_TO]->(phy2),

(app1:i_app {name: 'app1'})-[:POINTS_TO]->(vm1),
(app2:i_app {name: 'app2'})-[:POINTS_TO]->(vm2),
(app3:i_app {name: 'app3'})-[:POINTS_TO]->(vm3),
(app4:i_app {name: 'app4'})-[:POINTS_TO]->(vm4);
Neo4j Graph VisualizationCreated using Neo4j (http://www.neo4j.com/)BELONGS_TOBELONGS_TOBELONGS_TOBELONGS_TOPOINTS_TOPOINTS_TOPOINTS_TOPOINTS_TO 192.168.… 192.168.… 10.0.0.1 10.0.0.2 10.0.0.3 10.0.0.4 app1 app2 app3 app4

pageRank 使用

创建带应用拓扑的图投影

  [plaintext]
1
2
3
4
5
CALL gds.graph.project(
    'app-topology',
    ['i_app', 'i_vm', 'i_phy'],
    '*'
);

执行结果：

  [plaintext]
1
2
3
4
5
6
╒══════════════════════════════════════════════════════════════════════╤══════════════════════════════════════════════════════════════════════╤══════════════╤═════════╤═════════════════╤═════════════╕
│nodeProjection                                                        │relationshipProjection                                                │graphName     │nodeCount│relationshipCount│projectMillis│
╞══════════════════════════════════════════════════════════════════════╪══════════════════════════════════════════════════════════════════════╪══════════════╪═════════╪═════════════════╪═════════════╡
│{i_phy: {label: "i_phy", properties: {}}, i_app: {label: "i_app", prop│{__ALL__: {aggregation: "DEFAULT", orientation: "NATURAL", indexInvers│"app-topology"│10       │8                │1351         │
│erties: {}}, i_vm: {label: "i_vm", properties: {}}}                   │e: false, properties: {}, type: "*"}}                                 │              │         │                 │             │
└──────────────────────────────────────────────────────────────────────┴──────────────────────────────────────────────────────────────────────┴──────────────┴─────────┴─────────────────┴─────────────┘

资源排序

// 计算虚拟机层影响力

  [plaintext]
1
2
3
4
5
6
CALL gds.pageRank.stream('app-topology', {
    
}) 
YIELD nodeId, score
RETURN nodeId, score
ORDER BY score DESC;

结果：

  [plaintext]
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
╒══════╤═══════════════════╕
│nodeId│score              │
╞══════╪═══════════════════╡
│0     │0.62175            │
├──────┼───────────────────┤
│1     │0.62175            │
├──────┼───────────────────┤
│2     │0.2775             │
├──────┼───────────────────┤
│3     │0.2775             │
├──────┼───────────────────┤
│4     │0.2775             │
├──────┼───────────────────┤
│5     │0.2775             │
├──────┼───────────────────┤
│6     │0.15000000000000002│
├──────┼───────────────────┤
│7     │0.15000000000000002│
├──────┼───────────────────┤
│8     │0.15000000000000002│
├──────┼───────────────────┤
│9     │0.15000000000000002│
└──────┴───────────────────┘

删除投影

  [plaintext]
1
2
3
CALL gds.graph.drop(
    'app-topology'
);

chat

neo4j gds 库使用前需要创建 graph，有几种创建方式？对比的区别是什么

在Neo4j GDS库中，创建图投影（Graph Projection）的方式主要有以下四种，它们在灵活性、性能、适用场景和功能特性上有显著差异：

1. 原生投影（Native Projection）

函数: gds.graph.create
核心特点：

  • 直接读取存储文件：从Neo4j底层存储文件高效加载数据，跳过Cypher引擎处理。
  • 配置驱动：通过参数指定节点标签、关系类型及属性，语法简洁。例如：
      [cypher]
    1
    CALL gds.graph.create('myGraph', 'Person', {LIKES: {type: 'LIKES', orientation: 'UNDIRECTED'}})
  • 性能优化：适合大规模数据处理，生产环境推荐使用。
  • 支持操作：
    • 改变关系方向（如将无向关系转为有向）。
    • 聚合平行关系（如合并多对相同节点间的关系）。
    • 属性投影（仅支持数值类型属性）。

适用场景：

  • 需要高性能的场景（如企业级数据分析）。
  • 数据结构简单且无需复杂计算的场景。

2. Cypher投影（Cypher Projection）

函数: gds.graph.create.cypher
核心特点：

  • 灵活查询：通过Cypher语句动态定义节点和关系，支持复杂逻辑（如路径合并、属性计算）。
      [cypher]
    1
    2
    3
    4
    5
    CALL gds.graph.create.cypher(
  'myCypherGraph',
  'MATCH (n:Person) RETURN id(n) AS id',
  'MATCH (a)-[r:LIKES]->(b) RETURN id(a) AS source, id(b) AS target, r.weight AS weight'
)
  • 动态数据处理：可从临时查询结果生成图（如虚拟节点/关系）。
  • 性能代价：因需执行Cypher查询，加载速度较慢，内存消耗可能更高。

适用场景：

  • 开发阶段的探索性分析。
  • 需要动态聚合或复杂过滤的场景（如两跳路径合并为单边关系）。

3. 隐式匿名图（Implicit Anonymous Graph）

特点：

  • 无需显式创建：在运行算法时直接通过参数（如nodeProjection和relationshipProjection）定义图结构。
  • 生命周期短暂：仅存在于算法执行期间，执行后自动销毁。
  • 语法示例：
      [cypher]
    1
    2
    3
    4
    CALL gds.pageRank.stream({
  nodeProjection: 'Person',
  relationshipProjection: 'LIKES'
})

适用场景：

  • 单次算法执行且无需复用的场景。

4. 子图投影（Subgraph Projection）

函数: gds.beta.graph.create.subgraph
核心特点：

  • 基于现有图过滤：从已创建的图投影中提取子集，支持标签、关系类型及属性过滤。
      [cypher]
    1
    2
    3
    4
    5
    6
    CALL gds.beta.graph.create.subgraph(
  'subGraph',
  'myGraph',
  'n.property > 10',
  'r.type = "KNOWS"'
)
  • 复用性：生成的新图可持久化在图目录中，供后续算法使用。

适用场景：

  • 需要重复分析图的部分子集。

原生投影 vs. Cypher投影的详细对比

维度 原生投影 Cypher投影
性能 高（直接读取存储文件，无查询解析开销） 低（需执行Cypher查询）
灵活性 有限（基于标签和类型） 高（支持任意Cypher逻辑）
属性支持 仅数值类型 任意类型（需通过查询计算）
适用阶段 生产环境 开发环境
关系聚合 支持（通过参数配置） 需手动聚合（如COUNT或DISTINCT）
多图支持 是（如多关系类型投影） 是（通过复杂查询实现）

总结建议

  • 优先选择原生投影：当数据结构简单且需高性能时（如生产环境）。
  • 使用Cypher投影：在开发阶段或需复杂逻辑时（如动态路径合并）。
  • 匿名图：适用于单次、临时性的算法运行。
  • 子图投影：用于从已有图中提取子集进行重复分析。

参考资料

https://github.com/neo4j/graph-data-science