使用neo4j-import导入数据及关系
背景
上节我们了解了什么是图数据库，作为研究对象的neo4j的特点，优缺点以及基本的环境搭建。
现在我们要讲存储在csv中的通话记录数据导入到neo4j中去，并且可以通过cql去查询导入的数据及关系
1.选取导入方式
neo4j的导入方式有很多，我大概总结了一下：
- Cypher CREATE 语句，为每一条数据写一个CREATE
- Cypher LOAD CSV 语句，将数据转成CSV格式，通过LOAD CSV读取数据。
- 官方提供的Java API —— Batch Inserter
- 大牛编写的 Batch Import 工具
- 官方提供的 neo4j-import 工具
优缺点对比：
| create语句 | load csv语句 | Batch Inseter | Batch Import | neo4j-import | |
|---|---|---|---|---|---|
| 适用场景 | 1~1w nodes | 1w~10w nodes | 千万以上 nodes | 千万以上 nodes | 千万以上 nodes |
| 速度 | 很慢(1000 nodes/s) | 一般(5000 nodes/s) | 非常快(数万nodes/s) | 非常快(数万nodes/s) | 非常快(数万nodes/s) |
| 优点 | 使用方便，可实时插入。 | 使用方便，可以加载本地 | 远程CSV；可实时插入 | 基于Batch Inserter，可以直接运行编译好的jar包；可以在已存在的数据库中导入数据 | 官方出品，比Batch Import占用更少的资源 |
| 缺点 | 速度慢 | 需要将数据转换成csv | 需要转成CSV；只能在JAVA中使用；且插入时必须停止neo4j | 需要转成CSV；必须停止neo4j | 需要转成CSV；必须停止neo4j；只能生成新的数据库，而不能在已存在的数据库中插入数据 |
可以看出导入的方式有很多，由于我们导入的数据量较大，所以我这里选择的是最后一种 neo4j-import，大家也可以去选择其他的导入方式
neo4j-import 使用
我们打开neo4j-import使用的网站可以看到这样的一段摘要
Super Fast Batch Importer For Huge Datasets LOAD CSV is great for
importing small – medium sized data, i.e. up to the 10M records range.
For large data sets, i.e. in the 100B records range, we have access to
a specialized bulk importer.We want to use it to import similar order data into Neo4j: customers,
orders and contained products.The tool is located in path/to/neo4j/bin/neo4j-import and is used as
follows:
这段话的大致意思是我们使用load csv无法满足我们大数据量的业务需要，所以我们不得不去选择一种新的导入方式，这里我们选择了neo4j-import这种方式，以下是一个导入的例子
bin/neo4j-import --into retail.db --id-type string \
--nodes:Customer customers.csv --nodes products.csv \
--nodes orders_header.csv,orders1.csv,orders2.csv \
--relationships:CONTAINS order_details.csv \
--relationships:ORDERED customer_orders_header.csv,orders1.csv,orders2.csv
例子中的数据结构为：
如果您调用neo4j-import没有参数的脚本，它将列出一个全面的帮助页面。
该--into retail.db显然是目标数据库，其中不能包含现有数据库。
重复--nodes和--relationships参数是同一实体的多个（可能分裂的）csv文件的组，即具有相同的列结构。
每组的所有文件都被视为可以连接成一个大文件。一个标题行的组的第一个文件是必需的，它甚至可能被包含在其中可能比一个多GB的文本文件更易于处理和编辑一个单行文件。也支持压缩文件。
customers.csv直接作为带有:Customer标签的节点导入，属性直接从文件中获取。- 对于从
:LABEL列中获取节点标签的产品也是如此。 - 订单节点取自3个文件，一个标题和两个内容文件。
- 输入
:CONTAINS的order_details.csv订单项关系是通过其ID 来创建的，包含与所包含产品的订单。 - 订单通过再次使用订单csv文件连接到客户，但这次使用不同的标头，其中：IGNORE是不相关的列
这–id-type string表示所有:ID列都包含字母数字值（对仅数字ID进行优化）。
列名用于节点和关系的属性名称，特定列有一些额外的标记
name:ID- 全局id列，通过该列查找节点以便以后重新连接，- 如果保留属性名称，它将不会被存储（临时），这就是–id-type所指的
- 如果你有跨实体的重复id，你必须在括号中提供实体（id-group）
:ID(Order) - 如果您的ID是全球唯一的，您可以将其关闭
- :LABEL - 节点的标签列，多个标签可以用分隔符分隔
:START_ID，:END_ID- 关系文件列，引用节点ID，用于id-groups使用:END_ID(Order):TYPE- 关系型列- 所有其他列都被视为属性，但如果为空或在注释时跳过：IGNORE
- 类型转换可以通过后面添加的名称，例如通过
:INT，:BOOLEAN等
导入通话记录数据
在整理后的csv中我们的通话记录是这样的数据：
-
phones.csv 记录电话号列表，作为nodes结点
-
phone_header 标题文件只有一行数据
phone:ID -
call.csv 该文件记录通话记录的信息，作为以后关系的建立和关系属性的添加
第一行从左到右字段的含义为：
150 **** 0743给136 **** 5301一共打了125分钟时长的电话，打了一次，平均一次125分钟 -
call_header.csv 通话记录头信息
这里的:START_ID指的是关系的起始点，:END_ID指的是关系的终止点
这些csv文件准备好之后，我们写一段shell脚本来执行这些文件。
import()
{
#导入命令
neo4j stop
cd /usr/local/Cellar/neo4j/3.5.0/libexec/data/databases
rm -rf graph.db
cd /Documents/归档/data
neo4j-admin import \
--database=graph.db
--nodes:phone="../phone_header.csv,phones.csv \
--ignore-duplicate-nodes=true \
--ignore-missing-nodes=true \
--relationships:call="../call_header.csv,call.csv"
neo4j start
}
- 这里以防我们新建的数据库已经存在，我们选择删除已有库再进行导入
- 记得要先关闭neo4j
查看结果
导入完成之后我们来打开neo4j浏览器查看一下导入后的结果
我们打开http://localhost:7474/browser/
首先我们先查看一下Database Information
这里我们可以看到已有的结点数，有多少条关系，占用的存储空间等数据库信息
然后我们来查看某个电话号码的交际圈：
match (p:phone{phone:"13825259929"})-[r]->(o) return p,o,r;
- 1
把鼠标移到对应的结点和关系上时，底部便会出现对应的属性
现在我们的数据导入就完成了
接下来我们要用springboot + neo4j +d3来展示某人的通话记录圈。
