neo4j-导入CSV数据

官方文档 https://neo4j.com/developer/guide-import-csv/#_converting_data_values_with_load_csv

一、前提

        在进行导入CSV数据前，需要熟悉图数据库（graph database）的概念，会构建一个属性图性数据模型，和Cypher的基本语法。

二、导入CSV文件的方式

　主要的两种方式如下：

　　1、使用 Cypher 命令  LOAD CSV ，这种方式可以处理中小型数据（可达10 million条记录）

　　2、使用批量导入工具   neo4j-admin  ，用来直接导入大数据集

三、上述方式具体导入过程

　　1、Cypher 命令  LOAD CSV     　　　　

　　（1）此命令可以处理本地或远程文件，导入本地文件，文件名前要加前缀  file:///     ，neo4j 有一个默认的安 全设置，只能从 Neo4j 的特定文件夹导入（Neo4j import directory，操作系统不同，目录不同）;导入远程文件，直接用其URL

　　　exmples

//Example 1 - file directly placed in import directory (import/data.csv)
LOAD CSV FROM "file:///data.csv"
......
//Example 2 - file placed in subdirectory within import directory (import/northwind/customers.csv)
LOAD CSV with headers FROM "file:///northwind/customers.csv"
......

　　（2）从CSV 中读取的所有数据都是字符串类型，可以通过 toInteger(), toFloat(), split() 或其他类似的函数进行转换

　　（3）CSV文件首行是字段名，则要加上 ，with headers 具体如样例如下，且用 property.value 或 property[value]  的形式 ，没有with headers 使用  property[0] 下标形式。

　　exmples

文件 person.csv
id,name,age
1,zz,20
2,ww,21
3,qq,22

LOAD CSV WITH HEADERS FROM 'file:///person.csv' AS line FIELDTERMINATOR ','  
MERGE (:person { id:line.id ,name: line.name, Age: toInteger(line.Age)})
###fieldterminator表示每个值由 ' , ' 分隔开。 MERGE 是插入节点或关系 (不存在则插入，存在则更新)

 

　　2、批量导入工具 neo4j-admin

　　     这个工具可以指定更大的节点文件和关系文件进行导入，它在neo4j的bin目录下，用法如下：

bin/neo4j-admin import --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"

　　上述每个文件的前几行如下 : 

Table 1. customers.csv

customerId:ID(Customer)	name
23	Delicatessen Inc
42	Delicous Bakery

　　

 

 

 

 

Table 2. products.csv

productId:ID(Product)	name	price	:LABEL
11	Chocolate	10	Product;Food

 

 

 

 

Table 3. orders_header.csv,orders1.csv,orders2.csv

orderId:ID(Order)	date	total	customerId:IGNORE
1041	2015-05-10	130	23
1042	2015-05-12	20	42

 

 

 

 

 

Table 4. order_details.csv

:START_ID(Order)	amount	price	:END_ID(Product)
1041	13	130	11
1042	2	20	11

 

 

 

 

 

Table 5. customer_orders_header.csv,orders1.csv,orders2.csv

:END_ID(Order)	date:IGNORE	total:IGNORE	:START_ID(Customer)
1041	2015-05-10	130	23
1042	2015-05-12	20	42

 

 

 

 

 

         上述用法样例代码解释， --nodes  和 --relationships 参数是多个有相同结构（列名结构相同）的CSV文件。
   具有相同结构的文件叠加在一起，可看成一单个的大文件。每个文件都要有列字段，或者每个文件的列字段也可以单独放在一个新CSV文件里面（更方便更改信息）。
   * --id-type = STRING 表示所有:ID 列都是字母或数字的值。 
   * 文件customers.csv直接导入成带有 :Customer 标签的节点，每个节点的属性也之间从文件中导入
   * 文件Product.csv中的节点标签则来自文件中的:LABEL 列。
   * 节点Order数据来自三个文件，分别是一个头文件，和两个数据文件
   * 文件 Order_details.csv 中每行记录的两个item之间具有的:contain关系，其通过order的id属性和product的id属性关联起来。
   
   列名表示节点或关系的属性名，具体的列名有具体的markup，一下是上述一些markup的解释
   * name:ID 这是全局id列，用作查找重新连接后的节点
     --如果省略属性名，该列不会存储在库中，--id-type指的就是该列。
     --如果在不同实体中出现同一个ID，需要括号中告诉ID所属实体。比如:ID(Order).
     --如果ID是全局唯一，则第二条可以省略

   * :LABEL 这一列表示节点的标签，如果节点有多个标签，可以通过分隔符隔开

   * :START_ID , :END_ID 表示关系文件中指向节点的ID列，对于某个group的id，可以使用 :END_ID(Order)

   * :TYPE 该列说明了关系的类型

　  * 所有其他属性列，如果为空，则跳过；或者标注为 :IGNORE

   * 通过在属性后面加 :INT, :BOOLEAN 等indicators来转换数据类型