Java Neo4j图形数据库设计与高效查询

首先让我解释一下我想用neo4j（v2）建模什么

假设表单上有一个n维数据集：

val1Dim1, ... , val1Dimn, classValue1
val2Dim2, ... , val2Dimn, classValue2
....

{a set of value of Dim1} {a set of value of Dim2} ... {a set of class values}

每个维度都有一个层次结构（比如说一棵树）。“维度节点”的总数约为1K或稍高，具体取决于数据集

数据挖掘方法（）在数据集上运行，并从数据集中提取大量模式

基本上，每种图案都在表格上：

val1Dim1, ... , val1Dimn, classValue1
val2Dim2, ... , val2Dimn, classValue2
....

{a set of value of Dim1} {a set of value of Dim2} ... {a set of class values}

至少有大约11米的开采模式

我的设计选择

2种类型的节点（标签）：

• 数据（例如val1Dim1是一个数据节点）=>大约1K个节点。这些节点有三个属性：LABEL（值本身）、维度id、维度和一个构建属性KEY，即“dimension\u LABEL”。已在键上定义索引

• 模式（每个模式一个）=>至少11M个节点

2.关系类型：

• 是表示在层次结构中导航的泛化/专门化关系的吗

• 将模式链接到其每个成员（例如，如果p={val1dim1，val2Dim1}{val1Dim2}是一个模式，则创建3个关系，即p->va11Dim1，p->val2Dim1和val1dim1

这是一个玩具图，让我的设计选择清楚

数据插入和规范

我使用过batch inserter，它的工作速度非常快（大约40分钟）。DB的大小约为50Gb，由大约1100万个节点和1B（！！）关系组成。目前，我正在我的机器上运行代码（8GB的RAM、Intel i7和500GB的SSD HD）。我使用Java

我想做什么

给定每个维度的值，我想知道模式是什么，以便所有维度值都包含在模式中

目前，假设我使用两个维度来实现我的目标：

match (n:DATA {KEY:'X'})-[r:COMPOSED_BY]-(p:PATTERN)-[r2:COMPOSED_BY]-(m:DATA {KEY:'Y'}) 
return p;

目前，它的速度非常慢……而且java进程的内存使用量是2GB（最大）

我的问题

你认为graphDb适合这种情况吗

我的设计选择合适吗

索引呢？我还需要定义一些吗

查询数据库的方法可以吗

是否有一些配置技巧可以加速查询阶段

适合我的应用程序需要的服务器规格是什么

提前谢谢

---

Yoann

我有一些建议。您可以使用节点标签（不是节点的属性）。有关节点标签的详细信息，请参阅

因此，如果使用标签，特定尺寸的所有标签将自动分类在一个集合（即标签）下。因此，您将减少维护为

IS_A

的关系的数量。而且，由于关系在空间上更昂贵，您可以减少数据库的大小。此外，在标签上进行索引搜索也可用，并且比在整个索引中搜索键更快

在下面的模型中，在每个维度节点（

DATA

）下，我添加了两个属性

key

和

value

，您可以只保留其中一个作为

key

，然后简单地对其进行索引。因此，当您需要值时，只需解析键。（只是一个建议，我不知道你将拥有什么样的用例）

欢迎提出建议和意见

如果您需要更多信息，请回复

---

评论后编辑

根据您的评论，为了减少模式节点的数量，您可以通过创建唯一的

关系类型

来链接

数据

节点本身，并根据

模式

命名它们。有关更多说明，请参阅更新的图表

---

你能发布一个图表的虚拟图吗？这样我可以在发表评论之前更好地可视化你的模型吗？@SumeetSharma我已经编辑了我的文章。谢谢。谢谢你的建议。重点是我已经在使用标签来区分数据节点（白色）和模式节点（灰色）。实际上，没有太多的是关系（大约1K）。我的主要问题是模式的数量（11M）以及由关系组成的_的数量（200M）。我想要运行的典型查询是“给定一些数据节点N，模式p是什么，使得p和N中的每个数据节点之间存在一个由关系组成的_？”。另外，您正在使用的标签是数据。。我建议不要使用数据作为标签，而是使用A/DIM1或B/DIM2作为标签，将维度中的节点集分隔在各个集合下。不要创建模式节点，而是创建名为patterns p1、p2的唯一关系类型，将模式中的节点集链接起来。您的想法看起来it’很有趣。我将立即调查它，并让您了解对性能的影响。此外，您认为自动索引关系会显著加快查询速度吗？如果您在关系中有任何属性，则可以对关系进行自动索引。如果您有属性名称，请在关系上说p1shiptype p1然后您可以在relationship name属性上自动索引。但是在我建议的内容中，您正在创建一个具有相关标签的新relationshiptype，这样就足以让cypher匹配模式。因此，当您实际查询图形时，您只需将ur图形中的模式与特定于ur模式的relationshiptype匹配即可快一点。我想做的正好相反，比如val1，val2，…，valn（其中vali是键值）都在一起的模式是什么。看起来节点索引（键）更可取，不是吗？