AI圈必学数据库之Neo4j

大家好，我是苏三，又跟大家见面了。

前言

最近这两年，不管是做知识图谱还是智能推荐系统，或者 AI Agent 应用，图数据库这个词开始频繁出现在各种技术方案里。

有小伙伴跑来问：Neo4j 到底是什么？跟 MySQL 有啥区别？它能做什么？

我经常回答这样一句话：如果把数据比作一个社交关系网，MySQL 会用多个表格来描述这种关系，而 Neo4j 会直接画出这张网——节点就是人，线就是关系。

数据的本来面貌就是一张网，我们非要把网拆散了放到表格里，就是在做“破镜重圆”的事。

今天，我就用一个完整的入门教程，带你从头到尾搞懂 Neo4j。

希望对你会有所帮助。

一、Neo4j 到底是什么？

先说一个最核心的点，可能会打破你的认知——图数据库里的“图”，跟我们平时说的“图片”没有任何关系。

“图”在这里是 Graph 的意思，也就是一张由“点”和“线”组成的网络。

传统的关系型数据库（比如 MySQL、PostgreSQL）用表格（Excel 里那种二维表）来存数据，而 Neo4j 用节点和关系来存数据。

打个比方，你在微信朋友圈里：* 用户张三（这是一个“节点”）* 李四（这也是一个“节点”）* 张三跟李四是好友关系（这条线就是“关系”）

在 MySQL 里：

CREATE TABLE users (id INT, name VARCHAR); -- 用户表
CREATE TABLE friends (user_id INT, friend_id INT); -- 好友关系表

想在 MySQL 里找出“张三朋友的朋友”？

要套两层 JOIN（连接操作），SQL 长的像裹脚布一样，而且在深度查询场景下，这种多表 JOIN 的性能会随着关系深度呈指数级下降。

在 Neo4j 里，你连脑子都不用动，数据就是一目了然的网。

说人话：MySQL 擅长存“谁是谁”；Neo4j 擅长存“谁跟谁有什么关系”。

但千万别误解——这不是选择题，不是说用了 Neo4j 就要抛弃 MySQL。

两者各司其职：MySQL 负责业务数据主航道，Neo4j 负责关系分析和推理，完美配合。

二、安装 Neo4j

咱们先动手把环境搭起来。

三种方式任你选，新手最推荐方式一：Neo4j Desktop。

在 Mac 上运行 Neo4j 前，建议确保系统满足 macOS 10.15 或更高版本的系统要求。

内存方面：学习/开发环境至少需要 2GB，推荐给到 16GB；内存越足，图越丝滑。Windows 用户按提示下载 .exe，Linux 用户直接用 .AppImage。

方式一：Neo4j Desktop（最省心，有图）

1. 下载：访问 Neo4j 官网的部署中心，找到适合你系统的安装包（Mac：.dmg，Windows：.exe，Linux：.AppImage）。
2. 安装：
   • Mac：双击 .dmg，把 Neo4j Desktop 图标拖到 Applications 文件夹。
   • Windows：双击 .exe 一路 Next。
3. 创建数据库：打开应用，点 New → Local DBMS，输入密码后点击 Create。
4. 启动：把光标放在数据库卡片上，点击 Start，等圈圈变绿点。
5. 访问：点 Open Browser，或者在浏览器里打开 http://localhost:7474，输入 neo4j 和你设的密码。

看到这个 Web 界面了吗？以后我们写的所有 Cypher 查询就在这里执行。

方式二：Docker（推荐有 Docker 基础的同学）

这是一个用 Docker 在 Mac、Windows、Linux 上运行 Neo4j 的示例：

docker run -d --name neo4j \
  -p 7474:7474 -p 7687:7687 \
  -e NEO4J_AUTH=neo4j/your_password_here \
  -e NEO4J_dbms_memory_heap_initial__size=1G \
  -e NEO4J_dbms_memory_heap_max__size=2G \
  -e NEO4J_dbms_memory_pagecache_size=1G \
  -v $HOME/neo4j/data:/data \
  neo4j:5.26.2

参数详解：

• -p 7474:7474 -p 7687:7687：映射两个关键端口。7474 是 HTTP 管理端口，7687 是 Bolt 协议端口（Java 等语言连接用的）。
• -v $HOME/neo4j/data:/data：数据持久化卷，把容器内 /data 挂载到宿主机。没这行，删容器后数据就丢了。
• -e NEO4J_AUTH=neo4j/your_password_here：强制设置身份验证（Neo4j 5.x 起必须要认证）。
• -e NEO4J_dbms_memory_heap_initial__size=1G：JVM 堆内存初始值。
• -e NEO4J_dbms_memory_pagecache_size=1G：页面缓存，用于加速查询。

避坑警告：如果省略 AUTH 和内存参数，Docker 容器拒绝启动或很快被系统 OOM 强制终止。

方式三：Homebrew（Mac 用户最爱）

如果你在 Mac 上偏好命令行，这套命令最顺手：

brew tap neo4j/neo4j
brew install neo4j
brew services start neo4j

安装后验证

不管哪种方式，启动后在浏览器打开 http://localhost:7474。看到如下界面，恭喜你，环境搭好了！登录后建议先执行一个测试查询：RETURN 1 AS result，确保能正常返回数据。

三、核心概念：搞懂节点、关系和路径

从现在起，忘掉“表”的概念。我们用三个基本积木，就能搭建整个数据世界。

积木一：节点（Node）——具体的“人”或“物”

节点就是图里每一个独立的实体，比如一个用户、一部电影、一个地址。

节点可以打标签（Label），相当于把相同类型的节点归类。一个节点可以有多个标签，比如一个人同时是 Person 和 Engineer。

节点可以有属性（Property），就是键值对，比如用户的名字、年龄、所在地。

创建一个“张珊”的人节点，并打上 Person 和 Student 两个标签：

CREATE (n:Person:Student {name: "张珊", age: 22, city: "北京"})
RETURN n

• CREATE：创建命令。
• (n)：括号里的是节点变量名，字母随意，方便后面引用。
• :Person:Student：两个标签，用冒号连接，表示这个节点既是人也是学生。
• {...}：属性，JSON 格式的键值对。
• RETURN n：显示结果，方便在 Browser 里直观看到节点。

积木二：关系（Relationship）——节点之间的连接线

关系就是节点之间的那条线。它具有方向、类型、属性三个特征。

关系的方向和类型必须指定，这样才能清晰地表达语义。

在 Cypher 中，--> 表示有向关系，-[:KNOWS] 表示关系类型是 KNOWS（认识）。

创建 Person-A 认识 Person-B 的关系：

CREATE (alice:Person {name: "爱丽丝", age: 24}),
       (bob:Person {name: "鲍勃", age: 26})
CREATE (alice)-[r:KNOWS {since: 2021, trust_level: 5}]->(bob)
RETURN alice, r, bob

代码详解：第一个 CREATE 一次性创建了两个独立的人节点。第二个 CREATE 先 MATCH（匹配，其实这里的第二个 CREATE 是跟在后面的连续操作）——这里解释一下，上面的写法 CREATE ... CREATE ... 是一条连续的 Cypher 语句，前一个 CREATE 先把两个节点写进数据库，后一个 CREATE 直接引用前面定义的变量 alice 和 bob，在两者之间拉一条关系线，类型是 KNOWS，且这个关系有一个 since 属性和一个 trust_level 属性。

关系方向不能马虎：如果查询时方向写反了，可能找不到结果；但查数据时用 -[:KNOWS]- 可以忽略方向，双向查找。

积木三：路径（Path）——多段关系的“路线图”

路径就是多条关系串联成的一条链。路径是图数据库的精华——在现实世界里，关系的价值往往不是孤立的两个点，而是一整条链路。

例如：爱丽丝认识鲍勃，鲍勃认识查理，查理认识大卫。从爱丽丝到大卫的路径长度就是 3 跳。

查找从爱丽丝出发，往外走 3 跳以内的所有认识关系：

MATCH (alice:Person {name: "爱丽丝"})-[r:KNOWS*1..3]-(friend)
RETURN alice.name, friend.name

[r:KNOWS*1..3] 的含义：*1..3 表示匹配 1 到 3 跳的关系，- 两侧没有箭头表示忽略方向。所以这个查询能找出爱丽丝认识的人（1 跳），她认识的人认识的人（2 跳），以及更远的朋友圈（3 跳）。

节点、关系、路径三者的关系：节点是实体，关系是连接线，路径是业务答案。路径越长，图数据库越有优势——想一下 MySQL 里做 5 层 JOIN 的感受，再对比一下 Neo4j 里一行 1..5 的简洁。

四、Cypher 完全实战手册

Cypher 是 Neo4j 的查询语言，设计得像 SQL 一样直观，但专门为图做了优化，用 () 表示节点，-[]-> 表示关系，匹配模式的可读性极强。下面我们从零开始，掌握所有的增删改查操作。

学会 Cypher 的小窍门：先别背语法，先熟悉两个模式——( ) 代表节点，-[ ]-> 代表方向。能拼出这两种模式，就能覆盖 80% 的图查询需求。

4.1 创建数据

基础创建：单一节点

CREATE (u:User {id: 1, name: "张三", age: 25})
RETURN u

RETURN 不是必须的，但不加就看不到你刚造出来的点。

批量创建：多个节点同时插入

CREATE (u1:User {name: "李四", age: 28}),
       (u2:User {name: "王五", age: 23})
RETURN u1, u2

级联创建：节点和关系一步到位

CREATE (u1:User {name: "赵六", age: 27})-[b:BUY {price: 999}]->(p:Product {name: "耳机", brand: "Sony"})
RETURN u1, b, p

这种模式在一个事务中完成创建：创建人、创建商品、同时建立购买关系。如果其中任何一步失败，整个操作回滚，保证数据一致性。这是 Neo4j 完全支持 ACID 事务的结果。

链式创建多跳关系

CREATE (u1:User {name: "小红"})-[f:朋友]->(u2:User {name: "小明"})-[c:同事]->(u3:User {name: "小强"})
RETURN *

RETURN * 返回查询中所有涉及的节点和关系。

4.2 查询数据

查找所有数据

MATCH (n) RETURN n

适合开发环境做验证，生产环境千万别用（会拉取全库，导致 OOM）。

条件查找

MATCH (u:User) 
WHERE u.age > 25 
RETURN u.name, u.age 
ORDER BY u.age DESC 
LIMIT 5

关系查找

// 查找所有认识关系，并返回两端的人名和认识年份
MATCH (p1:Person)-[r:KNOWS]->(p2:Person)
RETURN p1.name, p2.name, r.since

多跳关系——两度关系（朋友的朋友）

MATCH (p1:Person {name: "张三"})-[:KNOWS]->(p2:Person)-[:KNOWS]->(p3:Person)
RETURN p3.name AS secondDegreeFriend

共同好友查询（这是图数据库的经典能力）

MATCH (p1:Person {name: "张三"})-[:KNOWS]-(common:Person)-[:KNOWS]-(p2:Person {name: "李四"})
RETURN common.name AS commonFriend

这个查询的含义是：先找到张三的所有朋友，再找到李四的所有朋友，取出交集。在 MySQL 里需要嵌套两个集合查询，在 Cypher 里三步就走完——“张三-朋友-张三的朋友-朋友-李四”，中间的 common 就是他们要找的人。

4.3 路径的高级查询

这是 Neo4j 的杀手级功能。

查找最短路径

MATCH p = shortestPath((alice:Person {name: "爱丽丝"})-[*]-(bob:Person {name: "鲍勃"}))
RETURN p

[*] 表示任意长度、任意类型的关系。Neo4j 返回爱丽丝到鲍勃的最短路径，应用在地铁换乘、社交好友最短联系、疾病传播追溯等场景，一行代码搞定。

按最大长度查找路径

MATCH (alice:Person {name: "爱丽丝"})-[:KNOWS*..4]-(connected)
RETURN DISTINCT connected.name

KNOWS*..4 表示仅考虑 KNOWS 类型的关系，最大长度为 4 跳。DISTINCT 去重。

查找所有最短路径

MATCH p = allShortestPaths((a:Location {name: "A站"})-[*]-(b:Location {name: "B站"}))
RETURN p

allShortestPaths 返回所有等长的最短路径，不单单是任意一条。

4.4 更新数据

更新节点属性

MATCH (u:User {name: "张三"})
SET u.age = 26, u.updated_at = datetime()
RETURN u

datetime() 返回当前时间戳，类型为 DateTime。

给关系增加属性

MATCH (u:User {name: "张三"})-[r:KNOWS]-(friend)
SET r.meeting_place = "北京"

这里关系搜索没有箭头 > <，匹配双向的认识关系。

4.5 删除数据

删除关系但保留节点

MATCH (u:User {name: "张三"})-[r:KNOWS]-(friend)
DELETE r

删除节点及所有关联的关系（重点）

MATCH (u:User {name: "王五"})
DETACH DELETE u

DETACH DELETE 会先自动删除节点上的所有关系，再删除节点。如果直接使用 DELETE 去删一个带关系的节点，Neo4j 会报错。

清空整个数据库（慎用，操作前先备份数据）

MATCH (n)
DETACH DELETE n

五、给大家的建议

• 查询前先预览：不确定要删什么的时候，先 MATCH (n) 不写 DELETE，看看结果对不对。
• 锁定范围：在大图里一定要加 WHERE 限定标签，否则一个查询可能导致内存飙升。
• 分页 LIMIT：返回节点很多时，先用 RETURN ... LIMIT 20 看预览。
• SHORTEST** 路径查询**：在 Neo4j 5.21 之后推荐用 SHORTEST 1 语法，不用再用 shortestPath() 函数了。

六、Spring Boot 集成

作为 Java 后端，你肯定不想每次都在网页里敲命令。接下来教你把 Neo4j 能力用到自己的业务系统中。

6.1 引入依赖

<dependency>
    <groupId>org.springframework.boot</groupId>
    <artifactId>spring-boot-starter-data-neo4j</artifactId>
</dependency>

6.2 配置 YAML

spring:
  data:
    neo4j:
      uri: bolt://localhost:7687
      authentication:
        username: neo4j
        password: 你的密码

6.3 映射实体（@Node）

import org.springframework.data.neo4j.core.schema.*;

@Data
@Node("Person")  // 标签名
publicclass Person {
    @Id
    @GeneratedValue
    private Long id;
    
    private String name;
    private Integer age;
    
    @Relationship(type = "KNOWS", direction = Relationship.Direction.OUTGOING)
    private Set<Person> friends;
}

@Relationship 告诉 Spring Data Neo4j：当前节点通过 KNOWS 关系指向 friends 集合里的其他 Person 节点。

6.4 写 Repository

import org.springframework.data.neo4j.repository.*;
import org.springframework.data.repository.query.Param;

@Repository
public interface PersonRepository extends Neo4jRepository<Person, Long> {
    
    // 按名字查找
    Optional<Person> findByName(String name);
    
    // 自定义 Cypher 查询：查找共同好友
    @Query("MATCH (p1:Person {name: $name1})-[:KNOWS]-(common)-[:KNOWS]-(p2:Person {name: $name2}) RETURN common")
    List<Person> findCommonFriends(@Param("name1") String name1, @Param("name2") String name2);
}

6.5 在 Service 里调用

@Service
publicclass SocialService {
    
    @Autowired
    private PersonRepository personRepository;
    
    public void demo() {
        // 创建新的人
        Person alice = new Person();
        alice.setName("爱丽丝");
        alice.setAge(24);
        personRepository.save(alice);
        
        // 查询共同好友
        List<Person> friends = personRepository.findCommonFriends("张三", "李四");
        System.out.println("共同好友个数：" + friends.size());
    }
}

集成时的两个踩坑点：确保 Spring Boot 版本在 2.5.x 以上，才能获得对 Neo4j 4.4/5.x 的完整支持；生产环境推荐基于 SDN6 的 Java Driver 路线，避免 OGM/嵌入式混搭。

我的新项目：企业智能知识库系统就用到了图数据库Neo4j，效果如下：

可以帮我生成项目中的知识图谱。

七、优缺点

Neo4j 的主要优点

• 关系查询性能极强：得益于原生图存储引擎，关系本身就是一种数据结构，图遍历通过指针完成，在深度关联查询场景下比关系型数据库快几个数量级。
• 建模方式高度直观：模型图跟白板上画的业务图几乎一样，开发和沟通成本大幅降低。
• Cypher 语言简洁：声明式查询语言，接近自然语言的语法，写起来像打字聊天一样轻松。
• 完全 ACID 事务：这是 Neo4j 区别于很多 NoSQL 数据库的核心能力，金融、交易类场景有保障。
• 成熟的工具链和生态：官方提供 Bloom 可视化工具（为分析师定制的无代码图探索工具）、Graph Data Science 库、ETL 工具 Neo4j Connector 等。

需要注意的局限

• 社区版限制较明显：社区版只支持单机部署，没有高可用、备份、集群能力。企业版按 CPU 核心数计费。
• 内存消耗大：全量数据需要在内存中缓存才能获得最佳性能。
• 水平扩展能力相对受限：超大规模图（百亿级边以上）需要考虑分布式图数据库。
• 写入性能低于关系数据库：维护图结构的开销比写入 MySQL 要高。

八、适用场景一图看懂

结合不同行业的最佳实践经验，我把 Neo4j 最擅长的应用场景整理成了一张图，对照着看更清晰：

每个场景都指向一个核心能力——深度关系遍历。如果你的业务需要“把链条绕几圈再找答案”，Neo4j 就对了。