零基础入门图数据库Neo4j，助力大模型+知识图谱开发！

本文详细介绍图数据库Neo4j的安装、配置与使用，包括OS部署和Docker两种方式，系统讲解Cypher语言的节点、关系、路径操作，以及高级查询技巧如过滤、排序、聚合和子查询。文章还介绍如何使用Python访问Neo4j，以及Java和Python生态中的ORM框架选择，为构建大模型与知识图谱应用提供技术基础。

程序员小猴紫

221人浏览 · 2025-11-25 10:59:26

程序员小猴紫 · 2025-11-25 10:59:26 发布

第 1 章简介

**图数据库（Graph Database）**是一种以图结构为基础进行数据存储与查询的数据库。与传统的关系型数据库通过表格和主外键进行建模不同，图数据库使用节点（Nodes）和关系（Relationships）直接表示实体及其之间的连接，更加自然地映射现实世界中的关联结构，特别适用于处理复杂的连接型数据。

Neo4j 是目前最流行和成熟的图数据库之一，由 Neo4j 公司使用 Java 开发。它采用原生图存储与查询引擎，广泛应用于社交网络、推荐系统、知识图谱、反欺诈分析、网络安全等领域，是构建基于连接关系应用的强大平台。

官方控制台https://console-preview.neo4j.io/instance-created
开发者中心
https://neo4j.com/deployment-center/
中文文档https://neo4j.ac.cn/docs/

第 2 章安装

2.1 安装方式概览

Neo4j 提供了多种安装方式，以适应不同的开发和部署需求，主要包括以下三种：

Neo4j Desktop

本地可视化工具，适合开发者使用，界面友好，支持多项目管理，适用于学习、测试和原型开发。

OS Deployment

通过系统安装包部署，适用于生产环境，具备更高的灵活性和控制力，适合有一定技术基础的用户。

Neo4j Aura

官方提供的全托管云数据库服务，免安装、免运维，开箱即用，适合快速上线项目或对云优先策略有需求的用户。

2.2OS Deployment

本教程选用OS Deployment方式，部署环境为Windows系统，Neo4j版本为5.26（LTS）。

2.2.1 安装JDK

Neo4j的运行需要Java环境，根据官方文档要求，5.26（LTS）版本的Neo4j需要安装JDK17或者JDK21。JDK的安装包可从Oracle官网下载（需注册账号并登录），或者直接从课程资料中获取。

获取安装包后，双击安装包进行安装即可。安装完毕后，可在终端执行java --version 命令检查是否安装成功，若成功，则会输出版本信息。

2.2.2 安装包-安装Neo4j

**1）**获取安装包

Neo4j有企业版（付费）和社区版（免费）供用户选择，本课程使用社区版。安装包可从Neo4j官网下载，或者直接从课程资料中获取。

**2）**配置环境变量

安装包获取后，须手动解压到安装目录，并添加环境变量NEO4J_HOME，路径指向 bin 的上一级路径，然后再在 PATH环境变量下添加%NEO4J_HOME%\bin。操作完成后可在终端执行neo4j --version 命令，如果输出版本信息，则说明操作成功。

3）安装neo4j service

执行如下命令，可将eno4j作为系统服务进行安装。

neo4j windows-service install

4）启动neo4j

初次启动，需执行如下命令，后续会开机自启。

neo4j start

5）访问web****页面

启动成功后，neo4j会提供一个web页面作为客户端，访问地址为http://localhost:7474/browser，初始用户名和密码均为neo4j。初次登录需要修改密码。

# 我是 docker 安装的
docker run \
--restart always \
--publish=7474:7474 --publish=7687:7687 \
--env NEO4J_AUTH=neo4j/neo4jneo4j \
--volume=/Users/javastarboy/volume/neo4j \
neo4j:5.26

初始用户名密码 neo4j 【docker 安装的时候可以直接指定密码】，第一次登录会提示你修改密码。

登录成功

点击 Let`s go：

然后输入用户名密码进入客户端

2.2.3 Docker 安装

用户可以访问如下链接下载适用于 macOS、Windows 和 Linux 操作系统的 Docker。DockerHub托管着官方的 Neo4j 镜像，该镜像提供了适用于各种版本的 Neo4j 社区版和企业版的标准、即用型软件包。

快速开始：

https://www.docker.com/get-started/
Neo4j 镜像：
https://hub.docker.com/_/neo4j
官方教程
https://neo4j.com/docs/operations-manual/current/docker/introduction/

2.2.3.1 获取 Neo4j 映像

Neo4j 镜像的变体根据社区版/企业版以及用作基础镜像的操作系统进行标记。

Neo4j 版本

社区版和企业版均支持标签功能。

企业版标签会在版本号后添加-enterprise后缀

例如：neo4j:2025.10.1-enterprise
最新的 Neo4j 企业版发布版本为neo4j:enterprise

社区版标签没有后缀，

例如neo4j:2025.10.1

Neo4j 企业版许可证

要使用 Neo4j 企业版，您必须通过设置环境变量来接受许可协议

NEO4J_ACCEPT_LICENSE_AGREEMENT=yes。

可以使用“联系 Neo4j”表格发送电子邮件咨询。

更多信息请访问

https 😕/neo4j.com/licensing/

2.2.3.2 基础操作系统

Neo4j 镜像可以作为基础镜像使用

debian:bullseye-slim，也redhat/ubi9-minimal:latest可以作为基础镜像使用。默认值为debian:bullseye-slim。

如果您不确定要使用哪个基础图像，或者没有偏好，则只需使用默认值即可

neo4j:2025.10.1。

要指定要使用的基础图像，图像标签可以选择性地带有-bullseye或-ubi9后缀。例如：

neo4j:2025.10.1-bullseye            # debian 11 community
neo4j:2025.10.1-enterprise-bullseye # debian 11 enterprise
neo4j:2025.10.1-ubi9              # redhat UBI9 community
neo4j:2025.10.1-enterprise-ubi9   # redhat UBI9 enterprise
neo4j:2025.10.1                   # debian 11 community
neo4j:2025.10.1-enterprise        # debian 11 enterprise

Red Hat UBI9 变体镜像仅适用于 Neo4j 5.17.0 及更高版本。对于更早的 Neo4j 版本，请勿指定基础镜像。

2.2.3.3 使用 Neo4j Docker 镜像

您可以使用以下命令启动 Neo4j 容器。请注意，此 Neo4j 容器在重启后不会保留数据，并且将使用默认的用户名/密码。

docker run \
--restart always \
--publish=7474:7474 --publish=7687:7687 \
neo4j:2025.10.1

您可以通过在 Web 浏览器中打开**http://localhost:7474/（Neo4j 的浏览器界面）来试用您的 Neo4j 容器。默认情况下，Neo4j 需要身份验证，并在首次连接时提示您使用用户名/密码登录neo4j/neo4j。之后，系统会提示您设置新密码。

默认密码最小长度为 8 个字符。

使用 dbms.security.auth_minimum_password_length 配置设置更改默认最小值。

以下各节提供了有关如何设置初始密码、配置 Neo4j 以在重启之间持久化数据以及使用 Neo4j Docker 镜像的更多信息。

如果你也想通过学大模型技术去帮助就业和转行，可以扫描下方链接👇👇
大模型重磅福利：入门进阶全套104G学习资源包免费分享！

在这里插入图片描述

2.2.3.4 重启后数据仍能保留

此--volume选项会将本地文件夹映射到容器，以便在重启后保留数据。要在容器之间保留数据库内容，请/data在启动容器时将卷挂载到该目录：

docker run \
--restart always \
--publish=7474:7474 --publish=7687:7687 \
--env NEO4J_AUTH=neo4j/your_password \
--volume=/path/to/your/data:/data \
neo4j:2025.10.1
# 例如，我本地的启动命令（mac）
docker run \
--restart always \
--publish=7474:7474 --publish=7687:7687 \
--env NEO4J_AUTH=neo4j/neo4jneo4j \
--env TZ=Asia/Shanghai \
--volume=/Users/javastarboy/volume/neo4j \
--name neo4j \
neo4j:5.26

🎯 要挂载的文件夹必须在启动 Docker之前存在，否则，由于权限错误，Neo4j 将无法启动。

有关挂载卷的更多信息，请参阅使用 Docker 卷持久化数据。

2.2.3.5 用于`NEO4J_AUTH`设置初始密码

NEO4J_AUTH在 Docker 容器中使用 Neo4j 时，您可以通过在运行指令中指定参数来直接设置数据库的初始密码：

docker run \
--restart always \
--publish=7474:7474 --publish=7687:7687 \
--env NEO4J_AUTH=neo4j/your_password \
neo4j:2025.10.1

或者，您可以通过指定NEO4J_AUTH以下方式禁用身份验证none：

--env NEO4J_AUTH=none

请注意，目前无法更改初始用户名neo4j。

此设置NEO4J_AUTH不会覆盖现有的身份验证。

如果您已挂载包含现有数据库的/dataNEO4J_AUTH卷，则此设置将无效，因为该数据库已配置身份验证。Neo4j Docker 服务将启动，但您需要使用已与数据库关联的用户名和密码才能登录。

2.2.3.6 实用`docker run`选项

下表列出了一些可用的选项：

该--restart always选项设置 Neo4j 容器（以及 Neo4j）在 Docker 守护进程重启时自动重启。

如果您不再希望容器在机器启动时自动启动，可以使用标志禁用此设置no，例如：docker update --restart=no <containerID>。
有关 Docker 重启策略的更多信息，请参阅Docker 官方文档。

2.2.3.7 Neo4j Docker 镜像的离线安装

Docker 提供了一个docker save命令，可以将镜像下载到.tar软件包中，以便离线使用或传输到没有互联网访问权限的机器。

这是一个将neo4j:2025.10.1图像保存到.tar文件的示例命令：

docker save -o neo4j-2025.10.1.tar neo4j:2025.10.1

.tar要从docker 创建的文件中加载 Docker 镜像docker save，请使用以下docker load命令。例如：

docker load --input neo4j-2025.10.1.tar

有关使用 docker save`anddocker load`命令的完整说明，请参阅：

官方docker save文件。
官方docker load文件。

2.2.3.8 docker-compose.yml

version: '3' # Docker Compose 文件的版本，3 代表使用的语法版本
services: # 定义服务
neo4j:
image: neo4j:5.19.0-community # 使用的 Neo4j Docker 镜像和版本（社区版）
container_name: neo4j  # 容器名称，方便识别和管理
restart: always  # 设置重启策略，表示当容器异常停止时总是重新启动
environment: # 配置环境变量
- TZ=Asia/Shanghai # 设置容器的时区为亚洲/上海
#      - NEO4J_AUTH=none # 禁用密码，方便开发测试（不推荐用于生产环境）
#      - NEO4J_AUTH=neo4j/0123456789 # 修改默认用户密码为 neo4j/neo4j，Neo4j 5.9.0 版本要求密码必须足够长，不然启动失败
ports: # 映射容器端口到主机端口
- "7474:7474" # 将容器的 7474 端口映射到主机的 7474 端口，用于 HTTP 访问 Neo4j
- "7687:7687" # 将容器的 7687 端口映射到主机的 7687 端口，用于 Bolt 协议访问 Neo4j
volumes: # 映射主机的目录到容器内的目录，持久化数据
# 将主机的 ./neo4j/data 目录映射到容器的 /data 目录，保存数据库的数据文件
- ./neo4j/data:/data
# 将主机的 ./neo4j/logs 目录映射到容器的 /var/lib/neo4j/logs，保存日志文件
- ./neo4j/logs:/var/lib/neo4j/logs
# 可以将主机的 ./neo4j/import 目录映射到容器的 /var/lib/neo4j/import，方便导入数据
#      - ./neo4j/import:/var/lib/neo4j/import
# 将主机的 ./neo4j/plugins 目录映射到容器的 /plugins，添加 Neo4j 插件
#      - ./neo4j/plugins:/plugins

第 3 章 Cypher语言基础

3.1 概述

Cypher 是 Neo4j 图数据库专用的查询语言，其语法直观清晰，设计风格与 SQL 类似，专门用于高效处理图数据。它通过高度可读的声明式语法，简化了图数据的创建、查询、更新与删除（CRUD）操作，尤其擅长表达复杂的图模式匹配。

除了基础操作，Cypher 还支持子查询、聚合计算、条件过滤以及集合操作等高级功能，是图数据库领域最核心的查询工具之一。

3.2 图数据模型

Cypher 基于 Neo4j 的图数据模型进行设计，该模型由以下三种基本元素组成：

节点（Node）

节点代表图中的实体对象，如“人”、“公司”、“电影”等。每个节点：

拥有一个或多个标签（Labels）（可选）
包含若干属性（Properties）（可选）

如下图所示：

Cypher中用**( )**声明一个节点，具体语法如下图所示：

关系（Relationship）

关系用于连接两个节点，表示它们之间的有向连接，如“人电影”，“人电影”。每个关系：

拥有一个类型（Type）（必须）
包含若干个属性（Propertie）（可选）

如下图所示：

Cypher中用 **-[ ]->**声明一个关系，具体语法如下图所示：

路径（Path）

路径是由一系列节点和关系连接构成的结构，代表图中实体间的关联链条，是图查询的核心。

3.3 写入节点

效果就不挨个截图了，在第 6 张截图几个示例

在 Cypher 中，使用 CREATE 语句创建图中的节点。每个节点可以携带一个或多个标签（如 Person、Actor）和一组属性（如 name、gender），这些标签和属性用来标识节点的类型和具体信息。

CREATE (n1:Person:Actor:Director {name: '王宝强', gender: '男'})
CREATE (n2:Movie {title: '唐探1900', released: '2025-01-29'})

3.4 查询节点

在Cypher 中，使用 MATCH 语句可以查找图中的节点。但实际上，MATCH 的作用不仅仅是“查询节点”，它的本质是匹配图中符合特定结构（Pattern）的数据。

所谓结构（Pattern），是由节点、关系、路径等组成的图形模板。通过在 MATCH 中描述这个结构，我们可以匹配到图中已有的节点、关系或路径等信息。

查询所有节点

MATCH (n)RETURN n

按标签筛选特定的节点

MATCH(n:Person)RETURN n

按标签和属性筛选特定的节点

MATCH (n:Person {name: '王宝强'})RETURN n;

3.5 写入关系

通过CREATE 语句也可以在两个节点之间创建关系。关系必须指定类型，也可以带上属性（例如角色名），用来表示两个实体之间的具体连接方式。

MATCH (n1:Person {name: '王宝强'}), (n2:Movie {title: '唐探1900'})
CREATE (n1)-[:ACTED_IN {role: '阿鬼'}]->(n2)

3.6 查询关系

在Cypher 中，使用 MATCH 可以查找图中节点之间的关系。就像查询节点一样，我们通过编写一个图结构模式（pattern）来描述希望匹配的关系结构。

关系模式通常包括起始节点、关系方向和类型、以及目标节点。Cypher 会根据这个结构，从图中找出所有符合条件的关系。

MATCH (n1:Person {name: '王宝强'})-[r]->(n2:Movie {title: '唐探1900'})
RETURN r

3.7 写入路径

在Cypher 中，除了可以分别创建节点和关系，还可以通过一条语句同时创建多个节点和它们之间的连接关系，即写入一条完整的路径。

路径结构由节点( ) 和关系 -[ ]-> 组合而成，语法直观，能够更高效地表达图中的连接数据。

CREATE
(n1:Person:Actor:Singer {name: '刘德华', gender: '男'})-
[:ACTED_IN {roles: ['刘建明']}]->
(n2:Movie {title: '无间道', released: '2002-12-12'})

3.8 查询路径

使用MATCH 语句也可以查询图中的完整路径结构，返回由多个节点和关系组成的连接链条。在 Cypher 中，可以使用变量（如 path）来表示路径。

MATCH path = (n1:Person)-[r:ACTED_IN]->(n2:Movie)
RETURN path

3.9 修改数据

在 Cypher 中，可以使用 SET 和 REMOVE 对图中的节点或关系进行修改。SET 用于添加或更新属性，也可以为节点添加新的标签；REMOVE 用于删除属性或移除已有的标签。

为节点添加属性和标签

MATCH (n1:Person {name: '王宝强'})
SET n1.birth = '1984-05-29', n1: Singer

为关系删除和添加属性

MATCH (n1:Person {name: '王宝强'})-[r:ACTED_IN]->(n2:Movie {title: '唐探1900'})
REMOVE r.role
SET r.roles = ['阿鬼']

3.10删除数据

使用 DELETE 可以删除节点和关系。在执行删除操作前，通常需要先通过 MATCH 找到对应的节点和关系。如果一个节点还有未删除的关系，必须先删除关系，才能成功删除该节点。

MATCH (n1:Person {name: '王宝强'})-[r:ACTED_IN]->(n2:Movie {title: '唐探1900'})
DELETE n1, r, n2

3.11合并操作

Merge（合并）操作相当于Match和Create操作的一个组合，其会先匹配目标节点或关系是否存在，如果不存在，则创建目标节点，如果存在则不执行任何操作。

MERGE 节点

// Merge电影节点
MERGE (n2:Movie {title: '唐探1900', released: '2025-01-29'});
// Merge演员节点
MERGE (n1:Person:Actor:Director {name: '王宝强', gender: '男'})
ON CREATE SET n1.create_time = datetime() // 创建时设置创建时间（可选操作）
ON MATCH SET n1.update_time = datetime() // 匹配时设置更新时间（可选操作）

MERGE 关系

// Merge关系
MERGE (n1:Person {name: '王宝强'})-[r:ACTED_IN {roles: ['阿鬼']}]->(n2:Movie {title: '唐探1900'})

第 4 章 Cypher数据类型

Cypher 支持丰富的数据类型，以满足图数据存储与查询的多样化需求。Cypher 中的值可以作为节点或关系的属性，也可用于查询条件、函数参数或返回结果。

4.1 基本数据类型

4.2 复合数据类型

第 5 章 Cypher函数

Cypher 提供了丰富的内置函数，用于处理字符串、数值、集合、日期时间、布尔值等类型的数据。

5.1 字符串函数

用于对字符串进行格式化、截取、替换等常见操作，便于对文本属性进行处理和筛选。

5.2 数学函数

提供基础的数学计算功能，如绝对值、四舍五入、取整、开方和生成随机数等。

5.3 集合函数

用于处理列表数据结构，支持统计长度、获取首尾元素以及判断元素是否存在等操作。

5.4 日期时间函数

用于获取当前的日期、时间或完整的时间戳，常用于记录数据创建和修改的时间点。

第 6 章 Cypher高级查询

Cypher 支持多种高级查询功能，用于增强数据筛选、排序、分页、统计、合并等能力，帮助我们更灵活地从图中提取和处理数据。本章将介绍 MATCH 语句常用的组合方式与增强用法。

6.1 数据准备

为了更好地理解 Cypher 的高级查询功能，我们需要在图数据库中预先构建一套示例数据集。该数据集围绕“人物-电影”构建图模型，模拟了导演、演员、电影之间的真实关系，并引入社交网络中的“关注”关系。数据模型如下图所示：

// =======================
// 清空旧数据
// =======================
MATCH (n) DETACH DELETE n;
// =======================
// 创建人物节点（9人）
// =======================
CREATE
(:Person {name:'张艺谋', birth:'1951-11-14'}),
(:Person {name:'陈凯歌', birth:'1952-08-12'}),
(:Person {name:'巩俐', birth:'1965-12-31'}),
(:Person {name:'葛优', birth:'1957-04-19'}),
(:Person {name:'章子怡', birth:'1979-02-09'}),
(:Person {name:'刘德华', birth:'1961-09-27'}),
(:Person {name:'吴京', birth:'1974-04-03'}),
(:Person {name:'贾玲', birth:'1982-04-29'}),
(:Person {name:'郭帆', birth:'1980-12-15'});
// =======================
// 创建电影节点（10部）
// =======================
CREATE
(:Movie {title:'红高粱', year:1987, rating:8.4, genre:['文艺','历史']}),
(:Movie {title:'活着', year:1994, rating:9.2, genre:['剧情','历史']}),
(:Movie {title:'霸王别姬', year:1993, rating:9.6, genre:['剧情','爱情']}),
(:Movie {title:'英雄', year:2002, rating:7.5, genre:['动作','武侠']}),
(:Movie {title:'无间道', year:2002, rating:9.1, genre:['犯罪','悬疑']}),
(:Movie {title:'一代宗师', year:2013, rating:8.0, genre:['动作','传记']}),
(:Movie {title:'流浪地球', year:2019, rating:8.5, genre:['科幻','灾难']}),
(:Movie {title:'战狼2', year:2017, rating:7.1, genre:['动作','军事']}),
(:Movie {title:'你好，李焕英', year:2021, rating:7.7, genre:['喜剧','家庭']}),
(:Movie {title:'满江红', year:2023, rating:7.2, genre:['悬疑','历史']});
// =======================
// 创建导演关系（9条）
// =======================
MATCH
(zhang:Person {name:'张艺谋'}),
(chen:Person {name:'陈凯歌'}),
(liu:Person {name:'刘德华'}),
(wu:Person {name:'吴京'}),
(jia:Person {name:'贾玲'}),
(guo:Person {name:'郭帆'}),
(m1:Movie {title:'红高粱'}),
(m2:Movie {title:'活着'}),
(m3:Movie {title:'霸王别姬'}),
(m4:Movie {title:'英雄'}),
(m5:Movie {title:'无间道'}),
(m6:Movie {title:'战狼2'}),
(m7:Movie {title:'你好，李焕英'}),
(m8:Movie {title:'流浪地球'}),
(m9:Movie {title:'满江红'})
CREATE
(zhang)-[:DIRECTED {award:true}]->(m1),
(zhang)-[:DIRECTED {award:true}]->(m2),
(zhang)-[:DIRECTED {award:false}]->(m4),
(zhang)-[:DIRECTED {award:false}]->(m9),
(chen)-[:DIRECTED {award:true}]->(m3),
(liu)-[:DIRECTED {award:false}]->(m5),
(wu)-[:DIRECTED {award:false}]->(m6),
(jia)-[:DIRECTED {award:true}]->(m7),
(guo)-[:DIRECTED {award:true}]->(m8);
// =======================
// 创建参演关系（11条）
// =======================
MATCH
(gong:Person {name:'巩俐'}), (ge:Person {name:'葛优'}),
(zhangyi:Person {name:'章子怡'}), (liu:Person {name:'刘德华'}),
(wu:Person {name:'吴京'}), (zhang:Person {name:'张艺谋'}),
(jia:Person {name:'贾玲'}),
(m1:Movie {title:'红高粱'}), (m2:Movie {title:'活着'}),
(m3:Movie {title:'霸王别姬'}), (m4:Movie {title:'英雄'}),
(m5:Movie {title:'无间道'}), (m6:Movie {title:'流浪地球'}),
(m7:Movie {title:'满江红'}), (m8:Movie {title:'战狼2'}),
(m9:Movie {title:'你好，李焕英'})
CREATE
(gong)-[:ACTED_IN {role:'九儿', award:true}]->(m1),
(gong)-[:ACTED_IN {role:'家珍', award:false}]->(m2),
(ge)-[:ACTED_IN {role:'福贵', award:true}]->(m2),
(ge)-[:ACTED_IN {role:'袁四爷', award:false}]->(m3),
(zhangyi)-[:ACTED_IN {role:'如月', award:false}]->(m4),
(zhangyi)-[:ACTED_IN {role:'宫二', award:true}]->(m7),
(liu)-[:ACTED_IN {role:'刘建明', award:false}]->(m5),
(wu)-[:ACTED_IN {role:'刘培强', award:true}]->(m6),
(zhang)-[:ACTED_IN {role:'秦桧', award:false}]->(m7),
(wu)-[:ACTED_IN {role:'冷锋', award:true}]->(m8),
(jia)-[:ACTED_IN {role:'贾晓玲', award:true}]->(m9);
// =======================
// 创建关注关系（11条）
// =======================
MATCH
(gong:Person {name:'巩俐'}), (zhang:Person {name:'张艺谋'}),
(zhangyi:Person {name:'章子怡'}), (chen:Person {name:'陈凯歌'}),
(ge:Person {name:'葛优'}), (liu:Person {name:'刘德华'}),
(wu:Person {name:'吴京'}), (jia:Person {name:'贾玲'}),
(guo:Person {name:'郭帆'})
CREATE
(gong)-[:FOLLOWS]->(zhang),
(zhangyi)-[:FOLLOWS]->(zhang),
(zhang)-[:FOLLOWS]->(chen),
(ge)-[:FOLLOWS]->(chen),
(liu)-[:FOLLOWS]->(zhang),
(gong)-[:FOLLOWS]->(zhangyi),
(wu)-[:FOLLOWS]->(zhang),
(jia)-[:FOLLOWS]->(zhang),
(guo)-[:FOLLOWS]->(zhang),
(liu)-[:FOLLOWS]->(wu),
(zhang)-[:FOLLOWS]->(guo);

如果你也想通过学大模型技术去帮助就业和转行，可以扫描下方链接👇👇
大模型重磅福利：入门进阶全套104G学习资源包免费分享！

6.2 过滤

在图查询中，我们不仅要匹配（MATCH）图结构（节点和关系），还需要筛选符合特定条件的数据。Cypher 使用 WHERE 子句来实现数据过滤功能，它可以应用于节点、关系的属性，支持函数、布尔逻辑、列表判断等多种表达式。

6.2.1 基本比较运算符

WHERE 子句支持多种比较运算符，如 =, <>, <, >, <=, >=。

示例：查询出生在1970 年之后的演员

MATCH (p:Person)WHERE p.birth > '1970-01-01'RETURN p.name, p.birth

6.2.2 多条件组合

可以通过AND 和 OR 组合多个判断条件，构建复杂的过滤逻辑。

示例：查询评分高于 8 且年份早于 2000 年的电影

MATCH (m:Movie)WHERE m.rating > 8.0 AND m.year < 2000RETURN m.title, m.year, m.rating

6.2.3 集合包含

IN 操作用于判断某个值是否包含在一个列表中。

示例：查找类型包含“历史”的电影

MATCH (m:Movie)WHERE '历史' IN m.genreRETURN m.title, m.genre

6.2.4 字符串匹配

可使用CONTAINS、STARTS WITH、END_WITH操作进行字符串匹配，适用于文本类型的属性，支持模糊或前缀匹配。

示例：查询名字中包含“张”的人物

MATCH (p:Person)WHERE p.name CONTAINS '张'RETURN p.name

6.2.5 空值判断

可使用IS NULL / IS NOT NULL进行空值判断，用于判断属性是否存在或为空，特别适用于数据完整性筛选。

MATCH (p:Person)WHERE p.birth IS NULLRETURN p.name

6.3 排序

在图查询中，当我们需要对结果集按某种规则进行升序或降序排列时，可以使用Cypher 的 ORDER BY 子句。它类似于 SQL 中的排序功能，常与 RETURN 一起使用，适用于数值、字符串、日期等属性字段。

ORDER BY字句默认使用升序（ASC），也可以显式指定为 DESC（降序）。

示例：按电影评分从高到低排序

MATCH (m:Movie)RETURN m.title, m.ratingORDER BY m.rating DESC

6.4 分页

在实际应用中，返回的数据量往往较大，不适合一次性展示或处理。为此，Cypher 提供了 SKIP 和 LIMIT 子句，用于对查询结果进行分页控制，非常适用于构建分页查询接口或分批处理数据。

6.4.1 使用 LIMIT 限制返回数量

LIMITn 表示最多返回前 n 条结果，用于快速查看或测试数据。

示例：返回评分最高的前 3 部电影

MATCH (m:Movie)RETURN m.title, m.ratingORDER BY m.rating DESCLIMIT 3

6.4.2 使用 SKIP 跳过指定数量

SKIP n 表示跳过前 n 条记录，通常与 LIMIT 搭配实现分页功能。

示例：跳过前 5 条，返回第 6~10 条电影

MATCH (m:Movie)RETURN m.title, m.yearORDER BY m.year DESCSKIP 5LIMIT 5

6.5 聚合

Cypher 提供了多种聚合函数，用于对图数据进行计数、求平均、求最大最小值、聚合列表等统计分析。当 RETURN 中同时包含聚合函数和非聚合字段时，Cypher 会自动按照非聚合字段进行分组，无需显式使用 SQL 中的 GROUP BY 关键字。

6.5.1 数值类聚合

这类函数用于对数值属性进行处理，支持统计数量count()、平均值avg()、总和sum()、最大值max()和最小值min()等操作。

示例：统计演员总数（去重）

MATCH (p:Person)-[:ACTED_IN]->()RETURN count(DISTINCT p) AS 演员人数

示例：每位演员参演电影数量

MATCH (p:Person)-[:ACTED_IN]->(m:Movie)RETURN p.name, count(m) AS 参演电影数

6.5.2 列表类聚合

collect() 函数可以将多个结果合并为一个列表，常用于归集某一实体关联的多个对象或属性值。

示例：每位导演的作品名称列表

MATCH (p:Person)-[:DIRECTED]->(m:Movie)RETURN p.name, collect(m.title) AS 导演作品

6.6 联合查询

在图查询中，我们有时需要将多个字段类型相同的查询结果合并为一个统一结果集。Cypher 提供了 UNION 和 UNION ALL 语句来实现这一功能，类似于 SQL 中的联合查询。

UNION：合并结果并自动去重

UNION ALL：合并结果但保留重复项

使用UNION和UNION ALL 时，各个查询的 RETURN 字段数量和类型必须保持一致。

示例：查询“张艺谋”导演和参演的电影

MATCH (p:Person {name:'张艺谋'})-[:DIRECTED]->(m:Movie)
RETURN m.title AS title, '导演' AS role
UNION
MATCH (p:Person {name:'张艺谋'})-[:ACTED_IN]->(m:Movie)
RETURN m.title AS title, '演员' AS role

6.7 子查询

Cypher 中的子查询使用 CALL (变量) {} 定义，用于执行独立的匹配、过滤或聚合操作。子查询对每一行输入数据执行一次，其返回的变量可在主查询中继续使用。

示例：每位导演评分最高的电影

MATCH (p:Person)-[:DIRECTED]->()
WITH DISTINCT p
CALL (p) {
MATCH (p)-[:DIRECTED]->(m:Movie)
RETURN m.title AS title, m.rating AS rating
ORDER BY rating DESC
LIMIT 1
}
RETURN p.name AS 导演, title AS 最高评分作品, rating AS 评分

说明：

在这个查询中，WITH 子句的使用起到了关键作用。它是 Cypher 中用于中间结果传递的重要语句，用法上与 RETURN 非常相似，语法格式也几乎相同。

WITH 和 RETURN 的唯一区别在于：

WITH 将结果传递给下一阶段查询
RETURN 则用于输出最终结果。

本示例中的 WITH DISTINCT p 表示从所有匹配到的导演中只保留唯一的 p，从而避免重复执行子查询。

在子查询部分，CALL § { … } 表示对子查询传入变量 p，并在内部查找该导演执导的所有电影，按评分排序后选出评分最高的一部。子查询返回的 title 和 rating 会传回主查询，与导演姓名一同输出。

6.8 高级模式匹配

在Cypher 查询中，模式匹配是核心功能之一。本节将深入学习节点、关系和路径的高级模式匹配技巧，以实现更精确和灵活的图数据查询。

6.8.1 节点模式匹配

节点的标签用于标识其类型。除了基本的单标签(:Person)或多标签(:Person:Actor)匹配，Cypher 还支持通过标签表达式组合多个标签，以表达更复杂的类型筛选条件。

标签表达式支持以下逻辑运算符：

& 表示同时具备多个标签；
| 表示任意一个标签匹配即可；
! 表示排除某个标签；
括号：用于控制逻辑优先级。

示例：匹配Person或者Movie节点

MATCH (n:(Person|Movie))RETURN n

示例：匹配非Person节点

MATCH (n:(!Person))RETURN n;

6.8.2 关系模式匹配

关系用于描述节点之间的连接类型。除了基础的关系模式，Cypher还支持通过标签（类型）表达式进行组合匹配，以及在不确定方向的情况下进行无向查询。

**1）**标签（类型）表达式

示例：匹配任意一个类型的关系

MATCH (:Person {name: '张艺谋'})-[:ACTED_IN|DIRECTED]->(m:Movie)
RETURN DISTINCT m.title

说明：由于一个关系只能有一个类型，因此对于关系而言，表达式中的&操作无意义。

**2）**无方向关系

默认情况下，关系匹配是有方向的（例如→ 或 ←）。在某些场景中，关系的方向可能不重要，此时可使用无方向关系模式：

示例：查询与巩俐有过合作的人

MATCH path = (p1:Person {name: '巩俐'})-[:ACTED_IN]-(m:Movie)-[:ACTED_IN]-(p2:Person)
RETURN path;

6.8.3 路径模式匹配

在图数据库中，路径用于描述节点之间通过若干关系连接而成的结构。Cypher 提供了强大的路径模式语法，支持指定路径长度范围，可用于匹配固定长度或变长路径。

语法形式如下：

()-[:TYPE]->{n}()      // 恰好 n 跳
()-[:TYPE]->{m,n}()    // m 到 n 跳
()-[:TYPE]->{m,}()     // 至少 m 跳
()-[:TYPE]->{,n}()     // 最多 n 跳

示例：查询张艺谋粉丝的粉丝

MATCH path= (a:Person)-[:FOLLOWS]->{2}(b:Person{name:'张艺谋'})
RETURN path

第 7 章约束

7.1 概述

在图数据库中，为了保持数据的一致性和完整性，我们可以为图中的节点或关系设置约束条件（Constraint）。Neo4j 支持如下几种约束：

属性唯一性约束
属性存在约束（社区版不支持）
属性类型约束（社区版不支持）
键约束（社区版不支持）

7.2 属性唯一约束

7.2.1 概述

Neo4j 中的唯一性约束用于确保某个或某组属性在具有特定标签的所有节点，或具有特定类型的所有关系中具有唯一值。该机制防止重复数据的写入，增强图数据的一致性。

原则说明：

Ø唯一性约束可应用于节点或关系。

Ø如果是多个属性的组合约束，要求这些属性值的组合在图中是唯一的。

Ø当尝试插入违反唯一性的节点或关系时，将抛出错误，阻止写入。

7.2.2 语法

7.2.2.1 创建约束

**1）**节点单属性

要求所有具有特定标签的节点在指定属性上唯一。语法如下

CREATE CONSTRAINT constraint_name
FOR (n:Label)
REQUIRE n.property IS UNIQUE;

**2）**关系单属性

要求所有特定类型的关系在指定属性上唯一。语法如下

CREATE CONSTRAINT constraint_name
FOR ()-[r:REL_TYPE]-()
REQUIRE r.property IS UNIQUE;

3）节点复合属性

要求所有具有特定标签的节点在指定多个属性上唯一。语法如下

CREATE CONSTRAINT constraint_name
FOR (n:Label)
REQUIRE (n.prop1, n.prop2) IS UNIQUE;

4）关系复合属性

CREATE CONSTRAINT constraint_name
FOR ()-[r:REL_TYPE]-()
REQUIRE (r.prop1, r.prop2) IS UNIQUE;

7.2.2.2 查看约束

SHOW CONSTRAINTS;

7.2.2.3 删除约束

DROP CONSTRAINT constraint_name;

7.2.3 案例

设计一个User 节点，其 userId 属性必须唯一。防止系统中出现重复用户标识。

**1）**定义唯一性约束

CREATE CONSTRAINT unique_user_id
FOR (u:User)
REQUIRE u.userId IS UNIQUE;

**2）**正常插入用户节点

插入两个具有不同userId 的用户：

CREATE (u1:User {userId: 'u001', name: 'Alice', email: 'alice@example.com'});
CREATE (u2:User {userId: 'u002', name: 'Bob', email: 'bob@example.com'});

成功插入，未触发约束。

3）尝试插入重复userId

CREATE (u3:User {userId: 'u001', name: 'Charlie', email: 'charlie@example.com'});

执行后，Neo4j 返回错误：

Neo.ClientError.Schema.ConstraintValidationFailed
Node(124) already exists with label `User` and property `userId` = 'u001'

**4）**查看约束

SHOW CONSTRAINTS;

返回结果如下

**5）**删除约束

DROP CONSTRAINT unique_user_id;

第 8 章使用Python访问Neo4j

🎯****官方教程：https://neo4j.ac.cn/docs/python-manual/current/

8.1 安装neo4j驱动

Neo4j Python 驱动程序是通过 Python 应用程序与 Neo4j 实例交互的官方库。安装命令如下：

pip install neo4j

8.2 创建Driver对象

连接Neo4j 的第一步是创建 Driver 对象，它负责管理数据库连接池，是与数据库交互的核心入口。Driver 是不可变的、线程安全的，但创建成本较高，因此在应用中应仅创建一个实例并复用，避免重复创建带来的性能开销。使用完毕后必须关闭 Driver 以释放资源，可以通过显式调用 driver.close() 方法，或使用 with 语句自动管理其生命周期，推荐后者以避免资源泄漏。

示例代码如下：

from neo4j import GraphDatabase
URI = "neo4j://localhost"
AUTH = ("neo4j", "password")
# 通过创建 Driver 对象并提供 URL 和身份验证令牌来连接到数据库
# 获取 Driver 实例后，使用 .verify_connectivity() 方法确保可以建立有效的连接
with GraphDatabase.driver(URI, auth=AUTH) as driver:
driver.verify_connectivity()
print("Connection established.")

8.3 执行Cypher语句

execute_query()是Neo4j Python驱动提供的简洁高效的查询执行方法，适合大多数基础查询场景。

方法签名（只包含常用参数，完整签名可参考官方文档）如下：

execute_query(
query: str,               # 要执行的Cypher查询语句
parameters_: dict = None,  # 查询参数（可选）
database_: str = None,    # 目标数据库（可选，默认为配置的默认数据库）
**kwargs                  # 其他配置选项
) -> EagerResult

参数说明：

返回值：

execute_query() 默认返回一个 EagerResult，是一个命名元组，包含以下组件：

具体案例如下：

from neo4j import GraphDatabase
# 连接配置
URI = "neo4j://localhost:7687"
AUTH = ("neo4j", "Atguigu.123")
# 执行查询
with GraphDatabase.driver(URI, auth=AUTH) as driver:
# 查询某个导演在某个年份之后拍过的电影
records, summary, keys = driver.execute_query(
"""
MATCH (p:Person{name:$name})-[r:DIRECTED]->(m:Movie)
WHERE m.year > $year
RETURN p.name AS director,m.year AS year, m.title AS movie
""",
parameters_={"name": "张艺谋", "year": 1990},
database_="neo4j"
)
# 处理结果
print(f"查询返回了 {len(records)} 条记录")
for record in records:
print(f"{record['director']}在{record['year']}年拍摄了《{record['movie']}》")

第 9 章 Neo4j 的 ORM 与客户端库

🎯 在应用开发中，通过编程语言与 Neo4j 交互时，除了直接使用 Cypher 查询，还可以利用各种客户端库或 ORM（对象关系映射）框架。这些工具能够简化代码编写，提高开发效率。以下分别介绍在 Java 和 Python 生态中的主流选择。

9.1 Java 生态

Java 开发者主要有两种主流选择，一种是与 Spring 生态深度整合的框架，另一种是官方提供的底层驱动。

关键介绍：

首选推荐：对于大多数现代 Java 应用，特别是基于 Spring Boot 的项目，Spring Data Neo4j 是最佳选择。它极大地简化了数据访问层的开发。
核心概念：在 ORM 中，使用 @NodeEntity注解定义实体类，使用 @Relationship注解定义关系。通过继承 Neo4jRepository接口，可以直接获得常用的 CRUD 方法
原生控制：当需要执行复杂 Cypher 查询或对性能有极致要求时，可以直接使用 Neo4j Java Driver，它在提供强大控制力的同时保证了效率。

9.2 Python 生态

Python 生态提供了从官方驱动到高级工具包等多种选择。

关键介绍：

重要提示：在选择 py2neo时需注意，有资料指出其某个历史版本可能不支持 Neo4j 5.x 及以上版本。在选择前，请务必查阅其官方文档以确认与你当前使用的 Neo4j 数据库版本的兼容性
灵活性与性能：py2neo在提供便利性和功能丰富性上表现突出。而 Neo4j Python Driver 则在性能和底层控制上更胜一筹，是许多高性能应用的基础。
开发体验：如果你希望像操作 Django 模型一样来操作图数据，neomodel会提供非常熟悉和舒适的开发体验。

9.3 如何选择

项目架构：若为 Spring Boot 项目，Spring Data Neo4j 是自然之选。对于 Python 中小型项目或脚本，py2neo和 neomodel都能提供很好的开发效率。
团队熟悉度：团队若熟悉 Spring 生态或 Django ORM，可选择对应的框架以降低学习成本。若对 Cypher 很熟悉，直接使用官方驱动也很高效。
性能与控制：对性能有极致要求，或需要进行深度优化时，两个语言的官方驱动都是最可靠的选择。
数据模型复杂度：对于结构固定、模型规范的项目，使用 ORM 优势明显。对于模型灵活、变化频繁的图结构，直接使用 Cypher 配合官方驱动可能更灵活。

10.AI大模型从0到精通全套学习大礼包

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

只要你是真心想学AI大模型，我这份资料就可以无偿共享给你学习。大模型行业确实也需要更多的有志之士加入进来，我也真心希望帮助大家学好这门技术，如果日后有什么学习上的问题，欢迎找我交流，有技术上面的问题，我是很愿意去帮助大家的！

如果你也想通过学大模型技术去帮助就业和转行，可以扫描下方链接👇👇
大模型重磅福利：入门进阶全套104G学习资源包免费分享！

在这里插入图片描述

01.从入门到精通的全套视频教程

包含提示词工程、RAG、Agent等技术点
在这里插入图片描述

02.AI大模型学习路线图（还有视频解说）

全过程AI大模型学习路线

在这里插入图片描述

03.学习电子书籍和技术文档

市面上的大模型书籍确实太多了，这些是我精选出来的

在这里插入图片描述

04.大模型面试题目详解

在这里插入图片描述

05.这些资料真的有用吗?

这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。

所有的视频由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

在这里插入图片描述

智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念‌，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势‌，构建起"前沿课程+智能实训+精准就业"的高效培养体系。

课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事‌！

在这里插入图片描述
如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！

应届毕业生‌：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。

零基础转型‌：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界‌。

业务赋能 ‌突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型‌。

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓
在这里插入图片描述

2048 AI社区

有“AI”的1024 = 2048，欢迎大家加入2048 AI社区

更多推荐

（论文速读）EfficientTrain++: 高效视觉骨干训练的通用课程学习

2048 AI社区

（116页PPT）关于5G智慧工地整体解决方案（附下载方式）

2048 AI社区

RAG实战（七）使用 LlamaIndex + Qwen 微调 BCE 中文嵌入模型

基于本地 PDF 文档，利用 Qwen 大模型自动生成问答对，并微调开源中文嵌入模型 bce-embedding-base_v1，打造适用于特定领域的高精度语义检索系统。：全程使用（Qwen + BCE），无需联网调用 API；完整支持中文场景；适配 LlamaIndex RAG 流程。

2048 AI社区

所有评论(0)

查看更多评论

程序员小猴紫

@m0_74942241

已为社区贡献420条内容

零基础入门图数据库Neo4j，助力大模型+知识图谱开发！

程序员小猴紫

第 1 章 简介

第 2 章 安装

2.1 安装方式概览

2.2.1 安装JDK

2.2.2 安装包-安装Neo4j

2.2.3 Docker 安装

2.2.3.1 获取 Neo4j 映像

2.2.3.2 基础操作系统

2.2.3.3 使用 Neo4j Docker 镜像

2.2.3.4 重启后数据仍能保留

2.2.3.5 用于NEO4J_AUTH设置初始密码

2.2.3.6 实用docker run选项

2.2.3.7 Neo4j Docker 镜像的离线安装

2.2.3.8 docker-compose.yml

第 3 章 Cypher语言基础

3.1 概述

3.2 图数据模型

第 4 章 Cypher数据类型

4.1 基本数据类型

4.2 复合数据类型

第 5 章 Cypher函数

5.1 字符串函数

5.2 数学函数

5.3 集合函数

5.4 日期时间函数

第 6 章 Cypher高级查询

6.1 数据准备

6.2 过滤

6.2.1 基本比较运算符

6.2.2 多条件组合

6.2.3 集合包含

6.2.4 字符串匹配

6.2.5 空值判断

6.3 排序

6.4 分页

6.4.1 使用 LIMIT 限制返回数量

6.4.2 使用 SKIP 跳过指定数量

6.5 聚合

6.5.1 数值类聚合

6.5.2 列表类聚合

6.6 联合查询

6.7 子查询

6.8 高级模式匹配

6.8.1 节点模式匹配

6.8.2 关系模式匹配

6.8.3 路径模式匹配

第 7 章 约束

7.1 概述

7.2 属性唯一约束

7.2.1 概述

7.2.2 语法

7.2.2.1 创建约束

7.2.2.2 查看约束

7.2.2.3 删除约束

7.2.3 案例

第 8 章 使用Python访问Neo4j

8.1 安装neo4j驱动

8.2 创建Driver对象

8.3 执行Cypher语句

第 9 章 Neo4j 的 ORM 与客户端库

9.1 Java 生态

9.2 Python 生态

9.3 如何选择

10.AI大模型从0到精通全套学习大礼包

01.从入门到精通的全套视频教程

02.AI大模型学习路线图（还有视频解说）

03.学习电子书籍和技术文档

04.大模型面试题目详解

05.这些资料真的有用吗?

所有评论(0)

程序员小猴紫

第 1 章简介

第 2 章安装

2.2.3.5 用于`NEO4J_AUTH`设置初始密码

2.2.3.6 实用`docker run`选项

第 7 章约束

第 8 章使用Python访问Neo4j