能够将维基百科导入Neo4j数据库是不是很酷?

　　Neo4j是NoSQL的一个代表，它是一个嵌入式，基于磁盘的，支持完整事务的Java持久化引擎，它在图像中而不是表中存储数据。Neo4j提供了大规模可扩展性，在一台机器上可以处理数十亿节点/关系/属性的图像，可以扩展到多台机器并行运行。相对于关系数据库来说，图形数据库善于处理大量复杂、互连接、低结构化的数据，这些数据变化迅速，需要频繁的查询——在关系数据库中，这些查询会导致大量的表连接，因此会产生性能上的问题。

　　Neo4j重点解决了拥有大量连接的传统RDBMS在查询时出现的性能衰退问题。通过围绕图形进行数据建模，Neo4j会以相同的速度遍历节点与边，其遍历速度与构成图形的数据量没有任何关系。此外，Neo4j还提供了非常快的图形算法、推荐系统和OLAP风格的分析，而这一切在目前的RDBMS系统中都是无法实现的。

　　英国的软件工程师Mirko Nasato同样意识到这点，并使用批处理导入技术创建了Graphipedia(注：graphipedia是一个将维基百科页面和超链接导入图形数据库的工具集)。

　　Graphipedia使用Java编写，如果你专注于Ruby，并不擅长使用Java，下面的教程将会手把手的教你如何完成这些步骤。

　　首先，复制这个项目并打开：

　　git clone git://github.com/mirkonasato/graphipedia.git

　　cd graphipedia
如果发现pom.xml文件意味着你需要下载Maven并创建项目。

　　sudo apt-get install maven2

　　mvn install
你将看到一串代码滚动，这是相关文件在下载，运行到最后你将看到如下代码：

　　[INFO] ------------------------------------------------------------------------

　　[INFO] Reactor Summary:

　　[INFO] ------------------------------------------------------------------------

　　[INFO] Graphipedia Parent .................................... SUCCESS [1:08.932s]

　　[INFO] Graphipedia DataImport ................................ SUCCESS [1:16.018s]

　　[INFO] ------------------------------------------------------------------------

　　[INFO] ------------------------------------------------------------------------

　　[INFO] BUILD SUCCESSFUL

　　[INFO] ------------------------------------------------------------------------

　　[INFO] Total time: 2 minutes 25 seconds

　　[INFO] Finished at: Thu Feb 16 11:36:55 CST 2012

　　[INFO] Final Memory: 28M/434M

　　[INFO] ------------------------------------------------------------------------
下面将需要下载的维基百科文件通过wget下载下来：

　　wget http://dumps.wikimedia.org/enwiki/latest/enwiki-latest-pages-articles.xml.bz2
这足足有7.6G的文件，我们先尝试一个较小的数据：Peesi tali fiefia词条，然后解压缩该词条的维基百科文件。

　　wget http://dumps.wikimedia.org/towiki/latest/towiki-latest-pages-articles.xml.bz2

　　bzip2 -d towiki-latest-pages-articles.xml.bz2
以下是两个步骤，首先创建一个只包含页面标题和链接的较小的中间XML文件：

　　java -classpath ./graphipedia-dataimport/target/graphipedia-dataimport.jar org.graphipedia.dataimport.ExtractLinks towiki-latest-pages-articles.xml towiki-links.xml
显示如下：

　　Parsing pages and extracting links...

　　..

　　2835 pages parsed in 0 seconds.
然后运行批处理导入该文件，将内容存储在图形数据库目录下。

　　java -Xmx3G -classpath ./graphipedia-dataimport/target/graphipedia-dataimport.jar org.graphipedia.dataimport.neo4j.ImportGraph towiki-links.xml graph.db
将会出现以下代码：

　　Importing pages...

　　..

　　2835 pages imported in 0 seconds.

　　Importing links...

　　.....

　　5799 links imported in 0 seconds; 6383 broken links ignored
打开并查看neostore文件夹：

　　cd graph.db

　　ls
重写/neo4j/data/graph.db文件夹，将该文件夹覆盖任何原有Neo4j数据库。

本文转自 wws5201985 51CTO博客，原文链接：http://blog.51cto.com/wws5201985/786478，如需转载请自行联系原作者