先看看它的示例数据

打开 Neo4j Browser

:play movie graph

写代码,然后点play执行

Cypher, the graph query language.Neo4j提供了Cypher查询语言,它类似于关系型数据库中的SQL语句。

(1) 创建一个节点:create (n: Person {name: "Dennis"}) return n

插入一个Person类别的节点,且这个节点有一个属性name,属性值为Andres

CREATE (n:Person { name : 'Andres'});

插入边。插入一条a到b的有向边,且边的类别为Follow

MATCH (a:Person),(b:Person) WHERE a.name = 'Node A' AND b.name = 'Node B' CREATE (a)-[r:Follow]->(b);

(2) 查询所有的Person节点:match (n: Person) return n

更新节点。更新一个Person类别的节点,设置新的name。

MATCH (n:Person { name: 'Andres' }) SET n.name = 'Taylor';

1.Create: insert movie data into the graph

create语句用于Insert graph data

2.Find: retrieve individual movies and actors

如:Find the actor named "Tom Hanks".

MATCH (tom {name: "Tom Hanks"}) RETURN tom

查询名为"Dennis"的Person节点:match (n: Person) where n.name="Dennis" return n

Find 10 people:

MATCH (people:Person) RETURN people.name LIMIT 10

List all Tom Hanks movies

MATCH (tom:Person {name: "Tom Hanks"})-[:ACTED_IN]->(tomHanksMovies) RETURN tom,tomHanksMovies

Tom Hanks' co-actors

MATCH (tom:Person {name:"Tom Hanks"})-[:ACTED_IN]->(m)

How people are related to "Cloud Atlas"

MATCH (people:Person)-[aaa]-(:Movie {title: "Cloud Atlas"}) RETURN people.name, Type(aaa)

3.Query: discover related actors and directors

MATCH p=shortestPath( (bacon:Person {name:"Kevin Bacon"})-[*]-(meg:Person {name:"Meg Ryan"}) ) RETURN p

MATCH (ms:Person { name:'Andres' }),(cs:Person { name:'Taylor' }), p = shortestPath((ms)-[r:Follow]-(cs)) RETURN p;

Delete all Movie and Person nodes, and their relationships:

MATCH (n) DETACH DELETE n

删除节点和与其相连的边。

MATCH (n:Person { name:'Andres' }) DETACH DELETE n;

删除边。

MATCH (a:Person)-[r:Follow]->(b:Person) WHERE a.name = 'Andres' AND b.name = 'Taylor' DELETE r;

:server connect命令用于连接

查询两个节点之间的关系。

MATCH (a:Person { name:'Andres' })-[r]->(b:Person { name:'Taylor' }) RETURN type(r);

查询一个节点的所有Follower。

MATCH (:Person { name:'Taylor' })-[r:Follow]->(Person) RETURN Person.name;

查看所有的节点数和边数

MATCH (n) RETURN count(n); MATCH ()-->() RETURN count(*);

适合存储”修改较少,查询较多,没有超大节点(常见于大V)“的图数据。Arangodb也许是一个不错的考虑对象,根据其官网的说明,Arangodb不仅具有一般图形数据库的优点,而且在各种操作的速度上领先于Neo4j

用php开发

dbms.security.auth_enabled=false

关系也可以有属性,而且有type类型。

用的这个

[labels] => Array ( [0] => Person )

有没有知道如何多数据库切换?

Active database: graph.db

php 可视化neo4j,开源图形数据库Neo4j使用 php开发相关推荐

  1. 开源数据库Neo4j获8000万美元E轮融资,One Peak Partners、摩根士丹利领投

    Neo4j为图形数据库的推广做出了巨大的贡献.目前,该研发公司获得了8000万美元的E融资,并计划将其产品推向更广阔的市场,这可能是该公司最后一次私人筹款活动. Neo4j为图形数据库的推广做出了巨大 ...

  2. 图形数据库Neo4J简介

    最近我在用图形数据库来完成对一个初创项目的支持.在使用过程中觉得这种图形数据库实际上挺有意思的.因此在这里给大家做一个简单的介绍. NoSQL数据库相信大家都听说过.它们常常可以用来处理传统的关系型数 ...

  3. Windows下安装图形数据库Neo4j说明(4.3.2压缩包方式)

    文章目录 前言 一.下载安装包 二.安装Neo4j 1.安装包文件解压 2.配置系统环境变量 3. 启动Neo4j 4. 将Neo4j安装到Windows服务 5. Neo4j常用命令 三.安装常见问 ...

  4. NOSQL图形数据库 - Neo4j

    Neo4j入门指南 1.简介 2.特点 3.安装 4.基础操作 5.Java集成 5.1 内嵌数据库集成方式 5.2 服务器集成方式 5.3 Spring集成方式 参考文档 1.简介 Neo4j是一个 ...

  5. 图形数据库neo4j视频教程

    2019独角兽企业重金招聘Python工程师标准>>> Neo4j是一个高性能的,NOSQL图形数据库,它将结构化数据存储在网络上而不是表中.它是一个嵌入式的.基于磁盘的.具备完全的 ...

  6. neo4j python_Python 操作 Neo4j 数据库!

    Neo4j是一个世界领先的开源图形数据库,由 Java 编写.图形数据库也就意味着它的数据并非保存在表或集合中,而是保存为节点以及节点之间的关系. Neo4j 的数据由下面几部分构成:节点 边 属性 ...

  7. neo4j 嵌入式_在嵌入式Neo4j中使用Neo4j浏览器

    neo4j 嵌入式 有时,您有一个应用程序以嵌入式模式使用Neo4j,但还需要使用Neo4j Web浏览器来处理图形. 由于一次最多只能从一个进程访问数据库,因此在嵌入式Neo4j应用程序运行时尝试启 ...

  8. 在嵌入式Neo4j中使用Neo4j浏览器

    有时候,您有一个应用程序以嵌入式模式使用Neo4j,但还需要使用Neo4j Web浏览器来处理图形. 由于一次最多只能从一个进程访问数据库,因此在嵌入式Neo4j应用程序运行时尝试启动Neo4j服务器 ...

  9. 【数据库】linux安装neo4j教程(neo4j 4.x)

    一.配置jdk neo4j 4.x版本依赖jdk11,需要安装jdk11才能正常启动(安装高版本或低版本jdk都不行) 1)执行uname -a看下系统架构 2)根据系统架构下载对应安装包 https ...

最新文章

  1. rails 数据库相关操作命令
  2. 常用加密算法的Java实现(一) ——单向加密算法MD5和SHA
  3. 【OPTEE开发】从TA到PTA的功能设计
  4. 1.9 使用PuTTY远程连接Linux 1.10 使用xshell连接Linux 1.11 PuTTY密钥认证 1.12 xshell密钥认证...
  5. 软件开发架构的演变过程
  6. Ember.js 入门指南——番外篇,路由、模板的执行、渲染顺序
  7. Redis09-集群相关笔记
  8. 启动Samples-Web-Start Web Server时,提示Could not open port 1080
  9. 微博队列memcacheq 服务安装与原理
  10. win10 android 手机驱动下载,小米手机驱动win10驱动
  11. 行测题相关,在线测评(图形找规律。逻辑思维)
  12. python第五章模块总结
  13. 启发式算法 Heuristic
  14. OneStep 移植
  15. React Native微信分享
  16. 怎么用计算机搜索文件,如何查找文件 巧用Win7快速查找文件
  17. Android之人脸识别
  18. 『解决办法』UBUNTU自带拼音输入法无法正常输入
  19. java有道_java实现有道翻译爬虫
  20. YOLOv5——云服务器部署

热门文章

  1. 自学 Python 到什么程度能找到工作,1300+ 条招聘信息告诉你答案
  2. python高级-闭包-装饰器
  3. Spark在文本统计中的简单应用
  4. MVC教程第四篇:传递表单数据
  5. 【opencv学习】【形态学】【腐蚀与膨胀】【开运算与闭运算】【礼帽和黑帽】
  6. 《scikit-learn》朴素贝叶斯
  7. 集成sleuth_Spring Cloud集成ELK、采用RabbitMQ收集Zipkin数据
  8. 在机器学习中为什么只需要正的误差而不用负的误差
  9. Recbole自定义训练集、验证集和测试集推荐
  10. 卡尔曼滤波原理(二):扩展卡尔曼