Neo4j 图数据库入门（一）：别再硬写五层 JOIN 了——用 20% 的精力看懂图数据库

一、从一个问题说起：关系查询的两副面孔#

产品经理问你：“张三的朋友的朋友，都在哪些公司工作？“

1
SELECT c.name
2
FROM user u
3
JOIN friendship f1 ON u.id = f1.user_id
4
JOIN user friend ON f1.friend_id = friend.id
5
JOIN friendship f2 ON friend.id = f2.user_id
6
JOIN user fof ON f2.friend_id = fof.id
7
JOIN works_at w ON fof.id = w.user_id
8
JOIN company c ON w.company_id = c.id
9
WHERE u.name = '张三';

1
MATCH (:Person {name: '张三'})-[:KNOWS]->()-[:KNOWS]->(fof)-[:WORKS_AT]->(c:Company)
2
RETURN c.name

二、为什么图数据库快？#

20/20 提示：本节记住结论即可，存储原理以后想深入再回来看。

• 关系型数据库：表与表之间的”关系”只是外键字段，查询时靠 JOIN 在运行时临时计算。数据量越大，JOIN 代价越高。
• Neo4j：关系是物理存在的。每个节点直接记录”我连着谁、是什么关系”。查张三的朋友，不需要扫表建索引，沿着指针走一步就到。

这个特性叫免索引邻接（index-free adjacency）。你只需要记住结论：

图查询的成本取决于关系跳数，而不是数据总量。 这就是社交网络、推荐系统、风控图谱、知识图谱都选图数据库的原因。

三、四大核心概念（整个 Neo4j 就这 4 个词）#

用真实数据读一遍（这是本系列场景中的一条真实数据）：

1
(:Person {name:'张三', age:30})
2
    -[:KNOWS {since:2018}]->
3
        (:Person {name:'李四', age:28})

读作：“张三从 2018 年起认识李四”。注意 since 是挂在关系上的属性——在 SQL 里这需要一张中间表，在图里它就是关系自带的字段。

1
(:Person)-[:ACTED_IN]->(:Movie)    -- 某人出演了某电影
2
(:Person)-[:WORKS_AT]->(:Company)  -- 某人就职于某公司

四、统一场景：电影社交网络（本系列的”世界观”）#

三篇博客的所有示例代码都基于下面这个场景，请先混个脸熟——第二篇你会亲手创建它，第三篇你会用它做分析。

五、环境搭建#

1
docker run -d \
2
  --name neo4j \
3
  -p 7474:7474 \
4
  -p 7687:7687 \
5
  -e NEO4J_AUTH=neo4j/password123 \
6
  neo4j:5

六、第一条 Cypher：学会”画图”思维#

Cypher 是 Neo4j 的查询语言，它的语法就是用 ASCII 字符画图：

组合起来就是一条完整查询——找出张三认识的人：

1
MATCH (:Person {name: '张三'})-[:KNOWS]->(friend:Person)
2
RETURN friend.name

• MATCH：描述你要找的图模式（“画”出这个样子）
• RETURN：指定返回哪些东西

现在运行它还查不到数据——因为图还是空的。没关系，下一篇我们就来动手创建数据。

七、本篇可以暂时不学的内容#

为了守住 20/80 原则，以下内容请先跳过，等实际项目需要时再回来：

小结#

• 图数据库把关系作为一等公民，多跳查询不写 JOIN、性能不随数据量衰减
• 四大概念：节点、标签、关系、属性——名词建节点，动词建关系
• Cypher 的语法就是画图：(节点)-[关系]->(节点)
• 本系列统一场景：电影社交网络（4 人、3 部电影、2 家公司、5 种关系）

下一篇预告：《Neo4j 图数据库入门（二）：一篇搞定 Cypher 增删改查——在电影社交网络里从 0 建到删》。我们将从空库开始，创建张三、李四们，让他们互相认识、出演电影，然后查询、修改、删除——CRUD 一次学完。