课程目录速查

玩转图数据库：Neo4j 与 Cypher 语言

从“数据孤岛”到“星辰大海”的理论基础课

本节课学习地图

初识 Neo4j

  • 传统数据库的痛点
  • 图数据库的概念
  • 四大核心元素

Cypher 入门

  • 什么是 Cypher 语言
  • 三大基础数据类型
  • 命名规范与关键字

核心操作语法

  • 增 (CREATE)
  • 查 (MATCH, RETURN)
  • 改与删 (SET, DELETE)

第一站：认识 Neo4j

为什么我们需要一种“新”的数据库？
图数据库到底解决什么痛点？

回顾：关系型数据库（如 MySQL）的局限

表格的困境

大家大一学过 MySQL，数据存在“表”里（行和列）。


  • 找“张三的好友”很简单。
  • 找“张三的好友的好友”需要连表（JOIN）。
  • 找“张三的六度人脉”... 数据库可能直接卡死崩溃！

为什么会这样？

在关系型数据库中，表与表之间的关系是隐式的（通过外键）。


每次查询“关系”，数据库都需要重新计算一次映射，就像每次找人都要翻一遍全国户口本，非常耗时。

破局：什么是图数据库？

图（Graph）= 节点 + 关系

图数据库不使用死板的表格，而是像画思维导图一样，直接把事物和它们之间的关联“画”出来并存储。


在这里，关系和数据本身一样重要！

什么是 Neo4j？

行业霸主

Neo4j 是目前全球最流行、最强大的图数据库管理系统之一。

  • 它是一个原生的（Native）图数据库。
  • 专门为存储、管理和查询“图”结构数据而设计。
  • 采用 Java 语言开发。

它的强项在哪里？

相比传统数据库，它在处理以下场景时性能提升上千倍：

  • 社交网络关系（谁认识谁）
  • 推荐系统（猜你喜欢）
  • 知识图谱（百度百科背后的逻辑）
  • 金融反欺诈（识别洗钱网络）

Neo4j 的四大核心元素

要学好图数据库，必须死死记住这四个基本零件（就像乐高积木一样）：

1

节点

(Node)

2

关系

(Relationship)

3

属性

(Property)

4

标签

(Label)

核心一：节点 (Node)

图中的“实体”

节点就相当于传统数据库表中的“一行数据”。


  • 它可以代表一个人、一个公司、一本书、一个地点等。
  • 在图中，节点通常用圆圈表示。
  • 例如：圆圈里写着“刘德华”，这就是一个实体节点。

核心二：关系 (Relationship)

连接节点的“桥梁”

没有关系的图只是一堆散落的沙子。关系让数据产生了联系。


  • 关系必须有起点和终点（有方向性）。
  • 关系必须有类型（说明是什么关系）。
  • 例如：节点[刘德华] ——(参演)——> 节点[流浪地球2]。

核心三：属性 (Property)

丰富数据的“细节”

无论是“节点”还是“关系”，都可以拥有自己的属性。


  • 属性以键值对 (Key-Value) 的形式存在（类似于 JSON）。
  • 节点的属性：[张三] 可以有年龄=20、性别=男等属性。
  • 关系的属性：[张三] 认识 [李四]，关系是“认识”，关系的属性可以是“认识时间=2022年”。

核心四：标签 (Label)

给节点“分类贴条”

标签是用来对节点进行分组和归类的。


  • 就相当于传统数据库中的表名。
  • 一个节点可以有多个标签！
  • 例如：张三的标签可以是 Person（人），同时也可以是 Student（学生）。

第二站：初识 Cypher

和 Neo4j 沟通的官方语言。
一门“画画”一般的编程语言！

什么是 Cypher？

图数据库的“SQL”

就像关系型数据库听得懂 SQL 语句（SELECT, INSERT）一样，Neo4j 听得懂的话就叫 Cypher。


Cypher 是一种声明式图数据库查询语言。它的设计初衷就是为了让人类和电脑都能直观地理解图数据。

为什么要叫这个名字？

Cypher（赛弗）的名字来源于电影《黑客帝国》中的角色。

特点：

  • 声明式：告诉数据库你要“什么”，而不是告诉它“怎么找”。
  • 表达力强：专门为表示图形模式而生。

Cypher 的核心魔法：ASCII 艺术

Cypher 最独特的地方在于，它的代码长得像颜文字（ASCII 艺术）。它用键盘上的符号直接“画”出图形！

  • 使用圆括号表示节点：( ) 像不像一个圆圈？
  • 使用方括号表示关系：[ ] 像不像一座桥？
  • 使用箭头表示方向：--> 或 <--

感受一下这门语言的直观性

如果要表示：“一个叫张三的人，认识一个叫李四的人”。
Cypher 代码长这样：

(张三) -[认识]-> (李四)

(张三)
圆括号代表节点

-[认识]->
箭头和方括号代表带方向的关系

(李四)
圆括号代表目标节点

第三站：Cypher 数据类型与规范

磨刀不误砍柴工。
在写代码前，先了解它的基本规则。

Cypher 数据类型三大类

Cypher 中的数据类型可以分为三大类，就像我们生活中的不同物资：

属性类型

最基础的值，可以存入节点和关系的属性中。

结构类型

代表图结构本身的类型（节点、关系等）。

复合类型

用来把多个数据打包在一起的类型。

第一类：属性类型 (Property Types)

可以直接存储的值

  • Number（数字）：分为 Integer(整数) 和 Float(浮点数/小数)。比如年龄 20，身高 1.75。
  • String（字符串）：文本数据，用单引号 ' ' 或双引号 " " 包裹。比如 "张三"。
  • Boolean（布尔值）：只有两个值，true（真）或 false（假）。
  • Point（空间点）：地理位置坐标。
  • Temporal（时间）：日期、时间等。

新手避坑指南

请注意！字符串必须加引号！

如果你写 name: 张三，程序会报错。必须写成 name: "张三" 或者 name: '张三'。

而数字和布尔值千万不能加引号，加了就变成文字了！

第二类：结构类型 (Structural Types)

在查询过程中返回的图结构元素


  • Node（节点）：包含了 id、标签和所有属性的一个完整实体。
  • Relationship（关系）：包含了 id、类型、起点、终点和所有属性的一条边。
  • Path（路径）：由一系列交替的节点和关系组成的路线。例如：节点A -> 关系1 -> 节点B -> 关系2 -> 节点C，这整条线叫一个路径。

注意：结构类型不能作为属性保存！你不能把一个“节点”存进另一个“节点”的属性里。

第三类：复合类型 (Composite Types)

List (列表 / 数组)

把一组有顺序的数据打包在一起。

  • 使用方括号包裹，逗号隔开：
    [1, 2, 3]
  • 可以是字符串列表：
    ["苹果", "香蕉", "橘子"]
  • 小技巧：节点的属性可以是一个列表哦！比如张三的爱好属性：hobby: ["唱歌", "跳舞"]。

Map (映射 / 字典)

由一组键值对（Key-Value）组成的集合。

  • 使用大括号包裹：
    {name: "李四", age: 22}
  • 大家看，这个结构是不是非常眼熟？没错，我们在定义节点属性的时候，本质上就是在写一个 Map！

特殊的存在：NULL (空值)

图数据库里的“不存在”

在 Cypher 中，null 表示缺失的或者未知的值。


  • 特性1：与 null 的任何算术运算（+ - * /）结果都是 null。
  • 特性2：图数据库是无模式（Schema-free）的。如果一个节点没有 age 属性，你强行查询它的 age，不会报错，只会返回 null。
  • 这是和 MySQL 非常不同的一点，大家在后续写代码时要特别小心。

命名规范 (Naming Rules)

基本规则

我们在给变量、标签、关系类型起名字时，必须遵守规则：

  • 区分大小写！(Person 和 person 是两码事)
  • 必须以字母开头。
  • 可以包含数字，但不能以数字开头。
  • 不能包含空格或特殊符号（除下划线 _ 以外）。

遇到特殊名字怎么办？

万一非要用包含空格或者中文字符做名字怎么办？

可以使用反引号 ( ` ) 将名字包裹起来（键盘左上角 Esc 下面的键）。


例如：

`My Label Name`
`中国`

行业最佳实践 (Best Practices)

虽然规则允许你随便起名字，但在企业开发中，我们有不成文的约定，显得代码更专业：

节点标签 (Label)

使用首字母大写的驼峰命名法 (CamelCase)。

✅ Person, Vehicle, Company

关系类型 (Rel Type)

使用全大写+下划线 (UPPER_SNAKE_CASE)。

✅ KNOWS, ACTED_IN, IS_FRIEND_WITH

属性 & 变量 (Property & Var)

使用首字母小写的驼峰命名法 (camelCase)。

✅ firstName, age, publishDate

Cypher 保留关键字 (Keywords)

关键字就是 Cypher 系统内部征用的词汇，咱们自己起名字时要避开它们。


常见的操作关键字包括（也是我们稍后要重点学习的）：

  • CREATE (创建)
  • MATCH (匹配/查询)
  • RETURN (返回)
  • WHERE (过滤)
  • DELETE (删除)
  • SET (更新)

（注：Cypher 关键字本身不区分大小写，但规范上我们习惯全部大写，以区分于数据。）

第四站：核心操作大演练

理论结合实际！
增、查、改、删，一段段代码拆解给你看。

CREATE：创建新数据

功能概述

CREATE 关键字用于向图数据库中插入新的节点、关系或路径。

就像女娲捏泥人一样，从无到有创造实体。

1. 创建一个最简单的“空白”节点

CREATE (n)

解析：
圆括号 () 代表这是一个节点。n 是一个临时起的变量名（代号），为了方便后续引用它。这个节点没有任何标签和属性，非常孤独。

CREATE：带标签创建

2. 创建带有标签的节点

刚才的空白节点没有任何分类，现在我们给它贴个标签（比如：人）。

CREATE (n:Person)

语法拆解：
冒号 : 后面的 Person 就是标签（Label）。
这句代码的意思是：创建一个节点，属于 Person 类，并暂时代称为 n。

CREATE：带属性创建

3. 创建既有标签，又有属性的完整节点

这是平时最常用的写法，直接把数据的详细内容塞进去（使用大括号 {} 写 Map）。

CREATE (n:Person {name: '张三', age: 20})

语法拆解：
节点代号：n
分类标签：Person
拥有两个属性：name 是字符串张三，age 是数字20。

CREATE：创建关系

4. 一次性创建两个节点，外加他们之间的关系

用箭头 -[]-> 连接两个节点！

CREATE (p1:Person {name: '张三'})-[r:KNOWS {since: 2020}]->(p2:Person {name: '李四'})
  • 代码执行后，数据库不仅会生成“张三”和“李四”两个节点...
  • 还会生成一条从张三指向李四的箭头（关系）。
  • 关系的类型叫 KNOWS（认识）。
  • 关系本身也有属性 since: 2020（从2020年开始认识）。

MATCH：查询的灵魂核心

功能概述

MATCH 类似于 SQL 中的 SELECT。
它是图数据库中最重要的命令！


作用：在整个庞大的图谱中，“匹配”出符合你画出形状的模式（Pattern）。

注意：MATCH 通常不能单独使用，必须搭配 RETURN 把结果返回出来。

1. 查询所有节点（慎用）

MATCH (n)
RETURN n

⚠️ 警告：这相当于 SELECT * FROM 所有表。如果公司数据库有上亿个节点，这条命令会让服务器卡死。平时练习时可以用。

MATCH：按标签和属性查询

2. 缩小范围精准查找

MATCH (n:Person {name: '张三'})
RETURN n
  • 第一步：在几亿个数据中，先找到属于 Person 标签的数据。
  • 第二步：在这些 Person 中，找到属性 name 等于 '张三' 的数据。
  • 第三步：把找到的结果装进变量 n 中，并通过 RETURN 交给用户。

MATCH：发挥“图”的威力！

3. 基于关系的图谱查询（解决六度人脉痛点）

需求：找到“张三”认识的所有的“朋友”。

MATCH (p1:Person {name: '张三'})-[r:KNOWS]->(friend:Person)
RETURN friend

这才是 Neo4j 真正强大的地方！无需连表（JOIN），直接像顺藤摸瓜一样：找到张三，顺着向外的 KNOWS 箭头，找到另一端的节点，并把那个节点命名为 friend 返回出来！

RETURN：返回结果集

你可以决定返回什么

不仅仅可以返回整个节点，还可以返回指定的属性。

MATCH (n:Person)
RETURN n.name, n.age

通过小数点 . 就能提取具体的属性值，像表格一样返回。

使用 AS 起别名

为了让返回的表头更好看，可以用 AS 进行重命名。

MATCH (n:Person)
RETURN n.name AS 姓名, n.age AS 年龄

输出结果的列名就会变成中文的“姓名”和“年龄”。

LIMIT 和 SKIP：分页截断

控制返回的数据量

当你搜索出1万条数据，但网页一页只能显示10条时，就需要分页。


  • LIMIT (限制)：只返回前 N 条数据。
  • SKIP (跳过)：跳过前 N 条数据，从第 N+1 条开始返回。

LIMIT 和 SKIP 代码演示

只要前三条记录

MATCH (n:Person)
RETURN n.name
LIMIT 3

即使系统里有100个Person，也只输出前3个。

实现网页的“第二页”

MATCH (n:Person)
RETURN n.name
SKIP 10
LIMIT 10

跳过前10条，取接下来的10条（即第11-20条记录）。

DELETE：删除节点与关系

基本删除法则

要删除数据，必须先 MATCH 找到它，然后再 DELETE 它。

MATCH (n:Person {name: '张三'})
DELETE n

坑点警告！

如果“张三”身上还连着和其他人的“关系线”，上面这行代码会直接报错失败！
Neo4j 决不允许出现一端悬空的孤立关系！

DETACH DELETE：强制拔除

最常用的彻底删除法

为了解决节点连着关系无法删除的问题，Cypher 提供了一个组合拳：DETACH DELETE（分离并删除）。

MATCH (n:Person {name: '张三'})
DETACH DELETE n

执行逻辑：系统会像剪刀一样，先咔嚓剪断“张三”身上的所有关系线，然后再把“张三”这个节点销毁，干脆利落。

REMOVE：移除属性与标签

DELETE vs REMOVE

同学们经常搞混这两个词：

  • DELETE 是用来删“实体”的（把整个节点或整条关系彻底删掉）。
  • REMOVE 是用来擦除“局部”的（实体还在，只是撕掉它身上的标签，或者擦掉它的某个属性）。

移除属性演示

MATCH (n:Person {name: '张三'})
REMOVE n.age
RETURN n

这行代码执行后，张三这个节点还在，他的名字也还在，只是“age（年龄）”这个属性被永远删除了。

WHERE：复杂条件过滤

当 {} 不够用的时候

我们在 MATCH 时可以用 {age: 20} 来找20岁的人。但如果我要找“大于20岁”的人呢？大括号就做不到了。


这时候就要请出 WHERE 从句：

MATCH (n:Person)
WHERE n.age > 20
RETURN n.name, n.age

WHERE 的常用操作符

比较运算

=, <>, <, >, <=, >=

例：WHERE n.age >= 18
(注：不等于用 <>)

布尔逻辑

AND, OR, XOR, NOT

例：WHERE n.age>18 AND n.gender='男'

字符串匹配

STARTS WITH
ENDS WITH
CONTAINS

例：WHERE n.name STARTS WITH '张'
(查找所有姓张的人)

SET：更新或添加数据

数据修改器

SET 关键字用来更新现有的节点或关系。

  • 如果属性已存在，SET 会修改它的值。
  • 如果属性不存在，SET 会新增这个属性。
  • 它还可以用来给节点新增标签！
MATCH (n:Person {name: '张三'})
SET n.age = 21, n.status = '在校'
RETURN n

SET：追加多重标签

一个人可以有多重身份

通过 SET，我们可以动态地给已经存在的节点贴上新的标签（使用冒号 :）。

MATCH (n:Person {name: '张三'})
SET n:Student:Monitor
RETURN n

执行后：张三不仅拥有原本的 Person 标签，又多出了 Student（学生）和 Monitor（班长）两个新标签！这就是无模式数据库的灵活性。

本节课核心知识大盘点

1. 图结构基础

  • 节点 (Node)： 实体数据，用 () 表示
  • 关系 (Rel)： 连接实体，用 -[]-> 表示
  • 属性 (Prop)： 详细信息，用 {} 表示
  • 标签 (Label)： 分类标识，用 : 表示

2. 语法与规范

  • 属性类型： 字符串必须加引号，数字不加
  • 结构类型： 节点、关系、路径 (不能存为属性)
  • 命名习惯： 标签用首字母大写，关系用全大写
  • 空值特性： 图数据库无模式，找不到即为 NULL

3. 核心操作 (增与查)

  • CREATE： 创造实体，从无到有建立节点和关系
  • MATCH： 查询灵魂，按照设定的模式顺藤摸瓜
  • RETURN： 决定将什么数据（或属性）打包返回

4. 核心操作 (改与删)

  • WHERE： 配合 MATCH，进行大小于、多条件过滤
  • SET： 数据修改器，用于更新属性或追加新标签
  • DELETE： 彻底销毁。(带关系的需用 DETACH DELETE)

理论就讲到这里！

下节课我们将进行上机实操，请大家做好准备！

有什么疑问随时提问，谢谢大家！