Neo4j图数据库设计和高效查询

Question

让我首先解释一下我想用neo4j建模的内容（v2）

假设表格上有一个n维数据集：

val1Dim1, ... , val1Dimn, classValue1
val2Dim2, ... , val2Dimn, classValue2
....

每个维度都有一个层次结构（比如一棵树）。 “维度节点”的总数约为1K或稍高，具体取决于数据集。

在数据集上运行数据挖掘方法（link to the scientific paper），并从数据集中提取大量模式。

基本上，每种模式都在表格中：

{a set of value of Dim1} {a set of value of Dim2} ... {a set of class values}

至少有大约11M的开采模式。

我的设计选择

2种类型的节点（标签）：

• DATA（例如val1Dim1是DATA节点）=＆gt;大约1K个节点。这些节点有三个属性：LABEL（值本身），维度ID，DIMENSION和内置属性KEY，即“DIMENSION_LABEL”。已在KEY上定义索引。

• PATTERN（每个模式一个）=＆gt;至少11M节点

2种关系：

• IS_A表示用于浏览层次结构的泛化/特化关系

• COMPOSED_BY将模式链接到其每个成员（例如，如果P = {val1dim1，val2Dim1} {val1Dim2}是模式，则3个关系，即P-> va11Dim1，P->创建了val2Dim1和val1Dim1。

这是一个玩具graphDb，可以让我的设计选择清晰

数据插入和规范

我使用批量插入器，它的工作速度非常快（约40分钟）。 DB的大小约为50Gb，由大约11M节点和1B（!!）关系组成。现在，我在我的机器上运行代码（8GB RAM，Intel i7和500GB SSD HD）。我正在使用Java。

我想做什么

给定每个维度的值，我想知道什么是模式，以便模式中涉及所有维度值。

目前，假设我使用的查询的2个维度是实现我的目标：

match (n:DATA {KEY:'X'})-[r:COMPOSED_BY]-(p:PATTERN)-[r2:COMPOSED_BY]-(m:DATA {KEY:'Y'}) 
return p;

目前，它非常慢......而且java进程的内存使用量是2GB（最大值）

我的问题

1. 你认为graphDb适合这种情况吗？
2. 我的设计选择好吗？
3. 索引怎么样？我还需要定义更多吗？
4. 是查询db的方法吗？
5. 是否有一些配置技巧可以加快查询阶段？
6. 哪种服务器规格适合我的应用需求？

提前致谢

的Yoann

Answer 1

我的建议很少。您可以使用节点标签（不作为节点的属性）。有关节点标签的详细信息，请参阅here

因此，如果您使用标签，则特定维度的所有标签将自动归类为一组（即标签）。因此，您将减少保持为IS_A的关系数量。由于关系在空间方面更加昂贵，因此可以减小数据库的大小。此外，标签上的索引搜索也可用，并且比在整个索引中搜索密钥快。

在每个维度节点（DATA）下面的模型中，我添加了两个属性key和value，您只能将其中一个保留为key和然后简单地索引它。因此，当您需要该值时，只需解析密钥。（只是建议不了解您将要使用的用例类型）

欢迎提出建议和意见。

如果您需要更多信息，请回复。

---

在评论后修改

根据您的评论，为了减少模式节点的数量，您可以根据DATA创建唯一的relationshipTypes来命名PATTERNS节点本身。有关更多说明，请参阅更新的图表