是否可以在neo4j分区之间进行物理分离？ 意味着以下查询将转到node1：
Match (a:User:Facebook)
虽然此查询将转到另一个节点（可能托管在docker上）
Match (b:User:Google)
情况如此： 我想在neo4j下存储几个客户端的数据，希望它们很多。 现在，我不确定什么是最好的设计，但它必须满足几个条件：
换句话说，当我拥有更多客户端时，将所有内容存储在1个节点之下，在未来的某个时刻，我认为，将会出现可扩展性问题。
顺便说一下，几乎没有集群？还有什么分区优势为每个客户创建不同的Label？例如：Users_client_1，Users_client_2等
答案 0 :(得分：8)
简答：不，没有。
Neo4j有high availability (HA) clusters，您可以在许多机器上复制整个图形，然后快速为该副本提供许多请求，但它们不会对一个非常大的图形进行分区，因此会存储一些图形。这里，其他一些部分，然后通过一个查询机制连接。
更详细的答案：图形分区是一个难题，需要不断研究。您可以阅读有关它的更多信息over at wikipedia，但要点是，当您创建分区时，您将图形拆分为多个不同的位置，然后需要处理跨越分区的关系的复杂性。交叉分区是一项昂贵的操作，因此分区时的真正问题是，如何进行分区，以便在查询中跨越分区的需求尽可能不频繁出现？
这是一个非常难的问题，因为它不仅取决于数据模型，还取决于可能发生变化的访问模式。
情况有多糟糕（引用被盗）：
通常，图分区问题属于NP-hard的范畴 问题。通常使用来解决这些问题 启发式和近似算法。[3]但是，统一图表 可以显示分区或平衡图分区问题 NP完全逼近任何有限因子。[1]即使是 特殊的图表类，如树和网格，没有合理的 除非P = NP，否则存在近似算法[4]。网格是一个 特别有趣的情况，因为他们模拟了图表 来自有限元模型（FEM）模拟。不仅仅是数字 组件之间的边缘近似，但也是大小 组件，可以证明没有合理的完全多项式 这些图存在算法。
不要给你留下太多的厄运和阴郁，很多人已经划分了大图。 Facebook和Twitter每天都会这样做，因此您可以read about FlockDB on the twitter side或avail yourself of relevant facebook research。但总结并切入追逐，这取决于您的数据和大多数人分区设计自定义分区策略，这不是软件为他们做的事情。
最后，其他架构（例如Apache Giraph）可以在某些意义上进行自动分区;如果你在hadoop上存储一个图形，并且hadoop已经在一个集群中自动扩展，那么从技术上讲，这就是为你自动划分你的图形。很酷，对吗？好吧......很酷，直到你意识到你仍然需要在整个地方执行图遍历操作，由于所有这些分区都必须遍历，你通常会尝试的性能情况，这可能表现得非常糟糕。首先要明智地避免分区。