Question

我已经在Linux本地服务器上的Ubuntu 14.04上安装了Neo4j社区版3.0.3，并已成功安装它。现在我通过Windows浏览器通过该服务器上的端口7474访问它。

现在我有一个csv文件，其中包含以下格式的销售订单数据：

Customer_id, Item_id, Order_Date

它有90000行，customer_id和item_id都是节点。总共（30000个customer_id + 30000 item_ids）节点和90000个关系（order_date作为距离属性名称）。我运行以下查询将csv中的数据插入到我的图形数据库中：

LOAD CSV WITH HEADERS FROM "file:///test.csv" AS line
MERGE (n:MyNode {Name:line.Customer})
MERGE (m:MyNode {Name:line.Item})
MERGE (n) -[:TO {dist:line.OrderDate}]-> (m)

我让它继续运行，大约7到8个小时后，它仍在运行。我的问题是，我做错了吗？我的查询没有优化？或者这件事通常吗？我是Neo4j和Cypher的新手。请帮帮我。

Answer 1

创建唯一性约束

您应该在MyNode.Name：

上创建唯一性约束

CREATE CONSTRAINT ON (m:MyNode) ASSERT m.Name IS UNIQUE;

除了强制MyNode的数据完整性/唯一性之外，还将在MyNode.Name上创建索引，这将加快MERGE语句的查找速度。 indexes and performance section here中有更多信息。

使用定期提交

由于Neo4j是一个事务性数据库，因此查询结果将在内存中构建，并且整个查询将立即提交。根据计算机上可用数据/资源的大小，您可能希望使用periodic commit functionality in LOAD CSV来避免在内存中构建整个语句。只需使用USING PERIODIC COMMIT开始查询即可。这将定期提交结果，在迭代CSV文件时释放内存资源。

避免急切

您的查询存在一个问题，即包含eager operation。这将阻碍定期提交功能，无论如何，事务都将构建到内存中。为避免急切操作，您可以在csv文件中使用两次传递：

一旦创建节点：

USING PERIODIC COMMIT
LOAD CSV WITH HEADERS FROM "file:///test.csv" AS line
MERGE (n:MyNode {Name:line.Customer})
MERGE (m:MyNode {Name:line.Item})

然后再次建立关系：

LOAD CSV WITH HEADERS FROM "file:///test.csv" AS line
MATCH (n:MyNode {Name:line.Customer})
MATCH (m:MyNode {Name:line.Item})
MERGE (n) -[:TO {dist:line.OrderDate}]-> (m)

有关热切操作的详细信息，请参阅这些two posts。

至少需要创建唯一性约束 - 这应该足以提高LOAD CSV语句的性能。

neo4j数据插入需要时间

1 个答案: