背景

最近我在嘗試儲存知識圖譜的過程中，接觸到了Neo4j圖資料庫，這裡我摘取了一段Neo4j的簡介：

Neo4j是一個高效能的,NOSQL圖形資料庫，它將結構化資料儲存在網路上而不是表中。它是一個嵌入式的、基於磁碟的、具備完全的事務特性的Java持久化引擎，但是它將結構化資料儲存在網路(從數學角度叫做圖)上而不是表中。Neo4j也可以被看作是一個高效能的圖引擎，該引擎具有成熟資料庫的所有特性。程式設計師工作在一個面向物件的、靈活的網路結構下而不是嚴格、靜態的表中——但是他們可以享受到具備完全的事務特性、企業級的資料庫的所有好處。

在下載了Neo4j Server(3.4.1)以後，我開始著手把手頭的三元組資料儲存進neo4j的資料庫中，用的是python的py2neo庫，我的思路是：讀取檔案，將每行的實體抽取出來，在圖中查詢是否有該（兩個）實體節點，如果不存在就插入節點，然後插入該行三元組表示的邊。
但是這樣做的效率很低（我的圖要至少連續一個月才能存完）。我分析了一下，原因在於：每次插入實體節點都需要先查詢圖中是否存在該實體節點，隨著圖的增大，查詢所需的時延也越來越長。
在查了

匯入方法

import工具命令為如下格式：

 neo4j-admin import [--mode=csv][--database=<name>][--additional-config=<config-file-path>][--report-file=<filename>][--nodes[:Label1:Label2]=<"file1,file2,...">]
                          
 
[--relationships[:RELATIONSHIP_TYPE]=<"file1,file2,...">]
                          [--id-type=<STRING|INTEGER|ACTUAL>][--input-encoding=<character-set>][--ignore-extra-columns[=<true|false>]]
                          [--ignore-duplicate-nodes[=<true|false>]]
                          
 
[--ignore-missing-nodes[=<true|false>]]
                          [--multiline-fields[=<true|false>]]
                          [--delimiter=<delimiter-character>][--array-delimiter=<array-delimiter-character>][--quote=<quotation-character>][--max-memory=<max-memory-that-importer-can-use>][--f=<File containing all arguments to this import>][--high-io=<true/false>]

或：

neo4j-admin import --mode=database [--database=<name>][--additional-config=<config-file-path>][--from=<source-directory>]

方括號內為可以選擇的引數，其中我們常用的是第一種格式，即從獨立的檔案裡匯入圖資料，常用引數為--nodes和--relationships，分別用來引入節點的CSV檔案和邊的CSV檔案。
舉個例子：

bin/neo4j-admin import --nodes <filepath of the csv file of nodes> --relationships <filepath of the csv file of relationships>

1. 生成CSV檔案

Neo4j的import工具要求資料使用CSV檔案儲存，因此在匯入資料前需要將資料轉乘CSV檔案。節點和關係需要不同的檔案，一種節點的CSV檔案可以分為多個檔案儲存，傳遞引數的時候需要按順序加上所有檔案的檔名（絕對路徑），工具讀取第一個檔案的表頭作為節點／邊的屬性名，該檔案剩下所有行以及後續檔案的所有行作為屬性值。多種節點（如包含不同屬性集合）的匯入需要分別為每一種節點分別引入（即使用多次--node引數）。
在我的需求中，節點和邊都只包含一個名稱（資料格式每行為<subject>\t<predicate>\t<object> .），因此我將節點和邊分別僅用一個CSV檔案儲存，使用python的csv庫，csv庫寫csv檔案的方法為（以下程式碼不可執行）：

import csv

csvf = open(filepath,'w',newline='',encoding='utf-8')
w = csv.writer(csvf)
w.writerow((column_name_1, column_name_2, ...))#寫入表頭
for i in some_range:
    w.writerow((column_1, column_2, ...))#寫入行
csvf.close()

注意，writerow傳入的引數為含有多個字串的tuple，而不是多個字串。
我生成的CSV檔案表頭結構如下：
node.csv: name:ID(node), :LABEL
rel.csv: :START_ID(node), :END_ID(node), :TYPE,name

其中：

• name:ID 表示該列的屬性名為name，ID
  表示該屬性是唯一標示一個實體的屬性（類似關係型資料庫中的主碼），括號表示一個id-group，即表示該ID唯一表示括號內種類的實體，而不是所有實體；
• :LABEL 表示節點的標籤；
• START_ID 和END_ID 表示邊的起點和終點的ID，可以加上它們各自的id-group；
• :TYPE 表示該邊的種類，注意種類個數不應超過65535。

2.使用import指令匯入

在CSV檔案準備就緒以後，開啟電腦的終端，執行：
1.改變工作目錄至Neo4j的根目錄，（開啟該目錄以後應當能看到bin, conf, data, import, lib等資料夾）：

cd filepath_to_neo4j_home_directory

2.執行neo4j-admin import指令，注意：
在此之前應當保證在Neo4j的目錄下的data/databases/graph.db 下沒有檔案，即該指令要求資料庫為空;
Neo4j應當關閉，處於stopped狀態(關閉方法：終端在Neo4j的根目錄執行./bin/neo4j stop)，
--nodes 和--relationships 後的檔名應當是絕對路徑。

bin/neo4j-admin import --nodes some_path_to／node.csv --relationships some_path_to/rel.csv

不出意料，該指令執行結果是：

3.重新啟動Neo4j，進入瀏覽器輸入IP+埠(預設為http://localhost:7474/)檢視結果，啟動的指令是：

./bin/neo4j start

如果正確操作，且不出意外的話，在瀏覽器中應當能查詢正確匯入的圖譜：

總結&注意事項

1.傳入檔名的時候務必使用絕對路徑，否則將會丟擲以下錯誤：

Expected '--nodes' to have at least 1 valid item, but had 0 []

Expected '--relationships' to have at least 1 valid item, but had 0 []

2.使用neo4j-admin import指令匯入之前先將原資料庫從neo4j_home/data/databases/graph.db／中移除，即指令要求目錄下不含資料庫，否則指令無法執行；

3.在執行指令之前務必保證Neo4j處於關閉狀態，如果不確定可以在Neo4j根目錄下執行./bin/neo4j status 檢視當前狀態。如果資料庫未關閉，可能會導致資料庫即使成功匯入，也無法查詢到（我的經驗是這樣）；

4.寫CSV檔案的時候務必確保所有的節點的CSV檔案的ID fileds的值都唯一、不重複（類似SQL中的primary key），並且確保所有的邊的CSV檔案的START_ID 和 END_ID都包含在節點CSV檔案中（參考SQL中的referential integrity constraint）；

5.若要使用其他引數請參考官方的文件，我在下面的References中給出；

6.我的Neo4j執行環境是OS X系統，如果你使用的是其他作業系統，指令可能有所不同，比如啟動和終止服務的指令。

References: