寫在前面（廢話篇）：
填個坑，系統全部做完做一個畢設專題。
這篇文章在我的草稿箱裏蹲了兩個月。最近畢設答辯結束，有角度的時間來填個坑。
因爲本科沒有學過數據庫課程（學院不讓我們專業修這門課），所以在做畢業設計涉及數據庫的內容一概不知。研究能力較差的我重新學一遍數據庫實在來不及，就選擇了這上手簡單，增刪改查一應俱的可視化圖形數據庫。
一、Neo4j可視化圖形數據庫簡介
百度百科上對於neo4j解釋如下圖。說的很官方是不是？看不懂是不是？
通俗的來說就是這是一個不需要你自己設計的數據庫，通過採用結構化設計方式，把各種信息存儲在圖形中的一個個點上，而不是傳統意義上的表格中。
同時展示方面採用圖的簡單直觀可視化效果。相對於冷冰冰的表格數據，圖形顯得更加有血有肉。
二、下載與安裝
neo4j下載
官網下載比較慢，是我電腦的問題嗎？
或者直接把安裝包上傳資源中（點我傳送）（更新：這個解壓包有問題，直接從百度網盤下載吧！）
不想給樓主貢獻金幣的話可以點我從百度網盤中下載。（提取碼：ruat，失效的話可以聯繫我）
下載解壓之後，傻瓜式安裝。
注意：一定要找一個簡單合適的文件夾存入。否則後期啓動neo4j時，在cmd打開文件夾都需要多點幾下。例如，我存在 D:\neo4j 文件夾下
二、配置與使用
因爲neo4j是一站式安裝，所以在我印象中並沒有設置什麼環境變量。
安裝完成之後打開cmd，進入到安裝neo4j文件夾bin目錄下。以自己的爲例進入到 D:\neo4j\neo4j-community-3.5.5\bin 之後輸入以下內容如圖。
cmd中提示“Neo4j service started”，就代表我們已經把neo4j啓動完成。
可以打開瀏覽器輸入
http://localhost:7474/browser/
進入到neo4j數據庫中。
準備完成之後可以進入到下一步。
三、使用方法
知己知彼，方能百戰百勝
前期工作做好之後，我們就要開始慢慢了解怎麼使用他。
科普內容（非計算機專業建議看一下）：
計算機專業離散必修課中有很重要的一個知識點：圖
定義： 圖是由頂點的有窮非空集合和頂點之間邊的集合組成， 通常表示爲: G（V，E）， 其中，G表示一個圖，V是圖G中頂點的集合，E是圖G中邊的集合。
不喜歡官方說法的同學，我給降維到貓貓水平解釋下。
圖片中一共有三個點（V1、V2、V3）和兩條邊（E1、E2），整體看做爲一個圖G。這個圖是由三個點和兩條邊構成。以上就可以看做一個簡單圖的構成。
如果把V1、V2、V3比作人物的話，E1、E2就可以當做人物間的聯繫。
V1：大雄
V2：靜香
V3：哆啦A夢
E1：好朋友
E2：同學（未來可妻）
那麼，我們就可以得到以下這種關係。
上面這樣的圖大家是不是很清晰的瞭解到這三個人物之間的關係呢？
如果無感的，那下面這種感覺對比一下。哪個圖片更加直觀有效。
因爲以上數據太少，可能比較不明顯。
來一個比較極端的，以下表格有三萬多條數據，光看錶格是在費勁。
使用圖形式的來展示人物之間的關係，是不是就相對直觀很多。
以下內容以三國舉例。
在neo4j頁面的執行框中寫入Cypher語句，不熟悉這種語言的同學可以參考以下模板舉一反三。
1、創建節點（增）
1.1 創建單個節點
create (:person{name:"孫權"})
這條語句直接創建了孫權節點，即上圖中的圈圈。
1.2 創建兩個節點
與之相對應的是同時創建兩個節點並建立兩者關係
create (:person{name:"周瑜",age:25})-[:夫妻]->(:person{name:"小喬",age:20});
建立成功。
備註：
從上述語句中，給讀者解釋一下。
( )：中間的內容代表節點
{ }：中間的內容代表屬性
[ ]：中間內容代表關係
以上均是英文字符。
2、查找節點（查）
剛剛建立的節點怎麼樣才能找到呢？
return (:person{name:"周瑜"})-->();
如圖
這樣我們就能查找到周瑜節點，同時數據庫中也會自動匹配出與之建立關係的節點。
如果想查多重層數的關係可以自行深入學習，這裏不做過於深入的探討。
3、匹配關係（增、找）
什麼叫關係？得先有兩個實體，兩種實體之間存在着某種聯繫可以稱爲關係。虹貓和藍兔有關係，我和三舅媽的鄰居表弟同學媽媽的三姨母的女兒有聯繫嗎？估計沒有。
同樣，想要建立聯繫，首先要建立兩個節點纔有可能建立關係。
3.1 同時建立節點和關係
這個寫法見本文1.2
3.2 直接匹配關係
這種情況是建立在已有的兩個節點。
此時數據庫已經有孫權，周瑜，小喬的關係了。我可以匹配孫權和周瑜的關係，沒問題。但是我要是想建立孫權和大喬的關係可以嗎？
當然不行！！！ 因爲數據庫中還沒有建立大喬的節點，此時建立關係，會直接報錯。
match (a:hperson{name:"孫權"}) match (b:person{name:"周瑜"}) create (a)-[r:基友]->(b) return r;
此時在查找周瑜的節點：
因爲我在周瑜與孫權建立了雙向關係，
match (a:hperson{name:"孫權"}) match (b:person{name:"周瑜"}) create (a)<-[r:基友]-(b) return r;
仔細看看這句話和上一條語句有什麼不同？
此時已經有了三個節點和兩條關係。
試錯：如果硬把大喬和孫權建立關係，數據庫會給出以下提示。
四、高級用法
以上內容均是小打小鬧，手動建立節點和關係也太過兒戲。
現代的數據以萬爲計數單位都算是小的不能再小了。
現在有一個表格的數據，裏面包含着幾十萬條關係，甚至百萬千萬，手動建立匹配就有點說不過去了吧！
現在介紹一下手動和自動兩種方式導入數據庫中。
4.1 手動導入
首先我們規定下數據存儲格式。
以csv文件爲例。我們需要一個表格包含人物節點的內容（nodes.csv），另一個表格包含人物間關係的內容(relations.csv)。
表格來源gayhub，初學時這篇文章對我幫助很大，感謝大佬分享。
節點表格（nodes.csv）：
關係表格（relations.csv）：
把兩個csv文件放入 D:\neo4j\neo4j-community-3.5.5\import 目錄下，之後在neo4j頁面執行框內輸入
LOAD CSV WITH HEADERS FROM 'file:///nodes.csv' AS data CREATE (:star{starname:data.name, starid:data.id});
LOAD CSV WITH HEADERS FROM "file:///relations.csv" AS relations
MATCH (entity1:star{starname:relations.subject}) , (entity2:star{starname:relations.object})
CREATE (entity1)-[:relation{relation: relations.relation}]->(entity2)
然後所有數據瞬間導入數據庫中，速度就是那麼快。
4.2 自動導入
這個需要有好幾種方法，埋個坑，有興趣瞭解的同學可以留言評論或私信我都可。
最後上個簡單的效果圖吧。
收工，洗洗睡去了。
對了， 感興趣的小夥伴可以關注我的個人公衆號：小惑有觀察。現在開始恢復更新。
