写在前面（废话篇）：
填个坑，系统全部做完做一个毕设专题。
这篇文章在我的草稿箱里蹲了两个月。最近毕设答辩结束，有角度的时间来填个坑。
因为本科没有学过数据库课程（学院不让我们专业修这门课），所以在做毕业设计涉及数据库的内容一概不知。研究能力较差的我重新学一遍数据库实在来不及，就选择了这上手简单，增删改查一应俱的可视化图形数据库。
一、Neo4j可视化图形数据库简介
百度百科上对于neo4j解释如下图。说的很官方是不是？看不懂是不是？
通俗的来说就是这是一个不需要你自己设计的数据库，通过采用结构化设计方式，把各种信息存储在图形中的一个个点上，而不是传统意义上的表格中。
同时展示方面采用图的简单直观可视化效果。相对于冷冰冰的表格数据，图形显得更加有血有肉。
二、下载与安装
neo4j下载
官网下载比较慢，是我电脑的问题吗？
或者直接把安装包上传资源中（点我传送）（更新：这个解压包有问题，直接从百度网盘下载吧！）
不想给楼主贡献金币的话可以点我从百度网盘中下载。（提取码：ruat，失效的话可以联系我）
下载解压之后，傻瓜式安装。
注意：一定要找一个简单合适的文件夹存入。否则后期启动neo4j时，在cmd打开文件夹都需要多点几下。例如，我存在 D:\neo4j 文件夹下
二、配置与使用
因为neo4j是一站式安装，所以在我印象中并没有设置什么环境变量。
安装完成之后打开cmd，进入到安装neo4j文件夹bin目录下。以自己的为例进入到 D:\neo4j\neo4j-community-3.5.5\bin 之后输入以下内容如图。
cmd中提示“Neo4j service started”，就代表我们已经把neo4j启动完成。
可以打开浏览器输入
http://localhost:7474/browser/
进入到neo4j数据库中。
准备完成之后可以进入到下一步。
三、使用方法
知己知彼，方能百战百胜
前期工作做好之后，我们就要开始慢慢了解怎么使用他。
科普内容（非计算机专业建议看一下）：
计算机专业离散必修课中有很重要的一个知识点：图
定义： 图是由顶点的有穷非空集合和顶点之间边的集合组成， 通常表示为: G（V，E）， 其中，G表示一个图，V是图G中顶点的集合，E是图G中边的集合。
不喜欢官方说法的同学，我给降维到猫猫水平解释下。
图片中一共有三个点（V1、V2、V3）和两条边（E1、E2），整体看做为一个图G。这个图是由三个点和两条边构成。以上就可以看做一个简单图的构成。
如果把V1、V2、V3比作人物的话，E1、E2就可以当做人物间的联系。
V1：大雄
V2：静香
V3：哆啦A梦
E1：好朋友
E2：同学（未来可妻）
那么，我们就可以得到以下这种关系。
上面这样的图大家是不是很清晰的了解到这三个人物之间的关系呢？
如果无感的，那下面这种感觉对比一下。哪个图片更加直观有效。
因为以上数据太少，可能比较不明显。
来一个比较极端的，以下表格有三万多条数据，光看表格是在费劲。
使用图形式的来展示人物之间的关系，是不是就相对直观很多。
以下内容以三国举例。
在neo4j页面的执行框中写入Cypher语句，不熟悉这种语言的同学可以参考以下模板举一反三。
1、创建节点（增）
1.1 创建单个节点
create (:person{name:"孙权"})
这条语句直接创建了孙权节点，即上图中的圈圈。
1.2 创建两个节点
与之相对应的是同时创建两个节点并建立两者关系
create (:person{name:"周瑜",age:25})-[:夫妻]->(:person{name:"小乔",age:20});
建立成功。
备注：
从上述语句中，给读者解释一下。
( )：中间的内容代表节点
{ }：中间的内容代表属性
[ ]：中间内容代表关系
以上均是英文字符。
2、查找节点（查）
刚刚建立的节点怎么样才能找到呢？
return (:person{name:"周瑜"})-->();
如图
这样我们就能查找到周瑜节点，同时数据库中也会自动匹配出与之建立关系的节点。
如果想查多重层数的关系可以自行深入学习，这里不做过于深入的探讨。
3、匹配关系（增、找）
什么叫关系？得先有两个实体，两种实体之间存在着某种联系可以称为关系。虹猫和蓝兔有关系，我和三舅妈的邻居表弟同学妈妈的三姨母的女儿有联系吗？估计没有。
同样，想要建立联系，首先要建立两个节点才有可能建立关系。
3.1 同时建立节点和关系
这个写法见本文1.2
3.2 直接匹配关系
这种情况是建立在已有的两个节点。
此时数据库已经有孙权，周瑜，小乔的关系了。我可以匹配孙权和周瑜的关系，没问题。但是我要是想建立孙权和大乔的关系可以吗？
当然不行！！！ 因为数据库中还没有建立大乔的节点，此时建立关系，会直接报错。
match (a:hperson{name:"孙权"}) match (b:person{name:"周瑜"}) create (a)-[r:基友]->(b) return r;
此时在查找周瑜的节点：
因为我在周瑜与孙权建立了双向关系，
match (a:hperson{name:"孙权"}) match (b:person{name:"周瑜"}) create (a)<-[r:基友]-(b) return r;
仔细看看这句话和上一条语句有什么不同？
此时已经有了三个节点和两条关系。
试错：如果硬把大乔和孙权建立关系，数据库会给出以下提示。
四、高级用法
以上内容均是小打小闹，手动建立节点和关系也太过儿戏。
现代的数据以万为计数单位都算是小的不能再小了。
现在有一个表格的数据，里面包含着几十万条关系，甚至百万千万，手动建立匹配就有点说不过去了吧！
现在介绍一下手动和自动两种方式导入数据库中。
4.1 手动导入
首先我们规定下数据存储格式。
以csv文件为例。我们需要一个表格包含人物节点的内容（nodes.csv），另一个表格包含人物间关系的内容(relations.csv)。
表格来源gayhub，初学时这篇文章对我帮助很大，感谢大佬分享。
节点表格（nodes.csv）：
关系表格（relations.csv）：
把两个csv文件放入 D:\neo4j\neo4j-community-3.5.5\import 目录下，之后在neo4j页面执行框内输入
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)
然后所有数据瞬间导入数据库中，速度就是那么快。
4.2 自动导入
这个需要有好几种方法，埋个坑，有兴趣了解的同学可以留言评论或私信我都可。
最后上个简单的效果图吧。
收工，洗洗睡去了。
对了， 感兴趣的小伙伴可以关注我的个人公众号：小惑有观察。现在开始恢复更新。
