8、Neo4j数据建模与Cypher查询语言入门

Neo4j数据建模与Cypher查询语言入门

1. Neo4j数据建模

在图数据库建模中，有一种典型的模式叫做粒度化模式（granulate pattern）。与关系型模型相比，图数据库建模倾向于拥有更细粒度的数据模型。

1.1 粒度化节点

在关系型模型中，我们使用数据库规范化（database normalization）来确定模型的粒度。规范化是指组织关系型数据库的字段和表，以最小化冗余和依赖的过程。通常，这涉及将大表拆分为更小、冗余更少的表，并定义它们之间的关系。当数据库达到第三范式时，就被认为是规范化的。然而，这种规范化过程可能会导致查询时需要使用连接表和连接操作，成本较高。因此，数据库管理员常常会对数据进行反规范化处理，但这又会引入数据重复的问题。

而在图数据库建模中，规范化的成本要低得多，因为图数据库中执行连接操作更加容易。所以，图模型通常会创建属性较少的节点和关系，这些节点和关系具有很高的粒度，被称为粒度化节点。

在建模过程中，我们常常会遇到一个问题：某个属性应该作为节点的属性，还是应该将其拆分为一个独立的节点？例如，啤酒的酒精百分比应该作为啤酒品牌节点的一个属性，还是应该将其拆分为一个独立的节点？这取决于具体的查询需求：
- 如果在图遍历过程中不需要评估酒精百分比，那么将其作为遍历终点节点的属性可能更好，这样可以使模型更简单。
- 如果在图遍历过程中需要评估特定啤酒品牌的酒精百分比，那么将其拆分为一个独立的节点类别可能是个好主意，因为遍历节点通常比评估每个路径的属性更容易、更快。

1.2 使用图内索引

进一步应用粒度化模式，我们可以在图内为数据模型创建自然索