图数据库是一种以图为数据结构来存储信息的数据库，不像我们通常所熟知的关系型数据库那样把数据存储在表（table）中，图数据库将数据存储在节点（node）和关系（relationship）里面，这种存储形式适用于数据之间的关系和数据本身一样重要的场景。
Neo4j是图数据库的典型代表，也是使用范围最广的图数据库。在Neo4j中，我们需要了解四个核心的概念：
1. Node（节点） 通常代表对象或实体。举例来说，在一个社交网络中，人物、位置、公司等都可以用节点来表示。
2. Label（标签）用来给节点做分类，每个分类就是一个标签。举例来说，张三、李四就是人物这个标签类，残友软件和残友智建就是公司这个标签。一个节点可以有多个标签，比如张三属于“人物”标签，如果他在残友软件上班，也可以打上“雇员”这个标签。
3. Relationship（关系）连接开始和结束两个节点的单向边，用来描述这两个节点之间的关系，一个关系只有一种类型（Type）。在“张三就职于残友软件”这个事实陈述中，“就职于”就是一条从节点“张三”指向“残友软件”的关系边。
4. Property（属性）键值对，用来进一步描述节点或关系的属性，每个节点或关系可以有任意数量的属性，而且同种类型节点的属性不必相同。仍然拿上面的例子，“张三”这个节点可以增加“性别：男；生日：1月1日”这两个属性，“就职于”这个关系可以增加“职位：软件工程师；开始时间：2024年4月”这两个属性。
类似于关系型数据库的SQL（Structured Query Language，结构化查询语言），图数据库也有自己的查询语言GQL，Cypher是Neo4j上的图查询语言实现，一般简称为CQL。
MATCH (m:Label) - [r:Type] -> (n:Label)WHERE m.Property AND/OR r.PropertyRETURN m, r, n
MERGE执行时会先查找结构是否已存在，避免重复创建。注意下面这两条CQL语句的区别，前者会查询“阿珍-爱上了->阿强”这条路径是否存在，这意味着即使数据库中存在“阿珍”这个节点，也会新建一个重复的。而后面那条语句不会重复创建。
MERGE (p:Person {name:"阿珍"})-[r:爱上了]->(q:Person {name:"阿强"})
MERGE (p:Person {name:"阿珍"}) MERGE (q:Person {name:"阿强"})MERGE (p)-[r:爱上了]->(q)
可以通过ON CREATE 和 ON MATCH自定义MERGE执行的逻辑，已有则触发ON MATCH，否则触发ON CREATE
MERGE (m:Movie {title: 'Rocketman'})ON CREATE SET m.createdAt = datetime()ON MATCH SET m.updatedAt = datetime()SET m.released = 2019RETURN m
3. DELETE 删除关系或节点，当删除的节点还存在和其他节点的关系时会报错，使用DETACH DELETE即可
6. CALL 查询全局信息，db.labels()， db.propertyKeys()
8. ANY 对列表中的“每一项值”进行判断（值判断）；EXISTS 判断“整个结构是否存在”（结构判断）
要在Neo4j中建立现实世界的概念模型，要先识别出节点（一般对应需求描述中的名词）和关系（一般对应需求描述中的动词），然后遵循一些命名规范和设计原则建立起数据冗余小、有查询优化的图结构存储。
-
标签用驼峰法命名，例如Person, Company, GitHubRepo
-
关系用全大写，例如FOLLOWS，MARRIED_TO
-
属性的key用首字母小写的驼峰，比如deptId, firstName
2. 设计原则![]()
-
数据去重：很多节点共有的属性值抽取成新的节点，减少数据冗余存储。比如下图（a）中，Movie节点的languages属性列表有重复，可以将其列表项抽取成新的节点，如图（b）所示。
-
关系细化：如果要加快关系查询，可以把关系拼接上属性值作为一个细化关系。比如下图中的ACTED_IN关系，原本有year和role两个属性，如果要查询year:1995的ACTED_IN关系，需要扫描所有ACTED_IN然后查看year属性是否为1995，效率很低。将“ACTED_IN”拼接year的属性值作为细化关系，查询某个年份的ACTED_IN就不必全部扫描了。
