05.12.1 Neo4j 与图查询
所属:全栈开发面试题库 / 05 数据库与存储 / 05.12 图、时序与宽表
覆盖范围
- 图数据库模型:节点、关系、属性
- Cypher 查询语言
- 图存储:原生图与邻接表
- 图算法:路径、推荐、社群发现
- 适用场景与边界
高频题速览
| 编号 | 题目 | 难度 | 频率 |
|---|---|---|---|
| 05.12.1-001 | 图数据库和关系库多跳 JOIN 区别 | 进阶 | ★★★★ |
| 05.12.1-002 | Cypher 基本语法 | 进阶 | ★★★ |
| 05.12.1-003 | 原生图存储是什么 | 进阶 | ★★★ |
| 05.12.1-004 | 图算法有哪些 | 进阶 | ★★★ |
| 05.12.1-005 | 图数据库适合什么场景 | 基础 | ★★★ |
05.12.1-001 图数据库和关系库多跳 JOIN 有什么区别?
频率 ★★★★ | 难度 进阶
一句话结论
关系库多跳查询需多次自 JOIN,层数越多越慢;图数据库把关系作为一等公民,节点直接存指向邻居的指针,多跳遍历是 O(跳数),不需要 JOIN 展开。
05.12.1-002 Cypher 基本语法是什么?
频率 ★★★ | 难度 进阶
一句话结论
Cypher 用 (节点)-[关系]->(节点) 模式匹配,类似画查询图;MATCH/WHERE/RETURN 是基本子句。
代码 / 示例
-- 找张三的好友的好友
MATCH (p:Person {name:'张三'})-[:FRIEND_OF*2]-(f:Person)
RETURN f.name;
-- 共同好友
MATCH (a:Person {name:'张三'})-[:FRIEND]-(f)-[:FRIEND]-(b:Person {name:'李四'})
RETURN f.name;
05.12.1-003 原生图存储是什么?
频率 ★★★ | 难度 进阶
一句话结论
Neo4j 原生图存储把节点和关系存为记录,关系直接包含起止节点指针,遍历关系无需索引查找;与关系库用 JOIN 模拟图不同。
05.12.1-004 图算法有哪些?
频率 ★★★ | 难度 进阶
一句话结论
路径(最短路径)、中心性(PageRank)、社群发现(Louvain)、推荐(共同好友、协同过滤);Neo4j GDS 库内置算法。
05.12.1-005 图数据库适合什么场景?
频率 ★★★ | 难度 基础
一句话结论
社交关系、风控图谱、知识图谱、推荐链路;不适合简单 CRUD 和大范围聚合扫描。
05.12.1-006 图数据库怎么存大数据?
频率 ★★ | 难度 进阶
一句话结论
Neo4j 单机版适合千万级节点;超大规模用 NebulaGraph(shared-nothing 分片)或 JanusGraph(底层 HBase/Cassandra);图分片按社区切分,避免跨分片遍历。
05.12.1-007 最短路径怎么写?
频率 ★★ | 难度 进阶
一句话结论
Neo4j 内置 shortestPath 函数,限制跳数和关系类型;任意跳数路径查询会指数膨胀,生产必须限制跳数。
05.12.1-008 知识图谱用什么存储?
频率 ★★ | 难度 基础
一句话结论
简单知识图谱用 Neo4j;海量三元组用 RDF 三元组库(GraphDB/Virtuoso)或图数据库;企业级知识图谱结合图数据库 + ES 全文检索。
05.12.1-009 风控图谱怎么用图数据库?
频率 ★★ | 难度 进阶
一句话结论
把用户、设备、手机号、银行卡作为节点,关系为持有/登录/转账;图查询找共同设备、资金链路、团伙;实时风控用图算法做社区发现。
05.12.1-010 图数据库能替代关系库吗?
频率 ★★ | 难度 基础
一句话结论
不能。图数据库擅长关系遍历,但不擅长事务、聚合扫描、复杂报表;它是关系库的补充,处理特定关系密集场景。
典型场景与代码示例
Cypher 常用查询
-- 查张三的直接好友
MATCH (p:Person {name:'张三'})-[:FRIEND_OF]-(f:Person)
RETURN f.name;
-- 查共同好友
MATCH (a:Person {name:'张三'})-[:FRIEND_OF]-(f)-[:FRIEND_OF]-(b:Person {name:'李四'})
RETURN f.name;
-- 最短路径(最多 3 跳)
MATCH path = shortestPath(
(a:Person {name:'张三'})-[:FRIEND_OF*..3]-(b:Person {name:'李四'})
)
RETURN path;
图存储结构
节点(Node):
id: 123
labels: [Person]
properties: {name: "张三", age: 30}
关系(Relationship):
id: 456
type: FRIEND_OF
start: 123
end: 789
properties: {since: 2020}
图算法应用
风控场景:
节点:用户、设备、手机号、银行卡
关系:持有、登录、转账
查询:找同一设备下的多个账号(团伙欺诈)
推荐场景:
节点:用户、商品
关系:购买、浏览
算法:协同过滤(共同购买推荐)
面试高频追问
问:图数据库和关系库多跳查询有什么本质区别?
答:关系库多跳需多次自 JOIN,层数越多越慢;图数据库节点直接存邻居指针,多跳遍历是 O(跳数),不需 JOIN。
问:Cypher 和 SQL 有什么区别?
答:Cypher 用模式匹配((a)-[r]->(b))描述图结构,SQL 用表和 JOIN;Cypher 声明你要什么模式,SQL 声明怎么连接表。
问:图数据库适合什么场景?
答:社交关系、风控图谱、知识图谱、推荐链路;不适合简单 CRUD 和大范围聚合扫描。
问:超大规模图数据怎么存?
答:Neo4j 单机适合千万级节点;超大规模用 NebulaGraph(shared-nothing 分片)或 JanusGraph(底层 HBase/Cassandra)。
核心要点速记
| 概念 | 说明 |
|---|---|
| 节点(Node) | 实体,带 label 和属性 |
| 关系(Relationship) | 有方向、有类型、带属性 |
| Cypher | 模式匹配查询语言 |
| 原生图 | 关系直接存邻居指针,遍历 O(跳数) |
适用场景:
- 社交关系、风控图谱
- 知识图谱、推荐链路
- 不适合简单 CRUD 和大范围聚合
一句话记忆:图数据库把关系当一等公民;多跳遍历是它的核心优势。
相关概念辨析
图数据库 vs 关系型数据库存图
| 维度 | 图数据库 | 关系型存图 |
|---|---|---|
| 多跳查询 | 快 | 慢 |
| 关系 | 原生 | 外键 |
| 遍历 | 邻接 | JOIN |
| 适合 | 社交网络 | 简单关系 |
Cypher vs Gremlin
- Cypher:声明式,模式匹配,Neo4j 专用。
- Gremlin:命令式,遍历,TinkerPop 标准。
- 选择:Neo4j 用 Cypher;多引擎用 Gremlin。
05.12.1-009 Cypher 怎么优化性能?
频率 ★★ | 难度 进阶
一句话结论
Cypher 性能优化:1)用索引(CREATE INDEX);2)限制查询范围(LIMIT);3)避免全图扫描;4)用 PROFILE 查看执行计划。
概念解释
- 索引:节点属性建索引,加速查找。
- 全图扫描:没有索引的查询扫描所有节点。
- PROFILE:查看执行计划,定位慢查询。
原理流程
- 建索引:CREATE INDEX FOR (u:User) ON (u.name)。
- 查询:MATCH (u:User {name: 'xxx'}) 走索引。
- PROFILE:查看执行计划,看是否走索引。
常见误区
- 误区:图数据库没有索引。正解:Neo4j 支持属性索引,加速查找。
追问延伸
- 索引类型:B-tree、全文索引。
- 慢查询:PROFILE 查看执行计划。
05.12.1-010 图算法在线跑还是离线跑?
频率 ★★ | 难度 进阶
一句话结论
全局算法(PageRank、社区发现)离线跑;局部算法(最短路径、邻居查询)在线跑。
概念解释
- 全局算法:遍历全图,计算量巨大,离线跑。
- 局部算法:只查局部节点,在线跑。
- 选择:看算法是否需要全图。
原理流程
- PageRank:遍历全图,离线计算。
- 最短路径:查两个节点间路径,在线查询。
- 邻居查询:查节点的直接邻居,在线查询。
常见误区
- 误区:所有图算法都在线跑。正解:全局算法离线跑,局部算法在线跑。
追问延伸
- 离线工具:Neo4j GDS(Graph Data Science)。
- 在线查询:Cypher MATCH 查局部。
05.12.1-011 Neo4j 索引和约束有什么区别?
频率 ★★ | 难度 进阶
一句话结论
索引加速查找;约束保证数据完整性(唯一、非空);约束自动创建索引。
概念解释
- 索引:加速查找,不保证完整性。
- 约束:唯一约束保证属性唯一,非空约束保证属性非空。
- 约束自动创建索引:唯一约束自动创建索引。
原理流程
- 索引:CREATE INDEX 加速查找。
- 唯一约束:CREATE CONSTRAINT 保证属性唯一。
- 约束自动创建索引。
常见误区
- 误区:索引和约束一样。正解:索引加速查找,约束保证完整性。
追问延伸
- 唯一约束:保证属性唯一,自动创建索引。
- EXISTS 约束:保证属性非空。
场景题:社交关系网用 Neo4j 还是 MySQL?答:多跳关系查询(好友的好友)用 Neo4j;简单点查用 MySQL。全局算法(PageRank)离线跑,局部查询在线跑。
追问延伸:Cypher 是声明式模式匹配;Gremlin 是命令式遍历;图算法离线跑,局部查询在线跑。
核心要点:多跳关系查询用图数据库;简单点查用 MySQL;全局算法离线跑,局部查询在线跑。
选型总结:社交网络、推荐、知识图谱用图数据库;简单点查用 MySQL;图算法全局离线跑,局部在线跑。
一句话记忆:多跳关系查询用图数据库;简单点查用 MySQL;全局算法离线跑,局部查询在线跑。
补充说明:Cypher 是声明式,Gremlin 是命令式;图算法离线跑,局部查询在线跑。
待整理清单
- [ ] Neo4j 与 JanusGraph/NebulaGraph 对比
- [ ] 图数据规模与分片
- [ ] 知识图谱工程实践