数据建模

图数据建模是将业务领域转换为图结构的过程。良好的数据建模能够提高查询性能、简化查询逻辑，并更好地表达业务语义。

建模核心原则

1. 识别实体和关系

在开始建模前，先分析业务场景中的核心概念：

实体（节点）：人、地点、物品、事件等名词
关系：实体之间的连接，通常是动词或动词短语
属性：描述实体或关系的特征

-- 示例：社交网络建模
-- 实体：Person（人）
-- 关系：FRIEND（朋友）、FOLLOWS（关注）
-- 属性：name, age, since 等

CREATE (zhangsan:Person {name: '张三', age: 30})
CREATE (lisi:Person {name: '李四', age: 28})
CREATE (zhangsan)-[:FRIEND {since: '2020-01-01'}]->(lisi)

2. 粒度选择

决定数据应该建模为节点还是属性：

-- 作为属性：当地址不需要单独查询时
CREATE (p:Person {name: '张三', address: '北京市海淀区'})

-- 作为节点：当需要查询住在同一地区的人时
CREATE (p:Person {name: '张三'})-[:LIVES_IN]->(d:District {name: '海淀区'})

选择原则：

如果数据需要被独立查询 → 建模为节点
如果数据只是描述信息 → 建模为属性
如果数据需要建立关系 → 建模为节点

3. 关系方向

虽然 Neo4j 的关系是有方向的，但在查询时可以忽略方向：

-- 创建双向关系（如果需要）
CREATE (a)-[:FRIEND]->(b)
CREATE (b)-[:FRIEND]->(a)

-- 查询时忽略方向
MATCH (a:Person)-[:FRIEND]-(b:Person)
RETURN a.name, b.name

常见建模模式

社交网络模型

-- 用户节点
CREATE (user1:User {userId: 'u001', name: '张三', createdAt: datetime()})
CREATE (user2:User {userId: 'u002', name: '李四', createdAt: datetime()})

-- 关注关系
CREATE (user1)-[:FOLLOWS {createdAt: datetime()}]->(user2)

-- 好友关系（双向）
CREATE (user1)-[:FRIEND {since: date('2020-01-01')}]->(user2)
CREATE (user2)-[:FRIEND {since: date('2020-01-01')}]->(user1)

-- 发布内容
CREATE (post1:Post {postId: 'p001', content: '今天天气不错', createdAt: datetime()})
CREATE (user1)-[:PUBLISHED]->(post1)

-- 点赞
CREATE (user2)-[:LIKED {createdAt: datetime()}]->(post1)

-- 评论
CREATE (comment1:Comment {commentId: 'c001', content: '确实很好！'})
CREATE (user2)-[:COMMENTED]->(comment1)
CREATE (comment1)-[:ON]->(post1)

电商系统模型

-- 用户
CREATE (user:User {userId: 'u001', name: '张三', email: '[email protected]'})

-- 商品分类
CREATE (electronics:Category {name: '电子产品'})
CREATE (phones:Category {name: '手机'})
CREATE (phones)-[:SUBCATEGORY_OF]->(electronics)

-- 商品
CREATE (product:Product {sku: 'P001', name: 'iPhone 15', price: 5999})
CREATE (product)-[:BELONGS_TO]->(phones)

-- 订单
CREATE (order:Order {orderId: 'O001', totalAmount: 5999, status: 'PAID'})
CREATE (user)-[:PLACED {createdAt: datetime()}]->(order)
CREATE (order)-[:CONTAINS {quantity: 1, price: 5999}]->(product)

-- 评价
CREATE (review:Review {rating: 5, comment: '非常好用！'})
CREATE (user)-[:REVIEWED]->(review)
CREATE (review)-[:FOR]->(product)

-- 购物车
CREATE (cart:Cart {cartId: 'C001'})
CREATE (user)-[:HAS_CART]->(cart)
CREATE (cart)-[:CONTAINS {quantity: 2, addedAt: datetime()}]->(product)

知识图谱模型

-- 概念/实体
CREATE (china:Country {name: '中国'})
CREATE (beijing:City {name: '北京'})
CREATE (tsinghua:University {name: '清华大学'})

-- 关系
CREATE (beijing)-[:CAPITAL_OF]->(china)
CREATE (beijing)-[:LOCATED_IN]->(china)
CREATE (tsinghua)-[:LOCATED_IN]->(beijing)

-- 人物
CREATE (person:Person {name: '张三', profession: '教授'})
CREATE (person)-[:WORKS_AT]->(tsinghua)
CREATE (person)-[:BORN_IN]->(beijing)

-- 时间事件
CREATE (event:Event {name: '建校', date: date('1911-04-29')})
CREATE (tsinghua)-[:FOUNDED_ON]->(event)

高级建模技巧

1. 时间维度建模

-- 方法1：关系属性
CREATE (user)-[:WORKS_AT {from: date('2020-01-01'), to: date('2023-12-31')}]->(company)

-- 方法2：时间树（适合复杂时间查询）
CREATE (y2023:Year {value: 2023})
CREATE (m01:Month {value: 1})-[:OF_YEAR]->(y2023)
CREATE (d15:Day {value: 15})-[:OF_MONTH]->(m01)

-- 关联事件到时间点
CREATE (event:Event {name: '入职'})
CREATE (event)-[:OCCURRED_ON]->(d15)
CREATE (user)-[:PARTICIPATED_IN]->(event)

2. 版本控制建模

-- 文档版本
CREATE (doc:Document {docId: 'd001', title: '项目计划'})
CREATE (v1:Version {version: '1.0', content: '初始版本', createdAt: datetime()})
CREATE (v2:Version {version: '2.0', content: '修订版本', createdAt: datetime()})

CREATE (v2)-[:PREVIOUS_VERSION]->(v1)
CREATE (doc)-[:CURRENT_VERSION]->(v2)
CREATE (doc)-[:HAS_VERSION]->(v1)
CREATE (doc)-[:HAS_VERSION]->(v2)

3. 权限模型

-- RBAC 模型
CREATE (user:User {name: '张三'})
CREATE (role:Role {name: '管理员'})
CREATE (resource:Resource {name: '用户管理', type: '模块'})
CREATE (permission:Permission {action: 'WRITE'})

CREATE (user)-[:HAS_ROLE]->(role)
CREATE (role)-[:HAS_PERMISSION]->(permission)
CREATE (permission)-[:ON]->(resource)

4. 多语言支持

-- 产品多语言
CREATE (product:Product {sku: 'P001'})
CREATE (name_zh:ProductName {language: 'zh', value: '苹果手机'})
CREATE (name_en:ProductName {language: 'en', value: 'Apple iPhone'})

CREATE (product)-[:HAS_NAME]->(name_zh)
CREATE (product)-[:HAS_NAME]->(name_en)

-- 查询中文名称
MATCH (p:Product)-[:HAS_NAME]->(n:ProductName {language: 'zh'})
RETURN p.sku, n.value

反模式与避免

1. 过度使用属性

-- 不好的设计：所有信息都在属性中
CREATE (p:Person {
  name: '张三',
  friend1: '李四',
  friend2: '王五',
  friend3: '赵六'
})

-- 好的设计：关系表示连接
CREATE (zhangsan:Person {name: '张三'})
CREATE (lisi:Person {name: '李四'})
CREATE (wangwu:Person {name: '王五'})
CREATE (zhaoliu:Person {name: '赵六'})
CREATE (zhangsan)-[:FRIEND]->(lisi)
CREATE (zhangsan)-[:FRIEND]->(wangwu)
CREATE (zhangsan)-[:FRIEND]->(zhaoliu)

2. 过度规范化

-- 不好的设计：过度拆分
CREATE (user:User {id: 'u001'})
CREATE (name:Name {first: '张', last: '三'})
CREATE (age:Age {value: 30})
CREATE (user)-[:HAS_NAME]->(name)
CREATE (user)-[:HAS_AGE]->(age)

-- 好的设计：合理平衡
CREATE (user:User {id: 'u001', firstName: '张', lastName: '三', age: 30})

3. 忽略关系属性

-- 不好的设计：关系没有属性
CREATE (a)-[:RATED]->(b)

-- 好的设计：评分和时间
CREATE (a)-[:RATED {score: 5, comment: '非常好', at: datetime()}]->(b)

性能考虑

1. 索引策略

-- 为查询入口点创建索引
CREATE CONSTRAINT user_id_unique FOR (u:User) REQUIRE u.userId IS UNIQUE
CREATE INDEX user_name FOR (u:User) ON (u.name)
CREATE INDEX product_category FOR (p:Product) ON (p.category)

2. 查询模式优化

-- 高效：从有索引的节点开始
MATCH (u:User {userId: 'u001'})-[:FOLLOWS]->(followed)
RETURN followed

-- 低效：从关系开始
MATCH ()-[:FOLLOWS]->(followed)
WHERE followed.userId = 'u001'
RETURN followed

3. 超级节点处理

-- 超级节点：拥有大量关系的节点
-- 解决方案1：关系分片
CREATE (user)-[:FOLLOWS_2024]->(followed)

-- 解决方案2：双向关系
CREATE (user)-[:FOLLOWS]->(followed)
CREATE (followed)-[:FOLLOWED_BY]->(user)

-- 解决方案3：使用中间节点
CREATE (user)-[:HAS_FOLLOW_LIST]->(list:FollowList {year: 2024})
CREATE (list)-[:CONTAINS]->(followed)

实际案例

电影推荐系统

-- 创建电影数据
CREATE (inception:Movie {title: '盗梦空间', year: 2010, genre: '科幻'})
CREATE (nolan:Director {name: '克里斯托弗·诺兰'})
CREATE (dicaprio:Actor {name: '莱昂纳多·迪卡普里奥'})

CREATE (nolan)-[:DIRECTED]->(inception)
CREATE (dicaprio)-[:ACTED_IN {role: 'Cobb'}]->(inception)

-- 用户评分
CREATE (user:User {userId: 'u001'})
CREATE (user)-[:RATED {score: 5, at: datetime()}]->(inception)

-- 推荐查询：找到看过相同电影的用户推荐的其他电影
MATCH (user:User {userId: 'u001'})-[:RATED]->(movie)<-[:RATED]-(similar:User)
MATCH (similar)-[:RATED]->(recommendation:Movie)
WHERE NOT (user)-[:RATED]->(recommendation)
RETURN recommendation.title, avg(r.score) AS avgScore
ORDER BY avgScore DESC
LIMIT 10

建模检查清单

识别了所有核心实体和关系
选择了合适的粒度级别
为常用查询入口创建了索引
考虑了数据增长和超级节点问题
验证了关键查询的性能
处理了时间维度和版本控制需求
考虑了多语言和国际化

下一步

掌握了数据建模后，继续学习应用开发，了解如何在实际应用中使用 Neo4j。

建模核心原则​

1. 识别实体和关系​

2. 粒度选择​

3. 关系方向​

常见建模模式​

社交网络模型​

电商系统模型​

知识图谱模型​

高级建模技巧​

1. 时间维度建模​

2. 版本控制建模​

3. 权限模型​

4. 多语言支持​

反模式与避免​

1. 过度使用属性​

2. 过度规范化​

3. 忽略关系属性​

性能考虑​

1. 索引策略​

2. 查询模式优化​

3. 超级节点处理​

实际案例​

电影推荐系统​

建模检查清单​

下一步​

建模核心原则

1. 识别实体和关系

2. 粒度选择

3. 关系方向

常见建模模式

社交网络模型

电商系统模型

知识图谱模型

高级建模技巧

1. 时间维度建模

2. 版本控制建模

3. 权限模型

4. 多语言支持

反模式与避免

1. 过度使用属性

2. 过度规范化

3. 忽略关系属性

性能考虑

1. 索引策略

2. 查询模式优化

3. 超级节点处理

实际案例

电影推荐系统

建模检查清单

下一步