在选择数据库的路上，咱们遇到过哪些坑？（2）

【编者按】你会怎么选择数据库，是关系数据库、XML 数据库、资源描述框架（RDF），仍是图形数据库？本文的第1部分深刻而生动地探讨了各类选择。在第2部分，将深刻介绍使用 Neo4j 的注意点。文章系国内 ITOM 管理平台 OneAPM 编译呈现。

##过渡到 Neo4j 以后的经验和教训 下面介绍一些有关运行 Neo4j 的实用技巧：

###1. 若是你是 Java 商城，请嵌入式地运行 Neo4j Neo4j 是本地 Java 平台，咱们又是 Java 商城，用 Neo4j 至关合适。嵌入 Neo4j 让咱们不用再进行 REST 调用，这对于安全来讲确实很重要。有关进行 REST 调用的进一步危害，请观看这段有关 REST 安全漏洞的 JavaOne 讨论。

嵌入式地运行 Neo4j 还为咱们大幅下降了复杂性。咱们能够直接在进程中调用 Neo4j API，从而快速了解 Cypher 语言，以便运行 Cypher 和 Java API 这二者的结合体。同时咱们不再须要托管和非托管的扩展了。

##2. 摸清本身的优点 摸清本身的优点和所选择的工具的优点，这一点极为重要。用工具来作不适当的事，效果会大打折扣。

本地图形数据库在关系方面的表现确实很好；在图形中找到切入点，而后按照须要深刻地研究各类关系，这在 Neo4j 中快得惊人。但若是想要在单个节点以外进行复杂的多值属性全文检索，效果就大打折扣了 —— 但咱们选择图形数据库并非为了作这个。

##3. 了解查询时会发生哪些事情 了解查询时会发生哪些事情，这一点也极为重要，这可以优化 Cypher 语言。

请看下面这个很是简单的查询。我想要找到 Franklin Country 全部拥有狩猎执照的男性，而且执照上的地址须要和此人的家庭住址相匹配，以便咱们确认这是同一我的。

我有一我的员节点，一个执照节点，还有一个位置节点，每一个节点上都有各类不一样属性：

数据库要作的第一件事就是找到切入点（可能有多个切入点），而后图形从切入点展开搜索。寻找切入点一般是个让人头痛的问题。为此要使用带有静态索引集的基于规则的规划程序，这一软件已于近期升级为基于费用。这虽然还不够完美，但无疑已经朝着正确的方向前进了一大步。

###索引

索引基本上会复制数据库中的信息片断，这样有利于它迅速找到节点。在本例中，只使用信息片断来肯定切入点。虽然不是必需要使用索引，但它确实能派上用场。若是要在特定的节点属性上进行检索，在节点上设置一个索引会是个好办法，即便这会占用磁盘空间。

索引分为两种：schema 和 legacy。Schema 索引是最新版，使用内部自定义的 Neo4j 内置索引，目前是默认设置。

一旦利用 Cypher 或 Java API 建立 schema 索引后，这些索引就会自动由数据库维护。例如，若是你想在每一个带有“人员”标签和“性别”属性的节点上建立索引，当你建立新节点、更改节点值或删除节点时，数据库将自动对其进行更新。这时你也能够设置限定条件，好比必须存在属性或属性必须是惟一的。

Legacy 索引是 Lucene 索引，是较早的版本但还没有弃用。能够经过配置文件、Neo4j 属性文件、Java API 或 Cypher 来设置 legacy 索引。Legacy 索引使用的是 Lucene 而非 Neo4j 专有索引机制。咱们在用 Neo4j 时几乎没有什么漏洞，而每次遇到的漏洞基本都和 legacy 索引有关。即便是这样，有时候这些索引也是必要的。

Apache Luke 是一款很是不错的开源工具，用户能够用它直接查看和搜索 Lucene 索引。这也帮助咱们修复了 legacy 索引中的异常行为。

###自动索引与手动索引

Legacy 索引有两种用法：自动索引和手动索引。我建议使用自动索引，由于它更容易维护。基本上只要设置一次（能够在配置文件中设置也能够经过 API 设置），而后设为在特定类型的节点上为特定类型的属性编写索引。自动索引还可以在必要时轻松重建索引。

可是用户没法指定是哪一种类型的索引。在 Lucene 中，schema 存在不一样索引类型，例如字符串、区分大小写，以及数值，这些都是物理上独立的索引。

若是你在查询 Lucene 时想要使用这些索引，必需要作的第一件事就是告诉 Lucene 要使用哪一个索引。但若是进行自动索引，Neo4j 能够根据你要编写索引的第一个对象来选择使用哪一个索引。例如，若是你设置的第一个索引是蓝色，Neo4j 就会明白蓝色是字符串，而后会永久性地将蓝色放在字符串索引中。

若是你能很好地控制收到的数据，这一索引方式效果会很不错。但咱们的系统没有这样。咱们从许多不一样的来源接收数据，因此收到的“blue”（蓝色）属性可能会指年龄。但若是这一属性是最早收到的，Neo4j 就会把年龄做为基于字符串的属性而不是数值属性来编写索引，如此一来，以后就无法按照我但愿的方式展开进一步比对和排列了。在这种状况下，只能手动建立索引。

使用自动索引的另外一个好处是，若是目录无端损坏，很容易就能修复目录。能够暂停整个数据库，进入 Lucene 索引目录，删除此目录，重启数据库，而后 Neo4j 会为全部节点从新编写索引。但若是已经进行了手动索引，你只能返回，而后为全部节点从新编写索引。

###范围查询

下面一系列幻灯片显示了范围查询：

我想查询“profile”（我的信息），因此我把 PROFILE 放在查询内容的前面。我想找到收入为特定数值（50500）的全部人群而且只返回最前面的两个结果。

这段代码代表，我已经有了某人的收入索引，规划程序的限值是 2。NodeIndexSeek 用这一索引来查找数值，从一个拥有 22 万人的样本数据库中进行了大约 2800 次数据库访问。

在接下来的范围查询中，我准备查找收入低于 50500 的人：

在此次的查询中，咱们执行了 NodeByLabelScan，因为没有使用索引，咱们进行了多达 43 万次数据库访问。在 Neo4j 第 2.3 版以前，schema 索引不支持范围，因此你必须得用 legacy 索引，而后直接查询 Lucene 索引，才能发挥做用。

第 2.3 版修复了这一问题；如今有了 NodeIndexSeekByRange，可在 schema 标签上提供范围索引：

##4. 不要使用内部节点 ID 使用当前节点 ID 是个很大的诱惑，但这种作法很是不可取，这是由于在某些时刻，这种作法会致使数据库内容被删除。请阅读这篇介绍，了解更多相关内容。

Neo4j 使用增量日志。若是你删除了某个节点，最后系统会翻转节点 ID，这样你就能够重复使用这些数字。咱们结合使用了节点标签和随机选择的 UUID，这样若是你的 API 始终暴露在外，就能够提供额外的安全保障。

##5. 数据建模很重要 数据模型的重要程度至少和查询至关。下面的说明颇有用：能够经过多重关系类型或关系上的属性来为部分关系建模。两种方法彷佛一样合理，但它们的性能表现可能截然不同。必定要了解一下 GraphAware 对这一内容的介绍。其区别在于，一方定义不一样类型的 person 和 place 之间的关系……

……而另外一方则表示有三种不一样的属性类型：

性能表现提高了八倍。上述 GraphAware 的文章深刻详细地解释了这一律念。

##6. 优化性能 EXPLAIN 和 PROFILE 绝对是你的良师益友。别担忧 Java API，而查询规划程序还很年轻，在许多状况下都比 Cypher 要快。若是你要设定基准，必定要以温备份数据库设定基准。这样就能加载 Neo4j 的数据库缓存。

##7. 必定要交流！ Neo4j 拥有强大的支持社区，包括谷歌论坛、Slack 协做频道、Stack Overflow 网站和很是出色的支持团队。

##8. 在工具栏里添加下面的代码 借助下面的样板代码，能够检查数据库中的每一个节点并修复全部问题。这一示例有时会抓取关系，但你也能够对节点或其余限定条件进行一样的操做。

无论怎样，它都能事务性地依次经过数据库中的全部节点。在本例中，每一个事务是 90000 次操做，若是有须要，还能够批量更改整个数据库：

本文系 OneAPM 工程师整理呈现。OneAPM 能为您提供端到端的应用性能解决方案，咱们支持全部常见的框架及应用服务器，助您快速发现系统瓶颈，定位异常根本缘由。分钟级部署，即刻体验，性能监控历来没有如此简单。想阅读更多技术文章，请访问 OneAPM 官方技术博客。

本文转自 OneAPM 官方博客

原文地址：https://dzone.com/articles/from-good-to-graph-choosing-the-right-database