Neo4j

本文转载自 [https://www.jianshu.com/p/500448f810c5]

介绍

Neo4j是一个高性能的,NOSQL图形数据库，它将结构化数据存储在网络上而不是表中。Neo4j也能够被看做是一个高性能的图引擎，该引擎具备成熟数据库的全部特性。程序员工做在一个面向对象的、灵活的网络结构下而不是严格、静态的表中——可是他们能够享受到具有彻底的事务特性、企业级的数据库的全部好处。
Neo4j因其嵌入式、高性能、轻量级等优点，愈来愈受到关注。

图形数据结构

在一个图中包含两种基本的数据类型：Nodes（节点） 和 Relationships（关系）。Nodes 和 Relationships 包含key/value形式的属性。Nodes经过Relationships所定义的关系相连起来，造成关系型网络结构。

使用场景

咱们能够将图领域划分红如下两部分：

1. 用于联机事务图的持久化技术（一般直接实时地从应用程序中访问）。

这类技术被称为图数据库，它们和“一般的”关系型数据库世界中的联机事务处理（Online Transactional Processing，OLTP）数据库是同样的。

2. 用于离线图分析的技术（一般都是按照一系列步骤执行）。

这类技术被称为图计算引擎。它们能够和其余大数据分析技术看作一类，如数据挖掘和联机分析处理（Online Analytical Processing，OLAP）。
图数据库通常用于事务（OLTP）系统中。图数据库支持对图数据模型的增、删、改、查（CRUD）方法。相应地，它们也对事务性能进行了优化，在设计时一般须要考虑事务完整性和操做可用性。
目前图数据库的巨大用途获得了承认，它跟不一样领域的不少问题都有关联。最经常使用的图论算法包括各类类型的最短路径计算、测地线（Geodesic Path）、集中度测量（如PageRank、特征向量集中度、亲密度、关系度、HITS等）

目前，业内已经有了相对比较成熟的基于图数据库的解决方案，大体能够分为如下几类。

金融行业应用

反欺诈多维关联分析场景

经过图分析能够清楚地知道洗钱网络及相关嫌疑，例如对用户所使用的账号、发生交易时的IP地址、MAC地址、手机IMEI号等进行关联分析。

反欺诈已是金融行业一个核心应用，经过图数据库能够对不一样的个体、团体作关联分析，从人物在指定时间内的行为，例如去过地方的IP地址、曾经使用过的MAC地址（包括手机端、PC端、WIFI等）、社交网络的关联度分析，同一时间点是否曾经在同一地理位置附近出现过，银行帐号之间是否有历史交易信息等。

社交网络图谱

企业关系图谱

图数据库能够对各类企业进行信息图谱的创建，包括最基本的工商信息，包括什么时候注册、谁注册、注册资本、在何处办公、经营范围、高管架构。围绕企业的经营范围，继续细化去查询企业究竟有哪些产品或服务，例如经过企业名称查询到企业的自媒体，从而给予其更多关注和了解。另外也包括对企业的产品和服务的数据关联，查看该企业有没有使人信服的自主知识产权和相关资质来支撑业务的开展。
企业在平常经营中，与客户、合做伙伴、渠道方、投资者都会打交道，这也决定了企业对社会各个领域都广有涉猎，呈现面错综复杂，所以能够经过企业数据图谱来查询，层层挖掘信息。基于图数据的企业信息查询能够真正了解企业的方方面面，而再也不是传统单一的工商信息查询。