在选择数据库的路上，我们遇到过哪些坑？（2）

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），还是图形数据库？本文的第1部分（http://www.afenxi.com/post/23342）深入而生动地探讨了各种选择。在第2部分，将深入介绍使用 Neo4j 的注意点。文章系国内 ITOM 管理平台 OneAPM 编译呈现。

过渡到 Neo4j 之后的经验和教训

下面介绍一些有关运行 Neo4j 的实用技巧：

1. 如果你是 Java 商城，请嵌入式地运行 Neo4j

Neo4j 是本地 Java 平台，我们又是 Java 商城，用 Neo4j 相当合适。嵌入 Neo4j 让我们不用再进行 REST 调用，这对于安全来说确实很重要。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 还为我们大幅降低了复杂性。我们可以直接在进程中调用 Neo4j API，从而快速了解Cypher 语言，以便运行 Cypher 和 Java API 这两者的结合体。同时我们再也不需要托管和非托管的扩展了。

2. 摸清自己的优势

摸清自己的优势和所选择的工具的优势，这一点极为重要。用工具来做不适当的事，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，然后按照需要深入地研究各种关系，这在 Neo4j 中快得惊人。但如果想要在单个节点之外进行复杂的多值属性全文检索，效果就大打折扣了 —— 但我们选择图形数据库并不是为了做这个。

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，这能够优化 Cypher 语言。

请看下面这个非常简单的查询。我想要找到 Franklin Country 所有拥有狩猎执照的男性，并且执照上的地址需要和此人的家庭住址相匹配，以便我们确认这是同一个人。

我有一个人员节点，一个执照节点，还有一个位置节点，每个节点上都有各种不同属性：

数据库要做的第一件事就是找到切入点（可能有多个切入点），然后图形从切入点展开搜索。寻找切入点通常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段，这样有利于它迅速找到节点。在本例中，只使用信息片段来确定切入点。虽然不是必须要使用索引，但它确实能派上用场。如果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，即使这会占用磁盘空间。

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 创建 schema 索引后，这些索引就会自动由数据库维护。例如，如果你想在每个带有“人员”标签和“性别”属性的节点上创建索引，当你创建新节点、更改节点值或删除节点时，数据库将自动对其进行更新。这时你也可以设置限定条件，比如必须存在属性或属性必须是唯一的。

Legacy 索引是 Lucene 索引，是较早的版本但尚未弃用。可以通过配置文件、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。我们在用 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。即使是这样，有时候这些索引也是必要的。

Apache Luke 是一款非常不错的开源工具，用户可以用它直接查看和搜索 Lucene 索引。这也帮助我们修复了 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，因为它更容易维护。基本上只要设置一次（可以在配置文件中设置也可以通过 API 设置），然后设为在特定类型的节点上为特定类型的属性编写索引。自动索引还能够在必要时轻松重建索引。

但是用户无法指定是哪种类型的索引。在 Lucene 中，schema 存在不同索引类型，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。

如果你在查询 Lucene 时想要使用这些索引，必须要做的第一件事就是告诉 Lucene 要使用哪个索引。但如果进行自动索引，Neo4j 可以根据你要编写索引的第一个对象来选择使用哪个索引。例如，如果你设置的第一个索引是蓝色，Neo4j 就会明白蓝色是字符串，然后会永久性地将蓝色放在字符串索引中。

如果你能很好地控制收到的数据，这一索引方式效果会很不错。但我们的系统没有这样。我们从许多不同的来源接收数据，所以收到的“blue”（蓝色）属性可能会指年龄。但如果这一属性是最先收到的，Neo4j 就会把年龄作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，之后就没法按照我希望的方式展开进一步比对和排列了。在这种情况下，只能手动创建索引。

使用自动索引的另一个好处是，如果目录无故损坏，很容易就能修复目录。可以暂停整个数据库，进入 Lucene 索引目录，删除此目录，重启数据库，然后 Neo4j 会为所有节点重新编写索引。但如果已经进行了手动索引，你只能返回，然后为所有节点重新编写索引。

范围查询

下面一系列幻灯片显示了范围查询：

我想查询“profile”（个人信息），所以我把 PROFILE 放在查询内容的前面。我想找到收入为特定数值（50500）的所有人群并且只返回最前面的两个结果。

这段代码表明，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：

在这次的查询中，我们执行了 NodeByLabelScan，由于没有使用索引，我们进行了多达 43 万次数据库访问。在 Neo4j 第 2.3 版之前，schema 索引不支持范围，所以你必须得用 legacy 索引，然后直接查询 Lucene 索引，才能发挥作用。

第 2.3 版修复了这一问题；现在有了 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，但这种做法非常不可取，这是因为在某些时刻，这种做法会导致数据库内容被删除。请阅读这篇介绍，了解更多相关内容。

Neo4j 使用增量日志。如果你删除了某个节点，最后系统会翻转节点 ID，这样你就可以重复使用这些数字。我们结合使用了节点标签和随机选择的 UUID，这样如果你的 API 始终暴露在外，就可以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相当。下面的说明很有用：可以通过多重关系类型或关系上的属性来为部分关系建模。两种方法似乎同样合理，但它们的性能表现可能大相径庭。一定要了解一下 GraphAware 对这一内容的介绍。其区别在于，一方定义不同类型的 person 和 place 之间的关系……

……而另一方则表示有三种不同的属性类型：

性能表现提升了八倍。上述 GraphAware 的文章深入详细地解释了这一概念。

6. 优化性能

EXPLAIN 和 PROFILE 绝对是你的良师益友。别担心 Java API，而查询规划程序还很年轻，在许多情况下都比 Cypher 要快。如果你要设定基准，一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. 一定要交流！

Neo4j 拥有强大的支持社区，包括谷歌论坛、Slack 协作频道、Stack Overflow 网站和非常出色的支持团队。

8. 在工具栏里添加下面的代码

借助下面的样板代码，可以检查数据库中的每个节点并修复所有问题。这一示例有时会抓取关系，但你也可以对节点或其他限定条件进行同样的操作。

不管怎样，它都能事务性地依次通过数据库中的所有节点。在本例中，每个事务是 90000 次操作，如果有需要，还可以批量更改整个数据库：

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

由国内 ITOM 管理平台 OneAPM 编译呈现

链接：http://blog.oneapm.com/apm-tech/740.html

文章已获得授权

数据分析网（www.afenxi.com），国内领先的大数据门户，旨在帮助大数据从业人士、爱好者提供大数据新闻资讯、前沿技术、业界观点的信息平台。