Neo4j·数据导入·方案对比

• 数据导入方案对比

  • neo4j-admin import
    • 最快的方案
    • 10s导入15w节点
  • Spark（同事）
    • 0.5h, 50w节点
  • apoc导入hdfs里的csv文件
    • 100w个节点数据0.5h导不完

• CSV处理经验

  • 源数据到CSV，注意将源数据中的英文，进行提前处理
  • 字符串内部的引号不提前转义或过滤会引起导入错误
    • 如： 的合法时间“为人特让他”发顺丰 被识别为三个字符串
  • hash不是唯一映射， 自增长ID可以解决唯一性问题

• .CSV说明

  • Node的类型用:Label做header
  • Edge的类型用:TYPE做header
  • 官方文档里ID用的是不带引号的字符串，ID是32位内整型（忘记在哪查到的了）
  • .CSV中的字符串不一定要有单引号' '或双引号，两种引号应该都可以。但请一定加引号，避免字段内有英文逗号。
  • header中propertyName后面的“:类型" 可以省略
  • node.csv里加了ID namespace，edge.csv里也得加上才能互相识别出来
  • Official Document. https://neo4j.com/docs/operations-manual/current/tutorial/import-tool/
    • 可以把同一个label的csv文件分成多个，比如：person-part1.csv, person-part2.csv，只要把它们写在一个--nodes参数就可以了。
    •  

neo4j 批量导入数据

• 将大规模数据导入Neo4j的五种方法. https://blog.csdn.net/xingxiupaioxue/article/details/71747284
• 【推荐】.http://arganzheng.life/import-json-data-into-neo4j.html
  • 内容：
    • 通过neo4j-admin import命令可以将数据从 CSV 文件批量导入到未使用的数据库。load data into a previously unused database.
    • 通过[LOAD CSV](https://neo4j.com/docs/developer-manual/3.2/cypher/clauses/load-csv/)语句 import small to medium-sized CSV files into an existing database.

• 官方提供的 neo4j-import
  • https://neo4j.com/docs/operations-manual/current/tutorial/import-tool/
  • 步骤：
    • 不需要启动数据库可以执行
    • 默认只支持相对路径。 请将需要导入的文件放到bin目录下（其他路径没试过）
    • 执行neo4j-import命令一定要在neo4j根目录的bin文件夹下进行，否则回报参数不全这种奇怪的问题。
    • X.db不能已经存在，即使不报错，最后数据也不正确。
    • .\neo4j-import --into ..\data\databases\graph-geo.db --nodes node*.csv --relationships edge*.csv --ignore-extra-columns=true --multiline-fields=true --skip-bad-relationships=true --bad-tolerance=500
    • (windows) .\neo4j-import --into ..\data\databases\graph5.db --nodes food*.csv --nodes geography*.csv --nodes location*.csv --nodes travel*.csv --relationships:Relation edge.csv --ignore-extra-columns=true --multiline-fields=true --skip-bad-relationships=true --bad-tolerance=500
  • --ignore-extra-columns=false && --bad-tolerance=500 时，当某行列数超过头部，导入数据会直接失败，这一行不会被忽略。
  • Input error: Expected '--nodes' to have at least 1 valid item, but had 0 [] 表示文件路径不支持
    • 如果要是用缩写，结尾必须带有.csv
    • 失败的原因是geography*，location*这种写法不支持

• • • geography*.csv是允许的，geography*是不允许的。
    • --nodes food*.csv --nodes geography*.csv --nodes location*.csv --nodes travel*.csv是允许的，food*.csv,geography*.csv,location*.csv,travel*.csv是不允许的

• • 如果.csv中没有:LABEL这一列，需要在命令中显示指定LABEL，如下：
    • --nodes:Entity --relationships:Relation
  • 使用绝对路径的方法. https://my.oschina.net/sunyouling/blog/882754
    • 没试过
    • 在配置文件中注释#dbms.directories.import=import
• Load CSV 支持周期性分批导入

Tips

• 导入关系的时候最好先把节点的id索引构建了。这样在做关系节点关联查询的时候会比较快。
• mac导入数据. http://arganzheng.life/import-json-data-into-neo4j.html