目录
1.1.1 图论起源 --- 柯尼斯堡（Konigsberg）七桥问题
众所周知，图论起源于一个非常经典的问题——柯尼斯堡（Konigsberg）七桥问题。1738年，瑞典数学家欧拉( Leornhard Euler)解决了柯尼斯堡七桥问题。由此图论诞生，欧拉也成为图论的创始人。
欧拉把问题的实质归于"一笔画"问题，即判断一个图是否能够遍历完所有的边(Edge)而没有重复,而柯尼斯堡七桥问题则是一笔画问题的一个具体情境。欧拉证明这个问题不成立。
满足一笔画的图满足两个条件:
图是一组节点和连接这些节点的关系组成。图形数据存储在节点和关系所在的属性上。属性是键值对表示的数据。
在图形理论中，我们可以使用圆表示一个节点 并且可以向里面添加键值对形式的数据。
简单关系表达
此处在两个节点之间创建关系名称“跟随”。 这意味着Profile1 跟随 Profile2。
复杂关系表达
这里节点用关系连接。 关系是单向或双向的。
从ABC和XYZ的关系是单向关系。
从ABC和PQR的关系是双向关系。
一种基于图的数据结构，由节点(Node)和边(Edge)组成。其中节点即实体，由一个全局唯一的ID标示，边就是关系用于连接两个节点。通俗地讲，知识图谱就是把所有不同种类的信息（Heterogeneous Information）连接在一起而得到的一个关系网络。知识图谱提供了从“关系”的角度去分析问题的能力。
互联网、大数据的背景下，谷歌、百度、搜狗等搜索引擎纷纷基于该背景，创建自己的知识图谱
Knowledge Graph（谷歌）、知心（百度）和知立方（搜狗），主要用于改进搜索质量。
一般情况下，我们使用数据库查找事物间的联系的时候，只需要短程关系的查询（两层以内的关联）。
当需要进行更长程的，更广范围的关系查询时，就需要图数据库的功能。而随着社交、电商、金融、零售、物联网等行业的快速发展，现实世界的事物之间织起了一张巨大复杂的关系网，传统数据库面对这样复杂关系往往束手无策。因此，图数据库应运而生。
图数据库(Graph database)指的是以图数据结构的形式来存储和查询数据的数据库。
知识图谱中，知识的组织形式采用的就是图结构，所以非常适合用图库进行存储。
在需要表示多对多关系时，我们常常需要创建一个关联表来记录不同实体的多对多关系。如果两个实体之间拥有多种关系，那么我们就需要在它们之间创建多个关联表。而在一个图形数据库中，我们只需要标明两者之间存在着不同的关系。如果希望在两个结点集间建立双向关系，我们就需要为每个方向定义一个关系。
也就是说，相对于关系型数据库中的各种关联表，图形数据库中的关系可以通过关系属性这
一功能来提供更为丰富的关系展现方式。因此相较于关系型数据库，图形数据库的用户在对现实进行抽象时将拥有一个额外的武器，那就是丰富的关系。
优势总结:
Neo4j是一个开源的 无Shcema的 基于java开发的 图形数据库，它将结构化数据存储在图中而不
是表中。它是一个嵌入式的、基于磁盘的、具备完全的事务特性的Java持久化引擎。程序数据是
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,但可以享受到具备完全的事务
特性、企业级的数据库的所有好处。
https://db-engines.com/en/ranking
Neo4j 主要构建块
节点
节点是图表的基本单位。 它包含具有键值对的属性
属性
属性是用于描述图节点和关系的键值对
Key =值
其中Key是一个字符串
值可以通过使用任何Neo4j数据类型来表示
关系
关系是图形数据库的另一个主要构建块。 它连接两个节点，如下所示。
这里Emp和Dept是两个不同的节点。 “WORKS_FOR”是Emp和Dept节点之间的关系。
因为它表示从Emp到Dept的箭头标记，那么这种关系描述的一样
Emp WORKS_FOR Dept
每个关系包含一个起始节点和一个结束节点。
这里“Emp”是一个起始节点。
“Dept”是端节点。
由于该关系箭头标记表示从“Emp”节点到“Dept”节点的关系，该关系被称为“进入关系”到“Dept”节点。
并且“外向关系”到“Emp”节点。
像节点一样，关系也可以包含属性作为键值对。
标签
Label将一个公共名称与一组节点或关系相关联。 节点或关系可以包含一个或多个标签。 我们可以为现有节点或关系创建新标签。 我们可以从现有节点或关系中删除现有标签。
从前面的图中，我们可以观察到有两个节点。
左侧节点都有一个标签：“EMP”，而右侧节点都有一个标签：“Dept”。
这两个节点之间的关系，也有一个标签：“WORKS_FOR”
注： -Neo4j将数据存储在节点或关系的属性中。
社交媒体和社交网络
当使用图形数据库为社交网络应用程序提供动力时，可以轻松利用社交关系或根据活动推断关系。
查询社区聚类分析，朋友的朋友推荐，影响者分析，共享和协作关系分析等
推荐引擎和产品推荐系统
图形驱动的推荐引擎通过实时利用多种连接，帮助公司个性化产品，内容和服务。
内容和媒体推荐，图形辅助搜索引擎，产品推荐，专业网络，社会推荐。
身份和访问管理
使用图形数据库进行身份和访问管理时，可以快速有效地跟踪用户，资产，关系和授权。
查询访问管理，资产来源，数据所有权，身份管理，互连组织，主数据，资源授权
金融反欺诈多维关联分析场景
通过图分析可以清楚地知道洗钱网络及相关嫌疑，例如对用户所使用的帐号、发生交易时的IP地址、MAC地址、手机IMEI号等进行关联分析。
Neo4j环境Linux下搭建
(1).切换到Linux下 到安装目录neo4j 上传安装包 或者 下载安装包
使用 ftp 工具上传neo4j-community-3.5.17.tar 到 liunx 下
或者
wget https://neo4j.com/artifact.php?name=neo4j-community-3.5.17-unix.tar.gz
(2). 解压
tar -xvf neo4j-community-3.5.17.tar
(3). 修改配置文件 neo4j.conf
vi conf/neo4j.conf
主要是修改 允许远程访问的地址 把对应的注释打开即可
dbms.connectors.default_listen_address=0.0.0.0
(4).开放对应的访问端口 默认要开放7474 和 7687
firewall-cmd --zone=public --add-port=7474/tcp --permanent
firewall-cmd --zone=public --add-port=7687/tcp --permanent
systemctl reload firewalld
(5).启动
./bin/neo4j start
(6).使用浏览器 访问服务器上的 neo4j
http://192.168.211.133:7474
默认的账号是 neo4j 密码 neo4j 这里第一次登录的话会要求修改密码
Windows下的安装
(1).从https://neo4j.com/download-center/#community 下载最新的Neo4j Server安装文件
可以看到 neo4J 软件 exe 或 zip 格式的所有版本
(2).下载 Neo4j 3.5.17 (zip)
(3).解压
(4).修改配置文件
dbms.connectors.default_listen_address=0.0.0.0
(5) . 通过 neo4j.bat install-service 安装neo4j服务
注意的问题 如果是4.0 以及以上版本需要jdk11
修改文件 bin/neo4j.ps1
Import-Module "neo4j的主目录\bin\Neo4j-Management.psd1"
(6).neo4j.bat启动
neo4j.bat start
(7).使用浏览器 访问服务器上的 neo4j
http://127.0.0.1:7474
默认的账号是 neo4j 密码 neo4j 这里第一次登录的话会要求修改密码
数据浏览器访问
一旦我们安装Neo4j，我们可以访问Neo4j数据浏览器使用以下URL
http:// localhost:7474/browser/
Neo4j数据浏览器用于执行CQL命令并查看输出输出。
这里我们需要在美元提示符处执行所有CQL命令：“$” 如 CREATE(cc:CreditCard)
在美元符号后键入命令，然后单击“执行”按钮运行命令。
它与Neo4j数据库服务器交互，检索和显示下面的结果到那个美元提示。
使用“VI视图”按钮以图形格式查看结果。 上图以“UI视图”格式显示结果。
导出 CSV 或者 JSON
单击“导出CSV”按钮以csv文件格式导出结果
