neo4j 查询耗时

qq_30847181 2022-11-23 15:36:17

根据我们的业务类型，在使用以下查询语句的时候，发现比较耗时。

MATCH (ip:IP) - [:Open] -> (port:Port)

OPTIONAL MATCH (port) - [bind:Bind] -> (service:Service) where bind.ip = ip.val

return count(1)

以下是执行流程，发现在第4步的时候，有接近100万次的DB操作

...全文

252 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

Neo4j入门资料汇总，小组成员内部培训时整理，由浅入深的描述了一下Neo4j的使用。

本文详细介绍了在Neo4j Desktop中手动安装APOC插件的步骤。由于网络原因，部分用户无法通过插件界面直接安装APOC插件。教程分为四个步骤：首先从GitHub下载对应版本的APOC插件包（.jar文件），然后将文件放入数据库的Plugins文件夹中，接着在数据库配置文件中添加必要的代码行以启用APOC功能，最后通过验证命令确认安装是否成功。整个过程图文并茂，适合初学者跟随操作。

＃neo4j_trie_plugin用于Neo4j Graph数据库的原始使用RTree进行几何计算，无法扩展以处理大量节点，而这些节点通常需要耗时的拆分和连接操作。另一方面，Geohash适合邻域计算的需要，并且在诸如mongoDB之类的数据库中实现，但是不幸的是，在Neo4j中却没有。该项目实现了基于Neo4j图形数据库的Geohash算法，并具有专门设计的trie树结构，可快速高效地进行检索。 Geohash实现是从借用的，并且该项目已获得LGPL许可。对于商业用途，请联系中国Linkedin上的董斌（gmail.com上的dongbin.cn）。安装和配置首先安装和配置neo4j。对于Mac用户：在终端中执行“ brew install neo4j”。然后找到/usr/local/Cellar/neo4j/xxx/libexec/conf/neo4j-serve

１、本项目完成了从无到有，以垂直网站为数据来源，构建起以疾病为中心的医疗知识图谱，实体规模4.4万，实体关系规模30万。并基于此，搭建起了一个可以回答18类问题的自动问答小系统,总共耗时3天。其中，数据采集与整理1天，知识图谱构建与入库0.5天，问答系统组件1.5天。总的来说，还是比较快速。 2、本项目以业务驱动，构建医疗知识图谱，知识schema设计基于所采集的结构化数据生成(对网页结构化数据进行xpath解析)。 3、本项目以neo4j作为存储，并基于传统规则的方式完成了知识问答，并最终以cypher查询语句作为问答搜索sql，支持了问答服务。 4、本项目可以快速部署，数据已经放在data/medical.json当中，本项目的数据，在本项目中的部署上，可以遵循项目运行步骤，完成数据库搭建，并提供搜索服务。

【源码免费下载链接】：https://renmaiwang.cn/s/qi34y 本项目实现了从零到一，并以垂直网站为数据来源搭建了一个疾病为中心的医疗知识图谱系统，该系统包含4.4万个实体和30万条实体关系。基于此平台，我们成功构建了能够回答18种常见问题的智能问答系统，在短短三天内即可完成整个开发流程。具体而言，数据采集与整理工作耗时一天半，知识图谱的构建与存储过程用了半天时间，最后阶段的问答系统开发则持续了一天。本项目的设计以业务需求为导向，采用结构化数据驱动的方式进行医疗知识图谱的构建。通过xpath解析技术对网页中的结构化信息进行提取和整理，并依据这些规范化的数据生成知识schema。在具体实现方面，我们选择了neo4j作为知识存储的核心引擎，并基于传统规则框架搭建了问答系统的基础架构。最终，通过cypher查询语言实现了高效的问答检索功能，为用户提供便捷的知识服务。项目具有良好的部署特性，在开发阶段已将所有相关数据预存至data/medical.json文件中。在实际运行环境中，我们遵循既定的部署流程，能够快速完成数据库构建，并提供基于知识库的搜索与问答服务。

123

社区成员

125

社区内容

发帖

与我相关

我的任务

数据库知识图谱图搜索算法企业社区

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章