### 批量创建 Neo4j 节点和关系的最佳实践及代码示例 在使用 Python 和 Neo4j 时，为了提高性能，批量创建节点和关系是常见的需求。以下是一些最佳实践和代码示例。 #### 使用 `py2neo` 的批量创建方法 `py2neo` 是一个流行的 Python 库，用于与 Neo4j 数据库交互。它支持通过事务批量创建节点和关系。以下是代码示例： ```python from py2neo import Graph, Node, Relationship # 连接到 Neo4j 数据库 graph = Graph("http://localhost:7474", auth=("neo4j", "password")) # 清空数据库 graph.delete_all() # 创建一批节点 nodes = [Node("Person", name=f"Person_{i}", age=i) for i in range(1, 101)] tx = graph.begin() # 开启事务 for node in nodes: tx.create(node) tx.commit() # 提交事务 # 创建一批关系 relationships = [] for i in range(1, 100): person_a = graph.nodes.match("Person", name=f"Person_{i}").first() person_b = graph.nodes.match("Person", name=f"Person_{i+1}").first() if person_a and person_b: relationships.append(Relationship(person_a, "KNOWS", person_b)) tx = graph.begin() for rel in relationships: tx.create(rel) tx.commit() ``` 上述代码中，通过事务管理批量创建节点和关系，避免了逐条插入带来的性能问题[^2]。 #### 使用 Cypher 查询的批量创建方法 除了 `py2neo`，还可以直接通过 Cypher 查询实现批量创建。这种方法通常具有更高的性能，尤其是当数据量较大时。以下是代码示例： ```python from py2neo import Graph # 连接到 Neo4j 数据库 graph = Graph("http://localhost:7474", auth=("neo4j", "password")) # 清空数据库 graph.run("MATCH (n) DETACH DELETE n") # 批量创建节点 data = [{"name": f"Person_{i}", "age": i} for i in range(1, 101)] query = """ UNWIND $data AS row CREATE (p:Person {name: row.name, age: row.age}) """ graph.run(query, data=data) # 批量创建关系 query = """ MATCH (a:Person), (b:Person) WHERE a.name = $source AND b.name = $target CREATE (a)-[r:KNOWS]->(b) """ for i in range(1, 100): source = f"Person_{i}" target = f"Person_{i+1}" graph.run(query, source=source, target=target) ``` 此方法利用 Cypher 的 `UNWIND` 关键字处理批量数据，并通过参数化查询减少网络开销[^1]。 #### 性能优化建议 - **事务管理**：批量操作时，确保使用事务以减少数据库的锁定时间。 - **分批处理**：如果数据量过大，可以将数据分为多个批次进行处理，避免单次事务过大导致内存溢出。 - **索引和约束**：为常用属性（如 `name`）创建索引或唯一约束，以加速匹配操作[^3]。 ```python # 创建索引 graph.run("CREATE INDEX FOR (p:Person) ON (p.name)") ``` ### 注意事项 - 确保 Neo4j 数据库版本与 `py2neo` 版本兼容。 - 如果使用 Bolt 协议连接，请确认连接字符串格式正确，例如 `bolt://localhost:7687`。