Docker 安装 Neo4j 保姆级教程

Docker 安装 Neo4j 保姆级教程

本教程适用于零基础用户,详细讲解如何在 Windows 或 Linux 环境下通过 Docker 安装并配置 Neo4j 图数据库。

Neo4j 官方 Docker 文档

1. 环境准备

2. 创建挂载目录

在宿主机上新建以下目录,用于数据持久化和配置挂载(以 Linux 为例,Windows 可用资源管理器新建文件夹):

mkdir -p /home/neo4j/data /home/neo4j/logs /home/neo4j/conf /home/neo4j/import /home/neo4j/plugins 

Windows 示例:

  • 新建 datalogsconfimportplugins 这五个文件夹。

3. 拉取 Neo4j 镜像

以最新版为例(你也可根据需要指定版本):

docker pull neo4j:latest 

4. 启动 Neo4j 容器

  • Linux Docker run :
docker run -d --name neo4j \ -p 7474:7474 -p 7687:7687 \ -v /home/neo4j/data:/data \ -v /home/neo4j/logs:/logs \ -v /home/neo4j/conf:/var/lib/neo4j/conf \ -v /home/neo4j/import:/var/lib/neo4j/import \ -v /home/neo4j/plugins:/var/lib/neo4j/plugins \ -e NEO4J_AUTH=neo4j/your_secure_password neo4j:latest 
  • Windows Docker run :
docker run -d --name neo4j ^ -p 7474:7474 -p 7687:7687 ^ -v E:/docker/neo4j/data:/data ^ -v E:/docker/neo4j/logs:/logs ^ -v E:/docker/neo4j/conf:/var/lib/neo4j/conf ^ -v E:/docker/neo4j/import:/var/lib/neo4j/import ^ -v E:/docker/neo4j/plugins:/var/lib/neo4j/plugins ^ -e NEO4J_AUTH=neo4j/neo4j@1234 ^ neo4j:latest 
注意:NEO4J_AUTH 的格式必须为 用户名/密码,如 neo4j/123456,不能只写密码,否则会报错。并且密码要超过8个字符,不然也无法启动

5. 访问 Neo4j

浏览器访问 http://localhost:7474,输入用户名 neo4j 和你设置的密码。

6. 配置远程访问(可选)

如需远程访问,需修改 neo4j.conf 文件:

  • 编辑挂载到宿主机的 conf/neo4j.conf 文件,添加或修改如下内容:
# Neo4j 4以下版本追加以下配置 dbms.connector.bolt.listen_address=0.0.0.0:7687 dbms.connector.http.listen_address=0.0.0.0:7474 

如果报错:

E:\docker\neo4j>docker logs -f neo4j Failed to read config /var/lib/neo4j/conf/neo4j.conf: Unrecognized setting. No declared setting with name: dbms.connectors.default_listen_address. Cleanup the config or disable 'server.config.strict_validation.enabled' to continue. Run with '--verbose'for a more detailed error message. 

从 Neo4j 4.x 开始,配置项已经发生较大变更。而你提供的配置中混用了旧版本(如 3.x)和新版本(如 4.x/5.x)的配置项。

server.memory.pagecache.size=512M server.default_listen_address=0.0.0.0 # 设置 Bolt 和 HTTP 端口 server.bolt.listen_address=:7687 server.http.listen_address=:7474 server.directories.logs=/logs 
  • 保存后重启容器:
docker restart neo4j 

7. 常见问题

  • 端口被占用:修改 -p 参数映射到未被占用的端口。
  • 数据持久化:务必挂载 /data 目录,否则容器删除后数据会丢失。
  • 防火墙问题:确保 7474、7687 端口已放行。
  • 首次登录强制修改密码:首次登录后需修改密码。

Read more

解密Copilot:如何打造高效的AI原生应用

解密Copilot:如何打造高效的AI原生应用 一、引言:从“工具使用者”到“AI合作者”的革命 钩子:你经历过这些“开发至暗时刻”吗? 凌晨3点,你盯着屏幕上的Cannot read properties of undefined错误,第10次检查接口返回的数据结构——明明昨天还能跑通; 写一个分页组件,你翻了3次Ant Design文档,却还是记不住Pagination组件的showTotal属性怎么用; 改祖传代码时,你花了1小时理解上一任开发者的“天才逻辑”,最后发现只是少写了一个await; 这些场景,每一个开发者都不陌生。我们总在“找工具”“记语法”“修低级错误”上浪费大量时间,而真正创造价值的“逻辑设计”“创意实现”却被挤压到了碎片时间。 直到2021年GitHub Copilot发布,一切开始改变: * 当你输入// 写一个React的登录表单,它自动生成带表单验证、状态管理的完整组件; * 当你写const users = await

怎么查AI重复率?4步轻松搞定+ AIGC检测工具实测指南

怎么查AI重复率?4步轻松搞定+ AIGC检测工具实测指南

当ChatGPT、Claude等AI工具成为学术写作的辅助手段时,一个新的问题开始困扰学生和研究者:如何确认自己的论文中AI生成内容的占比?AI重复率(又称AIGC率)的检测不仅关系到学术诚信,更可能影响论文的最终通过。很多人尝试用常规查重工具,但发现它们无法精准识别AI生成的文本——要么误判原创内容,要么漏掉AI生成的段落。这时候,选择一款专门针对AIGC率查询的工具就变得至关重要。PaperPass作为深耕学术查重领域近20年的平台,其最新升级的AIGC检测功能正好解决了这一痛点,帮助用户快速、准确地识别论文中的AI生成内容。 什么是AI重复率(AIGC率)? AI重复率并非传统意义上的文本复制比,而是指论文中由人工智能生成的内容占总字数的比例。随着AIGC技术的普及,学术机构越来越关注AI工具的合理使用边界。《2026年全球学术诚信报告》显示,超过62%的高校已将AI生成内容的未标注列为学术不端行为。但AI生成的文本往往没有明显的“复制痕迹”,常规查重工具依赖的字词匹配算法对此束手无策。这就像用普通X光片无法诊断深层组织病变一样,需要更精准的“医学影像技术”来识别AI生成的

最完整WhisperLiveKit指南:从安装到生产部署的AI语音识别全流程

最完整WhisperLiveKit指南:从安装到生产部署的AI语音识别全流程 【免费下载链接】WhisperLiveKitReal-time, Fully Local Speech-to-Text and Speaker Diarization. FastAPI Server & Web Interface 项目地址: https://gitcode.com/GitHub_Trending/wh/WhisperLiveKit 你是否还在为实时语音转文字的延迟问题困扰?是否需要一个完全本地化部署的解决方案来保护数据隐私?WhisperLiveKit作为GitHub热门的开源项目,将彻底改变你处理实时语音识别的方式。本文将带你从安装到生产部署,掌握这一强大工具的全流程应用。 读完本文,你将能够: * 快速搭建本地语音识别服务 * 根据硬件条件选择最优模型配置 * 实现多语言实时转录与说话人分离 * 部署生产级别的Web应用与Chrome扩展 * 通过Docker容器化实现跨平台部署 为什么选择WhisperLiveKit? 传统的Whisper模型设计用于处理完整语

ClawdBot真实案例:树莓派4上同时运行OCR/Whisper/vLLM,15用户并发无卡顿

ClawdBot真实案例:树莓派4上同时运行OCR/Whisper/vLLM,15用户并发无卡顿 1. 什么是ClawdBot?一个真正属于你的本地AI助手 ClawdBot不是另一个云端API包装器,也不是需要注册账号、绑定手机号的SaaS服务。它是一个你完全掌控的个人AI助手——所有计算发生在你自己的设备上,消息不上传、模型不调用第三方服务、对话历史默认不留存。你可以把它装在树莓派4里放在书桌角落,也可以部署在老旧笔记本上作为家庭AI中枢,甚至塞进一台闲置的NUC里变成办公室智能前台。 它的核心设计哲学很朴素:AI能力应该像电和水一样,成为你设备的底层能力,而不是需要反复登录的远程服务。当你在终端输入clawdbot devices list,看到的是真实连接到你本地机器的设备列表;当你执行clawdbot models list,列出的是正在你内存中运行的vLLM实例;当你在Telegram里发一条语音,转写、翻译、响应全过程都在你家里的树莓派上完成——没有数据离开你的局域网。 这种“本地即服务”的模式,带来三个实实在在的好处:一是隐私可控,聊天内容、图片、语音全部留在