Neo4j插件apoc安装及配置(实战经历,一步到位)

Neo4j插件apoc安装及配置(实战经历,一步到位)

目录

apoc插件安装

安装验证

出现的问题


Neo4j版本:Neo4j 5.x
apoc版本:同上对应

Neo4j 4.x版本同样适用

apoc插件安装

1.首先查看Neo4j版本(在Neo4j Desktop或命令行中执行):

CALL dbms.components() YIELD name, versions RETURN versions;

 结果如下:

2.然后去GitHub上下载这个插件

  • 访问 APOC GitHub Releases------------ https://github.com/neo4j/apoc/releases/
  • 下载与Neo4j版本一致的apoc-x.x.x.x-all.jar文件(例如Neo4j 5.12.0 → APOC 5.12.0)

或者点击下载对应的版本(如下图所示)

3.然后放置到插件目录下:

Neo4j 安装路径下的 plugins 文件夹 Neo4j安装目录/plugins/ 例如: C:\Program Files\Neo4j\neo4j-community-5.26.8\plugins\

 

4.最后修改配置文件 (conf/neo4j.conf):

参考官方的技术手册。

在文件中添加下面两行:

# 允许APOC所有函数 dbms.security.procedures.unrestricted=apoc.* # 显式启用apoc.meta.data(),启用元数据函数 dbms.security.procedures.allowlist=apoc.meta.data,apoc.*

5.重启Neo4j服务,然后进行验证。

安装验证

版本匹配:确保您的 Neo4j 版本也是 5.26.x 系列(截图显示 APOC 5.26.8)

在 Neo4j 浏览器执行:

RETURN apoc.version() AS version;

在用户数据库中执行:

CALL apoc.meta.graph() YIELD nodes, relationships RETURN nodes, relationships;

成功标志:返回图谱节点和关系的元数据

出现的问题

如果前面的成功了,但是运行代码的时候初始化失败,也就是安装过程出问题了,网上搜了很久找到了问题的根源:

Neo4j v5 要求所有 APOC 配置必须独立存储在 apoc.conf 文件中,而非主配置文件 neo4j.conf

创建独立的 apoc.conf 文件

  • 在 同一目录 (conf/) 下新建文件 apoc.conf
  • 将原 neo4j.conf 中删除的 APOC 配置移至此文件
# APOC核心配置 apoc.import.file.enabled=true dbms.security.procedures.unrestricted=apoc.*

Read more

前端知识点梳理,前端面试复习

一:从输入 URL 到页面渲染是一个经典的综合性考题 1.URL 的标准组成部分 一个完整的 URL 结构如下: scheme://host:port/path?query#fragment URI 用字符串标识某一互联网资源,而URL 表示资源的地点(互 联网上所处的位置)。可见URL是URI 的子集。 URI 和 URL 的区别? * URI (Uniform Resource Identifier) 是统一资源标识符,是一个大概念。 * URL (Uniform Resource Locator) 是统一资源定位符,它不仅标识资源,还提供了找到资源的方式(比如协议)。可以理解为 URL 是 URI 的子集。 为什么 URL 中有些字符会被转义(

web: jwt令牌构成、创建的基本流程及原理

一、JWT 的构成 1. 概念 json web token(JWT) 本质是一串含义验证信息的字符串,服务器根据JWT和密钥,经过加密算法,验证该字符串是否有效。 2. 构成 JWT由Header、Payload、Signature构成,每个部分都是一个token,如下: 它们的实际含义如下:         Header:json字符串,指定加密算法(供Signature使用)和类型(一般写死为“JWT”)         Payload:json字符串,包含通用信息(如发布者iss、发布时间戳iat、过期时间戳exp)和自定义属性(如uid)         Signature:加密函数,输入“Header”、“Payload”、“密钥”,输出密文 3. 验证方式 STEP 1:客户端登录,传递用户名、密码,

DeepSeek-R1-Distill-Qwen-1.5B与Llama3轻量版对比:推理速度与精度评测

DeepSeek-R1-Distill-Qwen-1.5B与Llama3轻量版对比:推理速度与精度评测 1. 评测背景与目标 最近在部署轻量级大模型时,我遇到了一个实际的选择难题:DeepSeek-R1-Distill-Qwen-1.5B和Llama3轻量版,到底哪个更适合我的边缘计算场景?这两个模型都在1.5B参数级别,都号称在保持精度的同时大幅提升推理速度,但实际表现如何呢? 我决定做一个全面的对比评测,不是简单的跑分,而是从实际部署、使用体验、性能表现等多个维度来评估。毕竟,模型好不好用,光看论文指标是不够的,得在实际环境中跑一跑才知道。 这次评测的目标很明确:帮大家搞清楚这两个模型各自的优势在哪里,适合什么场景,以及在实际部署中需要注意什么。我会用最直白的方式,把测试过程、结果和分析都展示出来,让你看完就能做出选择。 2. 模型介绍与特点分析 2.1 DeepSeek-R1-Distill-Qwen-1.5B:专为推理优化的轻量选手 DeepSeek-R1-Distill-Qwen-1.5B这个模型,名字听起来有点长,但理解起来其实很简单。它是DeepSeek