介绍 Neo4j 图数据库的核心特性及应用场景，涵盖本地安装、Docker 容器化部署及 Kubernetes 集群实战方案。详细讲解了 Helm Chart 部署流程、配置文件编写、集群验证与运维操作。最后通过电影知识图谱案例演示了数据模型构建与 Cypher 查询语言的基础用法，为生产级图数据库应用提供参考。
在数据关系日益复杂的当下，传统关系型数据库在处理海量关联数据时，往往会因多表联查出现性能瓶颈。而 Neo4j 作为一款高性能的原生图数据库，凭借其对数据关系的天然亲和性，成为了社交网络分析、知识图谱构建、推荐系统开发等场景的理想选择。本文将从 Neo4j 的核心特性入手，带大家完成从安装部署（重点补充 K8s 集群方案）到实际使用的全流程实操。
Neo4j 是一款基于原生图存储的数据库系统，其核心优势在于以'节点 - 关系'的形式直接存储数据关联，而非通过外键间接关联，这让它在处理关系型查询时具备无可比拟的效率。
Neo4j 提供了多种安装方式，以下为大家介绍最常用的本地安装和Docker 容器化安装两种方案，为后续 K8s 集群部署奠定基础。
进入 Neo4j 官方下载页面，选择对应系统的社区版安装包（企业版需授权），本文以 Neo4j 5.x 社区版为例。
将安装包解压至指定目录（如 D:\neo4j-community-5.x.x），然后配置系统环境变量：
NEO4J_HOME 变量，值为解压根目录；%NEO4J_HOME%\bin 添加至 Path 变量。打开命令提示符，输入 neo4j version，若能显示版本号则说明安装成功。
Docker 安装无需配置 Java 环境，且环境隔离性强，是测试和快速部署的首选方案，也是 K8s 容器编排的基础单元。
打开终端，执行以下命令拉取官方镜像（指定版本号可避免版本兼容问题）：
docker pull neo4j:5.15-community
执行启动命令，同时映射端口、挂载数据卷（保证数据持久化）并设置初始密码：
docker run -d \
--name neo4j-demo \
-p 7474:7474 -p 7687:7687 \
-v /host/neo4j/data:/data \
-v /host/neo4j/logs:/logs \
-e NEO4J_AUTH=neo4j/123456 \
neo4j:5.15-community
其中：
7474 为 Web 管理界面端口，7687 为 Bolt 协议通信端口；/host/neo4j/data 为本地数据目录，需替换为实际路径；NEO4J_AUTH 设置初始用户名（默认 neo4j）和密码（此处为 123456）。输入 docker ps，若 neo4j-demo 容器状态为 Up，则说明启动成功。
对于生产级业务，单节点部署无法满足高可用和可扩展性需求。Kubernetes（简称 K8s）作为主流的容器编排平台，能为 Neo4j 提供自动扩缩容、故障自愈、负载均衡等能力，是企业级 Neo4j 部署的最佳实践。本节将从集群架构、环境准备、部署流程到验证运维进行全面讲解。
Neo4j 在 K8s 环境中通常采用'核心集群 + 只读副本'的架构，核心组件包括：
该架构能实现：① 核心节点故障时自动切换，保障服务可用性；② 只读请求分流，提升查询性能；③ 存储与计算分离，便于数据管理。
在开始部署前，需确保 K8s 环境满足以下要求：
验证环境：
# 验证 K8s 集群状态
kubectl get nodes
# 验证 Helm 版本
helm version
Neo4j 官方提供了 Helm Chart，可快速实现集群部署和配置管理，以下为完整流程：
Helm 仓库包含 Neo4j 的部署配置模板，执行以下命令添加并同步最新版本：
# 添加 Neo4j 官方 Helm 仓库
helm repo add neo4j https://helm.neo4j.com/neo4j
# 更新仓库索引，确保获取最新 Chart
helm repo update
直接使用默认配置可能无法满足生产需求，建议创建自定义 values.yaml 文件，配置核心参数。以下为常用配置示例（根据实际需求调整）：
# values.yaml 核心配置
neo4j:
# 集群认证配置
auth:
username: neo4j
password: Neo4j@2024 # 生产环境使用强密码，建议通过 Secret 注入
# 核心节点配置
core:
replicas: 3 # 核心节点数，生产环境至少 3 个
resources:
requests:
cpu: 2
memory: 4Gi
limits:
cpu: 4
memory: 6Gi
# 持久化存储配置
persistence:
enabled: true
storageClass: "aliyun-disk-ssd" # 替换为你的 StorageClass 名称
size: 50Gi # 每个核心节点的存储容量
# Neo4j 配置参数
config:
dbms.memory.heap.initial_size: 2G
dbms.memory.heap.max_size: 2G
dbms.memory.pagecache.size: 2G
dbms.default_listen_address: 0.0.0.0
dbms.connector.bolt.enabled: true
dbms.connector.bolt.listen_address: ":7687"
dbms.connector.http.enabled: true
dbms.connector.http.listen_address: ":7474"
# 只读副本配置（可选，根据查询负载设置）
readReplica:
replicas: 2
resources:
requests:
cpu: 1
memory: 2Gi
limits:
cpu: 2
memory: 4Gi
persistence:
enabled: true
storageClass: "aliyun-disk-ssd"
size: 30Gi
# 插件配置（如 GDS 库）
plugins:
config:
dbms.security.procedures.unrestricted: "gds.*"
pluginsList:
- name: "graph-data-science"
artifactId: "neo4j-graph-data-science"
version: "2.6.0"
repository: "https://neo4j.jfrog.io/neo4j/libs-release-local"
# 服务配置
service:
# 核心节点 Headless Service（用于集群内部通信）
core:
type: ClusterIP
clusterIP: None
# 只读副本 Service（用于外部只读请求访问）
readReplica:
type: LoadBalancer # 云环境推荐使用，暴露公网访问
loadBalancerSourceRanges: ["192.168.0.0/16"] # 限制访问 IP 段，提升安全性
# HTTP 管理界面 Service
http:
type: LoadBalancer
loadBalancerSourceRanges: ["192.168.0.0/16"]
# 监控配置（集成 Prometheus）
metrics:
enabled: true
serviceMonitor:
enabled: true # 若使用 Prometheus Operator，开启后自动发现监控目标
关键配置说明：① 核心节点数≥3，确保 Raft 协议正常选举；② 内存配置遵循'堆内存≤物理内存 50%，页缓存≈堆内存'原则；③ 生产环境避免明文存储密码，可通过 kubectl create secret 创建 Secret，再在配置中引用；④ 限制 Service 访问 IP 段，防止未授权访问。
使用自定义的 values.yaml 文件部署 Neo4j 集群，指定命名空间（建议单独创建命名空间隔离资源）：
# 创建命名空间
kubectl create namespace neo4j-cluster
# 部署 Neo4j 集群
helm install neo4j-cluster neo4j/neo4j \
--namespace neo4j-cluster \
--values values.yaml \
--version 5.15.0 # 指定与 Neo4j 版本匹配的 Chart 版本
部署过程中，K8s 会自动创建 StatefulSet、Service、PVC 等资源，可通过以下命令监控进度：
# 查看 Pod 状态，等待所有 Pod 变为 Running
kubectl get pods -n neo4j-cluster -w
# 查看 PVC 状态，确保所有存储卷正常绑定
kubectl get pvc -n neo4j-cluster
# 查看 Service 状态，获取负载均衡器 IP（若使用 LoadBalancer）
kubectl get svc -n neo4j-cluster
当所有核心节点和只读副本 Pod 均为 Running 状态，且 PVC 绑定成功时，部署完成。
部署完成后，需验证集群状态并进行初始化配置：
进入任意核心节点 Pod，执行 Neo4j 集群状态查询命令：
# 进入核心节点 Pod（替换为实际 Pod 名称）
kubectl exec -it neo4j-cluster-core-0 -n neo4j-cluster -- bash
# 执行集群状态查询
cypher-shell -u neo4j -p Neo4j@2024 "CALL dbms.cluster.overview()"
若输出包含所有核心节点和只读副本的信息，且角色正确（核心节点为 CORE，只读副本为 READ_REPLICA），则集群组建成功。
通过 HTTP Service 的负载均衡器 IP 或 NodePort 访问 Neo4j Browser：
kubectl get svc neo4j-cluster-http -n neo4j-cluster -o jsonpath='{.status.loadBalancer.ingress[0].ip}'http://<负载均衡器 IP>:7474K8s 环境下的 Neo4j 集群运维需结合 K8s 工具和 Neo4j 自身命令，以下为常用操作：
通过修改 values.yaml 中的副本数，执行 Helm 升级命令实现扩容/缩容：
# 修改 values.yaml 中 readReplica.replicas 为 3，执行升级
helm upgrade neo4j-cluster neo4j/neo4j \
--namespace neo4j-cluster \
--values values.yaml
核心节点扩容需确保副本数为奇数（如 3→5），避免脑裂。
利用 Neo4j 的 neo4j-admin 工具结合 K8s 的 Job 实现备份：
# 创建备份 Job（示例，实际需挂载备份存储卷）
kubectl create job neo4j-backup -n neo4j-cluster \
--image=neo4j:5.15-community \
--command -- neo4j-admin backup --to=/backup \
--host=neo4j-cluster-core-0.neo4j-cluster-core.neo4j-cluster.svc.cluster.local:6362
恢复时，将备份文件挂载至核心节点 Pod，执行 neo4j-admin restore 命令。
修改 values.yaml 中的 Neo4j 配置后，执行 Helm 升级，K8s 会自动滚动更新 Pod，避免服务中断：
helm upgrade neo4j-cluster neo4j/neo4j \
--namespace neo4j-cluster \
--values values.yaml
# 查看 Pod 日志
kubectl logs neo4j-cluster-core-0 -n neo4j-cluster -f
# 查看集群事件
kubectl get events -n neo4j-cluster
# 进入 Pod 执行诊断命令
kubectl exec -it neo4j-cluster-core-0 -n neo4j-cluster -- cypher-shell -u neo4j -p Neo4j@2024 "CALL dbms.health.check()"
除了 K8s 集群部署，Neo4j 还支持多种部署模式，可根据业务规模和运维能力灵活选择：
neo4j.conf 文件调整内存分配、开启远程访问等。| 部署方案 | 适用规模 | 高可用 | 运维成本 | 扩展性 |
|---|---|---|---|---|
| 本地自托管 | 小型/测试 | 低 | 低 | 差 |
| Docker 容器化 | 中小型 | 中 | 中 | 一般 |
| K8s 集群 | 企业级/大规模 | 高 | 高 | 优 |
| AuraDB 云托管 | 全规模 | 高 | 低 | 优 |
完成部署后，我们以 K8s 集群环境为例，通过 Neo4j Browser 和 Cypher 语言，实现从数据导入、图查询到简单分析的全流程操作。
http://<IP>:7474，输入用户名密码登录；bolt://<负载均衡器 IP>:7687，适用于 Java、Python 等客户端库；bolt://neo4j-cluster-core-0.neo4j-cluster-core.neo4j-cluster.svc.cluster.local:7687。通过 Cypher 语句创建节点、关系和属性，构建简单的图数据模型：
// 创建电影节点（含标题、年份、评分属性）
CREATE (m1:Movie {title: "《星际穿越》", year: 2014, rating: 9.4})
CREATE (m2:Movie {title: "《盗梦空间》", year: 2010, rating: 9.4})
CREATE (m3:Movie {title: "《华尔街之狼》", year: 2013, rating: 8.0})
// 创建演员节点（含姓名、年龄属性）
CREATE (a1:Actor {name: "马修·麦康纳", age: 54})
CREATE (a2:Actor {name: "莱昂纳多·迪卡普里奥", age: 49})
CREATE (a3:Actor {name: "约瑟夫·高登 - 莱维特", age: 43})
// 建立演员 - 参演 - 电影的关系（含角色属性）
MATCH (a1:Actor {name: "马修·麦康纳"}), (m1:Movie {title: "《星际穿越》"})
CREATE (a1)-[:ACTED_IN {role: "库珀"}]->(m1)
MATCH (a2:Actor {name: "莱昂纳多·迪卡普里奥"}), (m2:Movie {title: "《盗梦空间》"})
CREATE (a2)-[:ACTED_IN {role: "柯布"}]->(m2)
MATCH (a2:Actor {name: "莱昂纳多·迪卡普里奥"}), (m3:Movie {title: "《华尔街之狼》"})
CREATE (a2)-[:ACTED_IN {role: "乔丹·贝尔福特"}]->(m3)
MATCH (a3:Actor {name: "约瑟夫·高登 - 莱维特"}), (m2:Movie {title: "《盗梦空间》"})
CREATE (a3)-[:ACTED_IN {role: "亚瑟"}]->(m2)
对于高频查询的属性，创建索引可大幅提升查询效率：
// 为演员姓名和电影标题创建索引
CREATE INDEX idx_actor_name FOR (a:Actor) ON (a.name)
CREATE INDEX idx_movie_title FOR (m:Movie) ON (m.title)
MATCH (m:Movie) RETURN m.title AS 电影标题，m.year AS 上映年份，m.rating AS 评分 ORDER BY m.rating DESC
MATCH (a:Actor {name: "莱昂纳多·迪卡普里奥"})-[:ACTED_IN]->(m:Movie) RETURN a.name AS 演员姓名，m.title AS 电影标题，m.year AS 上映年份，a.age AS 演员年龄
MATCH (a:Actor)-[:ACTED_IN]->(m:Movie) RETURN m.title AS 电影标题，count(a) AS 演员数量 ORDER BY 演员数量 DESC
路径查询是图数据库的核心能力，可快速挖掘节点间的间接关联。以下查询将找出与'莱昂纳多'有合作关系的演员（直接合作）及合作演员的合作对象（二度合作）：
// 查询莱昂纳多的一度（直接合作）和二度（间接合作）演员关系
MATCH path = (a:Actor {name: "莱昂纳多·迪卡普里奥"})-[:ACTED_IN*1..2]-(colleague:Actor)
WHERE colleague.name <> "莱昂纳多·迪卡普里奥" // 排除自身
RETURN a.name AS 核心演员，collect(DISTINCT colleague.name) AS 关联演员，length(path) AS 关系度数 // 1 为直接合作，2 为间接合作
ORDER BY 关系度数
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
查找任何按下的键的javascript键代码、代码、位置和修饰符。 在线工具，Keycode 信息在线工具，online
JavaScript 字符串转义/反转义；Java 风格 \uXXXX（Native2Ascii）编码与解码。 在线工具，Escape 与 Native 编解码在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
使用 Prettier 在浏览器内格式化 JavaScript 或 HTML 片段。 在线工具，JavaScript / HTML 格式化在线工具，online