https://plumephp.com/categories/graphdb/Recent content in Graphdb on PlumePHPHugozh-CNThu, 08 Oct 2026 00:45:00 +0800https://plumephp.com/graphdb-query-caching-materialized-views/Thu, 08 Oct 2026 00:45:00 +0800https://plumephp.com/graphdb-query-caching-materialized-views/图库不像关系型库那样自带成熟的物化视图，多跳查询的代价又特别高，缓存因此成为必需品。本文讲清 Neo4j 的计划缓存与结果缓存边界、应用层缓存的键设计与失效策略、物化视图的三种图原生实现（预计算节点、预聚合属性、独立视图图）、增量维护、写时失效与版本号一致性、GDS 预计算结果的落盘复用，以及缓存穿透与雪崩的防护。https://plumephp.com/graphdb-graph-testing-strategies/Thu, 08 Oct 2026 00:44:00 +0800https://plumephp.com/graphdb-graph-testing-strategies/图数据的测试难点不在语法而在结果：一条 Cypher 改动可能静默改变结果集，一次算法参数调整可能让社区划分整体漂移。本文给出四层测试体系（查询断言、数据质量、算法回归、性能基准）、固定 fixture 与图快照的构造方法、结果集与执行计划的双重校验、GDS 算法输出的稳定性判定、模式迁移的回归清单，以及如何把这些接进 CI。https://plumephp.com/graphdb-concurrency-batch-update/Thu, 08 Oct 2026 00:43:00 +0800https://plumephp.com/graphdb-concurrency-batch-update/图库的并发模型和关系型库并不一样：锁粒度落在节点与关系上，遍历语义放大了写写冲突的概率。本文讲清 MVCC 与锁的协作、隔离级别与幻读、图上的死锁成因与规避顺序、乐观重试与显式锁的取舍、UNWIND 批量 upsert 的批大小与事务边界、集群下 leader 写 follower 读的书签一致性，以及幂等批量更新的完整实现与监控指标。https://plumephp.com/graphdb-cypher-anti-patterns/Thu, 08 Oct 2026 00:42:00 +0800https://plumephp.com/graphdb-cypher-anti-patterns/Cypher 写起来像自然语言，写错起来也像——不报错，只是慢几个数量级。本文按根因归类 12 类高频反模式：笛卡尔积与无条件 MATCH、无界变长路径、WHERE 里做函数运算导致索引失效、把分页排序聚合交给 Cypher、MERGE 触发全标签扫描、DETACH DELETE 误删，并给出 EXPLAIN/PROFILE 定位法与改写前后的对照。https://plumephp.com/graphdb-schema-evolution-migration/Thu, 08 Oct 2026 00:41:00 +0800https://plumephp.com/graphdb-schema-evolution-migration/图数据库没有强制的 DDL，但模式（Schema）仍在悄悄演进：属性改名、标签拆分、关系方向翻转、基数从 1:1 变成 1:N。本文给出图模式版本化的三种落地形态（属性版本号、双写影子标签、视图投影），expand/contract 在线迁移的四阶段流程、约束与索引的灰度重建、迁移前后的一致性校验查询，以及回滚与限流策略。https://plumephp.com/graphdb-connectivity-mst-flow-algorithms/Thu, 08 Oct 2026 00:40:00 +0800https://plumephp.com/graphdb-connectivity-mst-flow-algorithms/把连通性判定、最小生成树与最大流三类经典图算法放进图数据库工程语境：并查集增量连通、有向图强连通分量（Tarjan/Kosaraju）、Kruskal 与 Prim 的取舍、Ford-Fulkerson/Edmonds-Karp/Dinic 的复杂度与建模技巧、点容量与下界转换、最小割瓶颈定位、Stoer-Wagner 全局最小割，以及在 Cypher 与 GDS 中的落地写法与排错调优。https://plumephp.com/graphdb-graph-versioning-diff/Wed, 07 Oct 2026 12:40:00 +0800https://plumephp.com/graphdb-graph-versioning-diff/系统讲解图数据版本化与差异比较：版本存储的三种模型（全量快照、增量补丁、事件溯源）、从图中捕获变更的四种手段（触发器、CDC、应用双写、图内版本边）、图差异算法与最小编辑、补丁应用与冲突解决、审计日志与合规追溯、回滚与分支、版本查询的性能与存储成本，以及排错与选型要点。https://plumephp.com/graphdb-supply-chain-graph/Wed, 07 Oct 2026 12:38:00 +0800https://plumephp.com/graphdb-supply-chain-graph/系统讲解供应链图谱的建模与实战：为什么供应链天然是图、BOM 与批次的多层建模、物料与供应商的双重网络、上游影响分析与反查、追溯与召回定位、多级供应商风险传导与暴露度计算、与 ERP/MES 的数据集成、图模型与关系模型的取舍、以及性能陷阱与治理排错。https://plumephp.com/graphdb-benchmark-load-testing/Wed, 07 Oct 2026 12:36:00 +0800https://plumephp.com/graphdb-benchmark-load-testing/系统讲解图数据库基准测试与压测：基准要回答什么问题、LDBC SNB 与自研工作负载的选择、数据集生成与规模因子、混合读写负载与查询混合设计、吞吐与尾延迟指标、并发与预热、结果可复现性的硬性要求、以及一次完整压测的执行流程与常见踩坑排错要点。https://plumephp.com/graphdb-subgraph-sampling/Wed, 07 Oct 2026 12:34:00 +0800https://plumephp.com/graphdb-subgraph-sampling/系统讲解图采样与子图抽取：为什么大图必须采样、节点与边与随机游走与森林火等采样方法、度偏置与采样偏差、k-hop 子图抽取与边界节点处理、分层与时间采样、采样质量评估指标、图数据脱敏与差分隐私保护、以及在图上落地训练子图与可视化子图的工程实践与排错要点。https://plumephp.com/graphdb-federated-query/Wed, 07 Oct 2026 12:32:00 +0800https://plumephp.com/graphdb-federated-query/系统讲解图数据库的联邦查询与虚拟图：为什么需要跨源查询、虚拟图与数据源映射（R2RML/RML 与属性图映射）、SPARQL 联邦与 SERVICE 子句、查询下推与代价估算、结果合并与去重、缓存策略与一致性权衡、跨源标识与语义对齐、容错与部分失败处理，以及生产落地的治理与排错实践。https://plumephp.com/graphdb-pathfinding-algorithms/Wed, 07 Oct 2026 12:30:00 +0800https://plumephp.com/graphdb-pathfinding-algorithms/系统讲解图路径搜索与最短路算法的工程实现：问题分类（SSSP/单对/全对、无权与带权、动态权重）、Dijkstra 的堆实现与提前终止、A* 启发式的可采纳性与一致性、双向搜索与剪枝、Landmark 与 Contraction Hierarchies 预处理加速、Yen K 短路、超大规模图的近似与并行策略，以及在 Cypher/GDS 中的落地与调优排错。https://plumephp.com/graphdb-gql-standard-migration/Fri, 02 Oct 2026 10:00:00 +0800https://plumephp.com/graphdb-gql-standard-migration/系统讲解 ISO GQL 标准与 Cypher 语言演进及迁移实践：为什么图查询需要统一标准（方言割裂的代价）、GQL 的语法结构总览（图模式、MATCH、LET、FILTER、聚合与路径）、GQL 与 Cypher 的核心差异（关键字、路径语法、子查询、事务语句）、Cypher 自身的版本演进（Neo4j 4 到 5 的破坏性变更、过程与索引语法）、升级路径与兼容性评估（依赖扫描、废弃 API 清单）、查询迁移方法论（自动重写 + 人工复核）、兼容层与双跑验证、驱动与工具链迁移、迁移测试与灰度发布、实践清单与常见坑，帮助把图查询代码平稳迁到新版本与新标准。https://plumephp.com/graphdb-text2cypher-llm-agent/Fri, 02 Oct 2026 10:00:00 +0800https://plumephp.com/graphdb-text2cypher-llm-agent/系统讲解 Text2Cypher 与 LLM 图查询 Agent 的完整工程链路：问题定义（自然语言到图的语义鸿沟）、schema 提示（模式摘要、属性裁剪、token 预算）、few-shot 示例与检索式提示、查询校验（语法解析、语义检查、标签与关系白名单）、只读沙箱与安全执行（超时、强制 LIMIT、资源隔离）、错误自愈（错误分类、重试与修复提示）、图检索增强（GraphRAG 与 Text2Cypher 协同）、Agent 编排（工具调用与多步推理）、评测体系（执行准确率、查询相似度、端到端）、以及成本延迟与常见坑，帮助把自然语言查图做成可上线的生产能力。https://plumephp.com/graphdb-backup-recovery-dr/Fri, 02 Oct 2026 10:00:00 +0800https://plumephp.com/graphdb-backup-recovery-dr/系统讲解图数据库的备份、恢复与容灾体系：备份的语义与目标（RTO 与 RPO 的取舍）、在线备份与一致性快照、增量备份与事务日志回放、store copy 与离线备份、集群备份与快照协调、恢复流程与数据校验、跨区域容灾架构（主备/双活/多活）、恢复演练与故障切换、备份监控与保留合规、以及策略权衡与常见坑，帮助把图数据做到可恢复、可验证、可切换。https://plumephp.com/graphdb-capacity-planning-cost/Fri, 02 Oct 2026 10:00:00 +0800https://plumephp.com/graphdb-capacity-planning-cost/系统讲解图数据库的容量规划与成本优化实践：容量规划的方法论（从业务指标到资源）、内存估算公式（节点/关系/属性/索引的字节开销）、堆内存与 page cache 的分配、存储估算与增长预测、分片与读写分离、云实例选型（内存型/通用型/存储型）、成本构成与优化手段、容量压测与验证、监控与弹性伸缩、以及决策清单与常见坑，帮助在图数据库上既不浪费预算也不留性能隐患。https://plumephp.com/graphdb-access-control-security/Fri, 02 Oct 2026 10:00:00 +0800https://plumephp.com/graphdb-access-control-security/系统讲解图数据库的细粒度访问控制与数据安全实践：图安全的特殊挑战（关系即信息、权限要沿边传播）、认证与角色模型（RBAC 与属性级授权）、标签级与关系级权限、属性级脱敏与掩码、查询改写与行级过滤、多租户隔离（共享图与独立库）、审计与合规（操作日志、数据血缘、GDPR）、传输与静态加密、注入防护与查询安全、以及实践清单与常见坑，帮助在共享图上建立可验证的权限边界。https://plumephp.com/graphdb-streaming-graph-processing/Fri, 02 Oct 2026 10:00:00 +0800https://plumephp.com/graphdb-streaming-graph-processing/系统讲解流式图处理与实时图计算的工程实践：问题定义（图数据的实时性需求）、CDC 入图（从关系库/消息流捕获变更并映射为图）、增量更新与幂等写入（去重、乱序、Exactly-Once）、窗口化子图与状态管理（滑动窗口、会话窗口、状态后端）、实时欺诈检测（环形转账、设备聚集）、实时推荐（实时共现、会话推荐）、流式图算法（增量 PageRank 与社区）、与批处理的对照与协同、技术选型与架构（Kafka Streams / Flink / GDS）、以及运维监控与常见坑。https://plumephp.com/graphdb-custom-procedures-apoc/Tue, 29 Sep 2026 15:00:00 +0800https://plumephp.com/graphdb-custom-procedures-apoc/系统讲解 Neo4j 自定义过程与 APOC 扩展的开发实践：为什么需要自定义过程（Cypher 表达不了的逻辑）、APOC 过程库全景（标准库的组成与常用过程分类）、写第一个过程（Java 基础、注解、参数与返回）、过程 API（类型系统、聚合、流式返回）、函数与聚合（标量函数与聚合函数）、过程与查询的交互（CALL 语法、结果表、动态过程调用）、部署与热加载（插件目录、配置、版本兼容）、性能与安全（并发、限制、权限与安全沙箱）、常见自定义场景（复杂算法、外部服务集成、批量操作），帮助从使用 APOC 到编写自己的过程库。https://plumephp.com/graphdb-knowledge-graph-reasoning/Tue, 29 Sep 2026 14:00:00 +0800https://plumephp.com/graphdb-knowledge-graph-reasoning/系统讲解知识图谱推理的原理与实践：推理的本质（从显式知识推导隐式知识）、RDFS 推理（类与属性层级、domain/range、子类传递）、OWL 推理（等价、不相交、基数与约束）、规则推理（Datalog 与 SWRL）、推理机选型（RDF 推理机 vs 图数据库内置 vs 自定义规则引擎）、推理的正确性与复杂度（可靠性/完全性、可判定性）、图数据库中的推理实践（Cypher 规则推理、Neo4j 语义库）、知识图谱推理的应用（补全、冲突检测、一致性检查、问答增强）、以及推理与图查询的关系对比，帮助在图谱上建立可靠的推理能力。https://plumephp.com/graphdb-graph-motif-pattern-mining/Tue, 29 Sep 2026 13:00:00 +0800https://plumephp.com/graphdb-graph-motif-pattern-mining/系统讲解图数据中的子图模式挖掘：为什么从节点视角转向子图视角（结构基元与异常检测）、Motif 网络基元的定义与意义（三节点/四节点模式、显著性检验）、子图同构（模式匹配的核心，VF2/Ullmann 算法、Cypher 模式匹配）、频繁子图挖掘（gSpan、支持度与反单调性）、图模式匹配查询（Cypher 子图查询与 APOC）、Motif 的意义（功能基元/异常结构/欺诈模式）、大规模挖掘的挑战（同构爆炸、剪枝、采样）、以及社交结构/欺诈模式等应用实践，帮助从图的局部结构中提取洞察。https://plumephp.com/graphdb-centrality-algorithms-deep/Tue, 29 Sep 2026 12:00:00 +0800https://plumephp.com/graphdb-centrality-algorithms-deep/系统讲解图数据库/图数据科学中的中心性算法：中心性的概念与意义（谁在图里重要）、度中心性（连接的多少，入度/出度/加权）、接近中心性（距离的远近，调和平均的修正）、介数中心性（桥梁的角色，Brandes 算法）、特征向量中心性（重要邻居的加权，幂迭代）、PageRank（全局重要性，阻尼因子与随机游走）、五种中心性的比较与选型（语义差异、场景匹配）、大规模计算与近似（近似介数、流式方法）、以及关键节点识别/传播源定位/反欺诈等应用实践，帮助选对并算对中心性指标。https://plumephp.com/graphdb-schema-constraints-governance/Tue, 29 Sep 2026 11:00:00 +0800https://plumephp.com/graphdb-schema-constraints-governance/系统讲解图数据库的约束机制与数据治理实践：为什么需要图约束、唯一性约束（实体唯一与去重）、存在性约束（必填关系与必填属性）、属性约束与类型、约束的建模与演进（约束变更与迁移）、数据治理框架（元数据/命名/所有权/生命周期）、数据质量维度（完整性/一致性/准确性/时效性）、主数据管理与血缘（MDM 与数据来源追踪）、治理工具与流程（Schema 校验/审计/自动化），帮助建立可信、规范、可维护的图谱数据资产管理。https://plumephp.com/graphdb-multi-hop-traversal-optimization/Tue, 29 Sep 2026 10:00:00 +0800https://plumephp.com/graphdb-multi-hop-traversal-optimization/系统讲解图数据库深度路径遍历的优化：多跳查询的挑战（组合爆炸与重复展开）、变长路径查询的语义与写法（*1..5 的展开、方向与约束）、遍历顺序与剪枝策略（先过滤后遍历、方向裁剪、深度限制）、图遍历器与策略（BFS/DFS、双向遍历、迭代式展开）、深度遍历的性能陷阱（路径笛卡尔积、关系属性过滤、无索引展开）、索引与存储优化（关系索引、邻接表缓存）、遍历的批处理与预计算（物化路径、动态规划中间结果）、以及资金链/社交网络深层遍历的实践与遍历监控调优，帮助在图上高效执行大跳数查询。https://plumephp.com/graphdb-temporal-graphs/Mon, 28 Sep 2026 15:00:00 +0800https://plumephp.com/graphdb-temporal-graphs/系统讲解时态图（Temporal Graph）与时间维度建模：时间属性的类型（valid time / transaction time）、时态关系的建模策略、bitemporal 建模、事件时序图与时间戳关系、历史状态查询（point-in-time）、图版本与快照、时态路径与时序分析、以及 Neo4j 等图库中的时间建模实践与性能考虑，帮助在图上表达和查询时间维度。https://plumephp.com/graphdb-graph-community-detection/Mon, 28 Sep 2026 14:00:00 +0800https://plumephp.com/graphdb-graph-community-detection/系统讲解社区发现（Community Detection）与图聚类：社区结构与模块度、Louvain 算法的层次聚类原理、标签传播（LPA）、Infomap、重叠社区（LFM/EGONET）、谱聚类、社区评估指标（模块度/NMI/ARI/纯度）、GDS 实操与参数调优、动态图社区、以及业务应用（群体识别/推荐/安全分析），帮助在图上高效划分有意义的群体。https://plumephp.com/graphdb-entity-resolution/Mon, 28 Sep 2026 13:00:00 +0800https://plumephp.com/graphdb-entity-resolution/系统讲解实体解析（Entity Resolution）与身份图实践：实体链接与去重的核心问题、身份图谱建模（实体主节点 + 别名/属性边）、候选生成的阻塞与索引、相似度计算（编辑距离/Jaro-Winkler/规则）、确定性 vs 概率匹配、机器学习辅助解析、增量与实时解析、主数据管理（MDM）与治理，帮助构建企业级统一身份视图。https://plumephp.com/graphdb-graph-import-etl/Mon, 28 Sep 2026 12:00:00 +0800https://plumephp.com/graphdb-graph-import-etl/系统讲解图数据导入与 ETL：导入前的建模准备（实体与关系映射）、批量导入工具（LOAD CSV / neo4j-admin import / APOC）、流式同步（Kafka CDC / 变更数据捕获）、增量更新与幂等设计、实体匹配与去重、数据质量校验与观测、导入性能优化，帮助把关系型/文件/流式数据稳定高效地灌入图数据库。https://plumephp.com/graphdb-graph-query-optimization/Mon, 28 Sep 2026 11:00:00 +0800https://plumephp.com/graphdb-graph-query-optimization/系统讲解图查询优化：Cypher 优化器的两阶段规划（逻辑→物理）、代价估算与启发式规则、Eager/Lazy 评估、模式匹配的执行策略、EXPLAIN 与 PROFILE 读法、慢查询诊断方法、索引设计与查询写法优化、统计信息与基数估算、以及计划缓存与调优流程，帮助把图查询从慢调快。https://plumephp.com/graphdb-performance-tuning/Mon, 28 Sep 2026 10:00:00 +0800https://plumephp.com/graphdb-performance-tuning/系统覆盖 Neo4j 生产环境性能调优：性能问题定位方法论、page cache 与 JVM 堆内存配置、执行计划 EXPLAIN/PROFILE 分析、查询优化技巧（限制深度/参数化/标签先行）、索引设计与复合/全文索引、批量写入与导入性能、常见性能反模式与调优清单。https://plumephp.com/graphdb-sparql-rdf-practice/Mon, 28 Sep 2026 10:00:00 +0800https://plumephp.com/graphdb-sparql-rdf-practice/系统覆盖 RDF 语义网核心技术栈：RDF 三元组与图模型、RDF/XML/Turtle/JSON-LD 序列化、命名空间与 IRI、RDFS 与 OWL 本体建模、SPARQL 查询语言（SELECT/CONSTRUCT/DESCRIBE/ASK）、SPARQL 更新与推理、RDF vs 属性图对比、Jena/Virtuoso 实战、以及 RDF 在知识图谱互操作与 Wikidata 场景的应用。https://plumephp.com/graphdb-fraud-detection/Mon, 28 Sep 2026 10:00:00 +0800https://plumephp.com/graphdb-fraud-detection/系统覆盖图数据库在反欺诈/风控场景的实战：欺诈图谱的数据建模（设备/IP/账户/联系人）、团伙识别与社群发现（Louvain/连通分量）、环检测与中介中心性、基于图谱的规则引擎、实时反欺诈查询优化、特征提取与模型融合（图特征+机器学习）、以及大规模风控图谱的工程落地。https://plumephp.com/graphdb-gnn-embedding/Mon, 28 Sep 2026 10:00:00 +0800https://plumephp.com/graphdb-gnn-embedding/系统覆盖图嵌入与图神经网络（GNN）：图嵌入的动机与三类方法（随机游走/node2vec、矩阵分解、GraphSAGE）、图神经网络核心（消息传递、聚合函数、GCN/GAT）、节点分类/链路预测/图分类任务、训练与评估（划分/度量）、PyTorch Geometric 实战、以及与图数据库的联合应用。https://plumephp.com/graphdb-graph-database-internals/Mon, 28 Sep 2026 10:00:00 +0800https://plumephp.com/graphdb-graph-database-internals/深入图数据库的存储与执行内核：无索引邻接（index-free adjacency）为何让图查询快、节点/关系/属性在磁盘上的记录布局、遍历引擎与执行计划、标签与属性索引、属性存储与压缩、内存图 vs 磁盘图、事务写入与 WAL、从 Cypher 到物理计划的流水线，以及 Neo4j / JanusGraph / NebulaGraph 的存储引擎对比，帮助理解图数据库快在哪里、瓶颈在哪里。https://plumephp.com/graphdb-modeling-patterns/Mon, 28 Sep 2026 10:00:00 +0800https://plumephp.com/graphdb-modeling-patterns/系统覆盖图数据建模的思维转换与实战模式：属性图 vs 关系模型建模差异、节点/关系/属性的建模决策、高基数关系、超节点与超边、时序图建模、动态标签与多对多建模、常见反模式（链式关系、属性塞节点、无差别动态标签）、Neo4j 建模落地与性能权衡。https://plumephp.com/graphdb-recommendation-system/Mon, 28 Sep 2026 10:00:00 +0800https://plumephp.com/graphdb-recommendation-system/系统覆盖基于图数据库的推荐系统：协同过滤 vs 图推荐对比、用户-物品二部图建模、基于相似度的推荐（Jaccard/余弦/共同邻居）、基于路径的推荐（元路径/多跳传播）、Neo4j 实时推荐查询、图嵌入推荐（node2vec/GraphSAGE）、混合推荐架构与冷启动治理。https://plumephp.com/graphdb-cluster-operations/Sat, 26 Sep 2026 14:00:00 +0800https://plumephp.com/graphdb-cluster-operations/图数据库生产运维手册：Neo4j Causal Cluster 拓扑与因果一致性、读写分离与客户端路由、Fabric 分片与复制策略、neo4j-admin 备份恢复与 PITR、Prometheus 监控告警，以及 NebulaGraph/JanusGraph/Dgraph 集群架构对比与选型决策。https://plumephp.com/graphdb-visualization-analysis/Sat, 26 Sep 2026 13:00:00 +0800https://plumephp.com/graphdb-visualization-analysis/图数据可视化与分析全指南：Neo4j Bloom/Browser 场景化探索、Cytoscape.js 与 D3.js 前端可视化实战、WebGL 大规模图渲染策略（采样/聚合/分片）、基于 Grafana/Metabase 的图数据仪表盘与图指标分析。https://plumephp.com/graphdb-graphrag-vector/Sat, 26 Sep 2026 12:00:00 +0800https://plumephp.com/graphdb-graphrag-vector/GraphRAG 落地指南：传统向量 RAG 的三大局限、实体链接与图检索增强、Neo4j Vector Index 构建与相似度查询、LangChain 集成、微软 GraphRAG/LightRAG 变体对比，以及可评测的工程落地路径。https://plumephp.com/graphdb-knowledge-graph-practice/Sat, 26 Sep 2026 11:00:00 +0800https://plumephp.com/graphdb-knowledge-graph-practice/知识图谱构建工程手册：实体识别（spaCy/预训练模型）与实体链接消歧、基于规则/依赖解析/LLM 的三元组抽取、本体设计与 RDF→属性图映射、从文本清洗到图谱入库的完整流水线实现，附质量评估与增量更新方案。https://plumephp.com/graphdb-transactions-indexing/Sat, 26 Sep 2026 10:00:00 +0800https://plumephp.com/graphdb-transactions-indexing/Neo4j 生产级调优手册：ACID 事务模型与隔离级别、锁与死锁处理、标签/属性/关系类型的 Schema 设计、单属性/复合/全文/向量索引选型、EXPLAIN 与 PROFILE 执行计划逐运算符解读、page cache 与内存配置调优。https://plumephp.com/graphdb-cypher-advanced/Sat, 26 Sep 2026 09:00:00 +0800https://plumephp.com/graphdb-cypher-advanced/Cypher 高级查询完整手册：路径表达式与可变长度路径、CALL 子查询与 EXISTS/COUNT、APOC 常用过程库（转换、文本、路径扩展、数据导入）、递归树遍历、性能敏感查询模式的规避与优化。https://plumephp.com/graphdb-neo4j-cypher-guide/Tue, 22 Sep 2026 23:00:00 +0800https://plumephp.com/graphdb-neo4j-cypher-guide/Neo4j 从零到实战：安装部署、Cypher CRUD 操作、MATCH 模式匹配、路径查询、聚合分析、索引与约束、性能调优。含完整代码示例与查询技巧。https://plumephp.com/graphdb-data-model-basics/Tue, 22 Sep 2026 22:00:00 +0800https://plumephp.com/graphdb-data-model-basics/图数据库入门：图论基础概念、属性图模型、标签与类型、与关系型数据库的建模对比。理解为什么"关系即一等公民"让图数据库在关联查询中碾压 SQL。https://plumephp.com/graphdb-comparison/Tue, 22 Sep 2026 12:00:00 +0800https://plumephp.com/graphdb-comparison/主流图数据库深度对比：Neo4j、JanusGraph、Dgraph、TigerGraph、ArangoDB 的功能特性、查询语言、扩展能力、性能基准与适用场景。https://plumephp.com/graphdb-knowledge-graph/Tue, 22 Sep 2026 11:00:00 +0800https://plumephp.com/graphdb-knowledge-graph/知识图谱从概念到落地：RDF vs 属性图模型、实体抽取与关系识别、图嵌入与知识推理、大语言模型结合 KG 的检索增强技术。https://plumephp.com/graphdb-algorithms-practice/Tue, 22 Sep 2026 10:00:00 +0800https://plumephp.com/graphdb-algorithms-practice/Neo4j Graph Data Science 算法库实战：最短路径（Dijkstra/A*）、中心性分析（PageRank/Betweenness）、社区检测（Louvain/Label Propagation）、链路预测与相似度计算。https://plumephp.com/posts/graphdb/Thu, 10 Sep 2026 10:00:00 +0800https://plumephp.com/posts/graphdb/图数据库以节点和关系为基本建模单元，天然擅长处理社交网络、推荐系统、知识图谱、欺诈检测等关联密集型场景。本专题涵盖属性图模型与图论基础、图建模模式与反模式（超节点/时序图/动态标签）、Neo4j 与 Cypher 查询语言实战（含高级路径表达式、子查询与 APOC 过程库）、RDF 语义网与 SPARQL 查询、事务与索引调优、生产性能调优（page cache/执行计划/批量导入）、图数据科学（GDS）算法库、图嵌入与图神经网络（node2vec/GCN/GraphSAGE）、知识图谱构建实战与 GraphRAG（知识图谱 + 向量检索增强生成）、反欺诈风控图谱、图驱动推荐系统、图数据可视化与分析、Neo4j Causal Cluster 集群运维，以及 Neo4j / JanusGraph / Dgraph 的选型对比与分布式集群架构，并延伸图数据库存储引擎内部（无索引邻接/记录布局/遍历引擎/执行流水线）、图查询优化与执行计划（Cypher 优化器/EXPLAIN/PROFILE/慢查询诊断）、图数据导入与 ETL（LOAD CSV/admin import/APOC/CDC 流式/幂等）、实体解析与身份图（实体链接/去重/MDM）、社区发现与图聚类（Louvain/标签传播/重叠社区/评估）、时态图与时间维度建模（valid/tx 时间/bitemporal/快照/时态路径），再扩展深度路径遍历优化（变长路径/遍历器/剪枝/多源 BFS/物化路径）、图约束与数据治理（唯一性/存在性/属性约束/数据质量/MDM 主数据/血缘）、中心性算法深入（度/接近/介数/特征向量/PageRank）、子图模式挖掘（Motif/子图同构/频繁子图/欺诈模式）、知识图谱推理（RDFS/OWL/Datalog 规则/推理机/一致性检查）、自定义过程与 APOC 扩展（Java 过程/函数/聚合/部署热加载），并延伸 Text2Cypher 与 LLM 图查询 Agent（schema 提示/查询校验/只读沙箱/错误自愈）、ISO GQL 标准与 Cypher 迁移、备份恢复与容灾（在线备份/store copy/RTO 与 RPO/恢复演练）、流式图处理（CDC 入图/增量更新/窗口化子图）、细粒度访问控制与图数据安全（标签级权限/属性脱敏/审计/多租户）、容量规划与成本优化（内存估算/读写分离/云实例选型），以及路径搜索与最短路工程化（Dijkstra/A*/双向搜索/K 短路）、联邦查询与虚拟图（跨源规划/谓词下推/结果合并）、图采样与子图抽取（随机游走/k-hop/采样偏差）、图数据库基准测试与压测（LDBC/延迟分位/热点干扰）、供应链图谱实战（BOM 溯源/风险传导/断链分析）与图数据版本化与差异比较（快照/变更捕获/图 diff/回滚），为数据工程师和架构师提供从入门到生产运维的完整图数据技术栈。