1、入门建议
- 注重应用场景，图数据库擅长处理深度关联的数据分析。
- 呆在有一定图数据库方面经验的团队
- 不要错过neo4j培训或者技术大会
- 不要死磕，多和同事或者社区的同志交流
- 采用关系数据库的逻辑和思维来学习
2、模型设计的建议
- 属性是建模成节点还是作为属性是需要考虑的，主要看属性的应用场景是否多，比如频繁作为过滤条件。
- 由于neo4j支持字节和字节数组存储，一个属性可以存放达到数G的内容，但是一个属性文件太大，在neo4j底层存储时由于某属性太大往往会打乱整个文件的存储，导致读写性能急剧降低。
- 考虑数据的内在分类性质：比如将一个人的国家作为人的属性，其实最终还是没有利用好neo4j的标签机制。
- 尽量不要用物理id
由于根据物理id删除物理节点后，在下次生成新的节点时，会分配原来释放的id空位，会导致一些意向不到的问题（旧id引用一些过期数据）
3、关于建立索引
（1）尽量使用shema index,
（2）索引是读性能和写性能的结合，尽量不要对无效字段进行索引，避免增加写成本。
4、关于数据去重
merge是可以做到数据的去重，但是在多个并发请求时，并不能保证唯一性，还是用关键词UNIQUE最好。
5、关于数据导入
- PERIODIC COMMIT 理论值为1000-10000行
- 尽量节点和关系分开导入，避免cypher出现饥饿加载模式，导致数据加载过多导致内存溢出
- 数据导入先导入部分数据，测试cypher的可用性及导入的速度。
- Merge会扫描所有的属性
Merge需要先检查是否有重复节点（扫描所有属性），然后再创建新节点，因此添加数据的速度比CREATE慢，适合初次导入使用
（6）仅使用一次Merge语句，比如创建人的节点，不要给每个属性分别Merge,然后就是Merge Key主键）
MERGE (company:Company {companyNumber:line1.CompanyNumber,
companyName:line1.CompanyName,
uri:line1.URI
})
改为
MERGE (company:Company {companyNumber: line1.CompanyNumber})
SET company.companyName = line1.CompanyName,
company.uri = line1.URI;
- 使用Constraint 和 index,来提高搜索速度
- 使用Distinct来过滤数据，避免后续可能的笛卡尔积
- 设置Periodic commit来批量提交，可以尽可能多提交数据，但是不要超过内
- 导入命令脚本化：通过neo4j-shell完成导入操作
- Apoc Load CSV 命令只适合导入中等规模数据（千万级别）
- MERGE一般用于创建节点，对于关系要用CREATE
6、关于数据查询
- 对于场景使用到节点集合N，需要N和N之间进行笛卡尔积，如果（n1,n2）和（n2,n1）是重复数据，可通过id在where语句进行过滤（如id(n1)>id(n2)）
