图数据库 Neo4j 深度实战：从 Cypher 查询到因果集群架构的完整工程指南

一、为什么需要图数据库？关系型与图模型的范式差异

在关系型数据库中，多对多关系需要通过 JOIN 表实现，随着关系层级加深，JOIN 操作的开销呈指数级增长。图数据库（Graph Database）将关系（Relationship）作为一等公民存储，从根本上解决了这个问题。社交网络中的「朋友的朋友」这类多跳查询，在关系型数据库中可能需要数十次 JOIN，而在图数据库中只是简单的指针遍历，时间复杂度从 O(n^k) 降低到 O(k)。

Neo4j 是目前最成熟的属性图数据库（Property Graph Database），它支持完整的 ACID 事务、水平扩展（通过 Causal Cluster）、以及强大的声明式查询语言 Cypher。目前最新版本 Neo4j 5.x 引入了 Composite Database 和 Sharded Graph 等特性，进一步提升了分布式能力。

二、属性图模型核心概念

Neo4j 基于属性图模型，包含三个核心要素：

节点（Node）：表示实体对象，如用户、商品、文章等。节点可以拥有零个或多个标签（Label），标签相当于关系型数据库中的表名，用于分类和索引。

关系（Relationship）：表示节点之间的连接，关系始终有方向（定向或无向），且必须有一个类型（Type）。关系的方向在语义上很重要，但在查询时可以忽略方向。

属性（Property）：节点和关系都可以拥有属性，属性是键值对形式。Neo4j 支持多种属性类型：整数、浮点数、字符串、布尔值、以及时间类型（Date、DateTime、LocalDateTime 等）。

三、Cypher 查询语言深度解析

Cypher 是 Neo4j 的声明式图查询语言，语法类似 ASCII 艺术，直观易懂。

3.1 基础模式匹配

创建节点和关系的语法：

CREATE (alice:Person {name: