【引自T_SevenS的博客】在開(kāi)發(fā)neo4j的過(guò)程中，經(jīng)常會(huì)有同學(xué)問(wèn)如何向neo4j中導(dǎo)入大量的歷史數(shù)據(jù)，而這些數(shù)據(jù)一般都會(huì)存在于關(guān)系型數(shù)據(jù)庫(kù)中，現(xiàn)在本人就根據(jù)自己的導(dǎo)入經(jīng)歷，把導(dǎo)入的過(guò)程和一些挖過(guò)的坑分享給大家，以便后面的同學(xué)少走彎路，廢話(huà)不多說(shuō)，直接上干貨。

1、batch-import原始項(xiàng)目地址：https://github.com/jexp/batch-import

這個(gè)工具是neo4j的作者之一Michael Hunger所編寫(xiě)，是在neo4j自帶批量導(dǎo)入工具基礎(chǔ)之上做的進(jìn)一步優(yōu)化，但是它在導(dǎo)入.gz壓縮文件時(shí)，會(huì)出現(xiàn)關(guān)系無(wú)法導(dǎo)入的情況，所以如果要使用.gz壓縮包進(jìn)行導(dǎo)入，請(qǐng)使用我修改過(guò)的版本：https://github.com/mo9527/batch-import

2、環(huán)境準(zhǔn)備

jdk：7以上

內(nèi)存：8G以上，導(dǎo)入數(shù)據(jù)多的話(huà)會(huì)非常消耗內(nèi)存，我自己導(dǎo)入的是將近1.5億節(jié)點(diǎn)，3億關(guān)系，用的是32G內(nèi)存

3、導(dǎo)入步驟

a)從github上clone下代碼，并使用maven進(jìn)行打包，打完包后的jar文件，與項(xiàng)目本身的依賴(lài)jar一起放到lib文件夾下，batch.properties文件和執(zhí)行導(dǎo)入的腳本放在lib同級(jí)目錄下，***的目錄結(jié)構(gòu)如下圖：

ps：file文件夾是我自己將要導(dǎo)入的csv文件和.gz壓縮包。

b)組裝csv文件

說(shuō)起這一步，可能需要你們根據(jù)自己的實(shí)際業(yè)務(wù)需求，手動(dòng)寫(xiě)代碼導(dǎo)csv文件了，這里我只講一下csv文件格式一些要點(diǎn)：

1)、節(jié)點(diǎn)csv文件

節(jié)點(diǎn)csv文件的***列是固定的，列值為此節(jié)點(diǎn)的label名稱(chēng)，第二列是index，它的列頭是id:string:indexName 這種格式，解釋一下，id是這一列的property名字，可以根據(jù)需要自己命名，string為字段的數(shù)據(jù)類(lèi)型，indexName是neo4j數(shù)據(jù)庫(kù)中將要導(dǎo)入的索引名稱(chēng)，我自己的文件格式如下：

然后，后面的列就是節(jié)點(diǎn)的property了，沒(méi)什么特別的要求

2)、關(guān)系csv文件

先看下我的關(guān)系csv文件：

關(guān)系的csv文件前兩列要特別注意，***列是關(guān)系的起始節(jié)點(diǎn)，第二列是關(guān)系的結(jié)束節(jié)點(diǎn)，第三列是關(guān)系類(lèi)型，后面的列是關(guān)系的property，可以隨意了。他github上的說(shuō)明沒(méi)有說(shuō)出一些注意點(diǎn)，這里要特別標(biāo)明：

***列的起始節(jié)點(diǎn)的列頭，也就是id:string:buyerId這個(gè)東西，這個(gè)玩意一定要和節(jié)點(diǎn)csv文件(上圖)中定義的一模一樣，第二列也是如此，要和結(jié)束節(jié)點(diǎn)的csv文件里的一樣，不然他會(huì)找不到對(duì)應(yīng)的關(guān)系。

3)、修改batch.properties文件

主要修改兩個(gè)地方，

• 如果是在現(xiàn)有的neo4j數(shù)據(jù)庫(kù)中進(jìn)行導(dǎo)入，請(qǐng)?jiān)O(shè)置：

batch_import.keep_db=true

• 將節(jié)點(diǎn)csv文件中所有的索引名稱(chēng)加入到文件中，例如上面這個(gè)節(jié)點(diǎn)csv文件中的索引名稱(chēng)是buyerId，那就在文件中加入batch_import.node_index.buyerId=exact

以下是我本人的配置文件：

4、導(dǎo)入

linux和win環(huán)境的導(dǎo)入都差不多，只不過(guò)執(zhí)行的腳本不一樣，這里以win環(huán)境為例。

文件都準(zhǔn)備好了，現(xiàn)在開(kāi)始導(dǎo)入了。

打開(kāi)cmd，cd到導(dǎo)入腳本的目錄，也就是import.bat所在目錄，執(zhí)行命令：

import.bat test.db node.csv rel.csv 

解釋一下命令的幾個(gè)參數(shù)：***個(gè)參數(shù)是數(shù)據(jù)庫(kù)的目錄，可以絕對(duì)路徑指定到任意位置，第二個(gè)參數(shù)是節(jié)點(diǎn)csv文件，多個(gè)csv文件用逗號(hào)分隔，如果是壓縮包，一定要注意，這里有個(gè)坑，不能把所有類(lèi)型的node都放到一個(gè)壓縮包中，一定要每個(gè)類(lèi)型的node分開(kāi)壓縮，不然它只會(huì)導(dǎo)入***個(gè)類(lèi)型的node節(jié)點(diǎn)，同理，關(guān)系的壓縮包也要分開(kāi)壓縮，然后導(dǎo)入時(shí)用逗號(hào)分隔.gz文件。

好了，如果你的csv文件沒(méi)有問(wèn)題，內(nèi)存足夠用的話(huà)，現(xiàn)在就開(kāi)始等待吧。

如果想修改導(dǎo)入工具的Heap大小，可以修改腳本文件中的 set HEAP=4G 

溫馨提示：如果節(jié)點(diǎn)文件中有中文的話(huà)，導(dǎo)入會(huì)非常慢的，除非你內(nèi)存有128G，我有一個(gè)節(jié)點(diǎn)文件，里面只有一列是中文，而且中文最長(zhǎng)不超過(guò)4個(gè)漢字，2000多萬(wàn)記錄導(dǎo)了2個(gè)小時(shí)，注意我是32G內(nèi)存，其他4000多萬(wàn)的節(jié)點(diǎn)，沒(méi)有漢字的，基本上不超過(guò)2分鐘。