Neo4j：权威指南

第 2 章 导入（更多）数据 导入（更多）数据

本作品已使用人工智能进行翻译。欢迎您提供反馈和意见：[e-mail]

您和您在 ElectricHarmony 的团队现在面临的挑战是导入大量数据--这些数据将更好地代表您的全部用户群--为用户提供推荐。

您尝试了在第 1 章中使用的数据导入方法，但事实证明，当轨道数据集从十万行增加到一百万行时，导入速度很慢。这往往会导致可怕的 "死亡之轮"，让你怀疑自己选择的数据库是否能有效扩展。

您的担心是有道理的。您需要回答团队和利益相关者提出的关键问题，如

• 系统获取数据的速度能否与企业生产数据的速度一样快？

• 系统能否近乎实时地提供建议并跟上其他系统产生的数据？

• 如果发生灾难，恢复需要多长时间？

本章将向您展示如何获取回答这些问题所需的大型数据集。

您的旅程将从简单易懂的数据库管理系统内部介绍开始，包括事务和内存管理。接下来，您将学习如何优化第 1 章中使用的LOAD CSV 命令。然后，您将进入更类似于生产的场景，使用您喜欢的编程语言的自动程序导入数据。您还将尝试使用不同的锁定策略，以了解并行数据导入何时以及如何可行且不会产生负面影响，最后还将学习离线数据导入策略。

数据库事务

事务将一系列操作组合成一个单元，要么完全成功，要么完全失败，从而确保数据完整性。数据库约束（如唯一性和类型约束）强制执行规则，以保持一致性和准确性。事务可确保所有操作都遵守这些约束，但许多检查（如唯一性）通常会推迟到事务结束时（提交时）进行。这就为更新提供了灵活性，比如在数据从一个状态过渡到另一个状态时暂时违反约束。如果任何操作违反了约束，整个事务就会失败并回滚，从而确保不会应用部分更改，并防止数据不一致。

正如你在第 1 章中看到的，你已经有了一些使用数据库约束的经验。例如，你创建了一个约束来确保HAS_TRACK 关系的position 属性是整数：

CREATE CONSTRAINT has_track_position_integer 
FOR ()-[r:HAS_TRACK]-() 
REQUIRE r.position IS TYPED INTEGER

如果尝试写入一些不符合已定义约束的数据，比如下面的 Cypher 查询，会发生什么情况？

CREATE (n:Playlist)-[:HAS_TRACK {position: 'some string'}]->(track);

这不会起作用，而是会显示图 2-1所示的错误信息。用数据库术语来说，由于违反了约束，你的事务被中止了。

图 2-1. 尝试执行不符合数据库约束的查询时产生的错误信息

但等等，你甚至都没使用事务这个词--事实上，到目前为止，你在任何地方都没看到过这个词！Neo4j浏览器隐式地使用事务，而且大多数Neo4j驱动程序都提供了一些方法，在这些方法中，你不一定需要担心自己管理事务。只需知道，Neo4j 中的一切都是事务性的。

那么，在引擎盖下到底发生了什么呢？执行这一系列步骤：

1. Neo4j 服务器会打开一个事务。

2. 它在数据库上执行更改（如创建数据）。

3. 它提交事务（应用更改）或拒绝事务（丢弃更改）。

这一连串的步骤遵守了数据库系统（包括关系型和非关系型）中事务为实现安全性所必需的特性。这些特性通常被命名为 ...