先决条件

本页概述了在运行 Dataflow 作业将数据导入 Neo4j 之前需要遵循的所有步骤。

Neo4j 实例

您需要一个正在运行的 Neo4j 实例，数据可以流入其中。

如果您还没有实例，您有两个选择

  • 注册一个免费的 AuraDB 实例

  • 安装并在公共可访问的位置自托管 Neo4j（参见 Neo4j → 安装），并打开端口 7687（Bolt 协议）

该模板使用 约束，其中一些约束仅在 Neo4j/Aura 企业版安装中可用。虽然 Dataflow 作业能够在 **Neo4j 社区版实例上运行，但大多数约束将不会被创建**。因此，您必须确保源数据和作业规范已相应准备。

Google Cloud Storage 存储桶

您需要一个 Google Cloud Storage 存储桶。这是 Dataflow 作业唯一可以从中获取文件（包括配置文件和源 CSV，如果有）的位置。

上传连接信息

无论您的 Neo4j 实例如何部署，您都需要创建一个包含数据库连接信息的 JSON 格式文件。我们将此文件称为 neo4j-connection-info.json。Dataflow 将使用此文件中包含的信息连接到 Neo4j 实例。

基本身份验证方案依赖于传统的用户名和密码。此方案也可用于对 LDAP 服务器进行身份验证。

{
  "server_url": "neo4j+s://xxxx.databases.neo4j.io",
  "database": "neo4j",
  "username": "<username>",
  "pwd": "<password>"
}

如果服务器上的身份验证已禁用，则可以省略凭据。

{
  "server_url": "neo4j+s://xxxx.databases.neo4j.io",
  "database": "neo4j",
  "auth_type": "none"
}

Kerberos 身份验证方案需要一个 base64 编码的票证。只有在服务器安装了 Kerberos 附加组件 时才能使用它。

{
  "server_url": "neo4j+s://xxxx.databases.neo4j.io",
  "database": "neo4j",
  "auth_type": "kerberos",
  "ticket": "<base 64 encoded Kerberos ticket>"
}

承载者身份验证方案需要一个 base64 编码的令牌，该令牌由身份提供者通过 Neo4j 的 单点登录功能 提供。

{
  "server_url": "neo4j+s://xxxx.databases.neo4j.io",
  "database": "neo4j",
  "auth_type": "bearer",
  "token": "<bearer token>"
}

登录到具有自定义身份验证方案的服务器。

{
  "server_url": "neo4j+s://xxxx.databases.neo4j.io",
  "database": "neo4j",
  "auth_type": "custom",
  "principal": "<principal>",
  "credentials": "<credentials>",
  "realm": "<realm>",
  "scheme": "<scheme>",
  "parameters": {"<key>": "<value>"}
}

连接文件可以作为秘密上传到 Google Cloud Secret Manager，也可以直接上传到您的 Google Cloud Storage 存储桶

  1. Google Secret Manager — 创建一个新秘密，并将 neo4j-connection-info.json 文件作为值上传。

  2. Google Cloud Storage — 将 neo4j-connection-info.json 文件上传到您的 Cloud Storage 存储桶。

要导入的数据集

您需要一个要导入到 Neo4j 的 Google BigQuery 数据集。本指南将为您提供一个数据集，以便您开始使用。

由于您要将数据从关系数据库移到图数据库，因此 **数据模型可能会发生变化**。查看 图数据建模指南 了解如何为图数据库建模。

Google Dataflow 作业

该 Google Dataflow 作业将所有部分粘合在一起，并执行数据导入。您需要编写一个 *作业规范* 文件，为 Dataflow 提供将数据加载到 Neo4j 所需的所有信息。

image$google dataflow
所有与 Google 相关的资源（Cloud 项目、Cloud Storage 存储桶、Dataflow 作业）应属于同一帐户，或属于 Dataflow 作业有权访问的帐户。