先决条件

此页面概述了在运行数据流作业以将数据导入 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，则有两个选项

  • 注册免费的 AuraDB 实例

  • 在可公开访问的位置安装并自行托管 Neo4j（请参阅 Neo4j → 安装），并打开端口 7687（Bolt 协议）

该模板使用 约束，其中一些仅在 Neo4j/Aura 企业版安装中可用。尽管数据流作业能够**在 Neo4j 社区版实例上运行，但大多数约束将不会创建**。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。这是数据流作业唯一可以从中获取文件（包括配置文件和源 CSV 文件，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>"
}

如果服务器上禁用了身份验证，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。仅当服务器安装了 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由身份提供者通过 Neo4j 的 单点登录功能 提供的 base64 编码令牌。

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

要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>"}
}

连接文件可以作为机密上传到 Google Cloud Secret Manager 或直接上传到您的 Google Cloud Storage 存储桶

  1. Google Secret Manager — 创建一个新的机密，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 的数据集。这应包含位于您的 Google Cloud Storage 存储桶中的多个 CSV 文件。本指南为您提供了一组 CSV 文件以开始使用。

源 CSV 文件必须满足某些约束

  • 它们不应包含空行。

  • 它们不应包含标题行。
    在源对象定义中指定列名，并在文件中仅保留数据行。包含标题行的 CSV 将导致导入额外的实体，并将列名作为数据值。

由于您正在将数据从关系数据库迁移到图数据库，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

The Google Dataflow 作业将所有部分连接在一起并执行数据导入。您需要创建一个作业规范文件，以向 Dataflow 提供加载数据到 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，或者属于 Dataflow 作业有权访问的帐户。