什么是图数据建模？

数据建模是一种定义查询逻辑和存储中数据结构的实践。一个设计良好的模型是发挥图数据库优势的关键，因为它能提高查询性能，支持灵活查询，并优化存储。

如何创建图数据模型

要将数据组织成数据模型，首先要做的是思考你想回答什么问题。

例如，假设您为一家零售公司工作，想了解客户正在购买哪些产品。要回答这个问题，您需要：

拥有关于所售产品和购买它们的客户的数据。这个过程被称为“实体提取”。
理解这些实体之间如何相互关联。
思考还需要提供哪些其他细节，即应该为这些实体添加哪些属性（例如，客户姓名）。
可选地，在使用无代码数据建模工具创建模型之前将其可视化。
如果满意，就可以开始将数据写入数据库。

在这个虚构的场景中，您可以首先将这些信息添加到图中：

CREATE (c:Customer {name: "John"})
CREATE (p:Product {name: “Camera”})
CREATE (c)-[:BUYS]->(p)

然后，您可以用一个查询（例如，约翰买了什么）来测试这个模型。

MATCH (c:Customer {name: "John"})-[b:BUYS]->(p)
RETURN p

请记住，图数据建模是一个迭代过程。您最初的图数据模型只是一个起点。随着您对用例了解更多或用例发生变化，模型需要随之调整。

此外，您可能会发现，尤其是在图规模扩大时，您需要重构您的模型，以确保其与不断变化的业务需求保持一致。

总之，创建数据模型的过程包括以下步骤：

理解领域并为应用程序定义具体的用例（问题）。
通过提取实体并决定它们如何相互关联来开发初始图数据模型。
根据初始数据模型测试用例。
使用 Cypher^® 创建带有测试数据的图。
测试用例，包括针对图的性能。
由于关键用例的变化或出于性能原因，重构图数据模型。

继续学习

如需更实际的数据建模方法，请尝试以下资源：

GraphAcademy：数据建模基础：注册交互式课程。
从关系型到图：学习如何将关系型数据适配到图数据模型。
数据建模工具：查看可用于创建数据模型的工具列表。
数据建模技巧：查看如何提高数据建模技能的技巧。
建模设计：查看可作为项目策略的数据建模设计示例。
Neo4j GraphGists：查找 Neo4j 社区共享的图数据建模示例。

词汇表

标签: 将节点标记为命名和索引子集的成员。一个节点可以被分配零个或多个标签。
标签: 标签将节点标记为命名和索引子集的成员。一个节点可以被分配零个或多个标签。
节点: 节点代表图数据模型中的一个实体或离散对象。节点可以通过关系连接，在属性中持有数据，并由标签分类。
节点: 节点代表图数据模型中的一个实体或离散对象。节点可以通过关系连接，在属性中持有数据，并由标签分类。
关系: 关系代表图数据模型中节点之间的连接。关系将源节点连接到目标节点，在属性中持有数据，并按类型分类。
关系: 关系代表图数据模型中节点之间的连接。关系将源节点连接到目标节点，在属性中持有数据，并按类型分类。
属性: 属性是用于在节点和关系上存储数据的键值对。
属性: 属性是用于在节点和关系上存储数据的键值对。
集群: 一个 Neo4j DBMS，跨多个服务器协同工作，以提高容错能力和/或读取可扩展性。集群上的数据库可以配置为在集群中的服务器之间进行复制，从而实现读取可扩展性或高可用性。
集群: 一个 Neo4j DBMS，跨多个服务器协同工作，以提高容错能力和/或读取可扩展性。集群上的数据库可以配置为在集群中的服务器之间进行复制，从而实现读取可扩展性或高可用性。
图: 一组节点的逻辑表示，其中某些对通过关系连接。
图: 一组节点的逻辑表示，其中某些对通过关系连接。
模式: 节点和关系的规定属性存在性和数据类型。
模式: 节点和关系的规定属性存在性和数据类型。
[[数据库模式]]数据库模式: 节点和关系的规定属性存在性和数据类型。
索引: 提高数据库读取性能的数据结构。了解更多关于支持的索引类别。
已索引: 提高数据库读取性能的数据结构。了解更多关于支持的索引类别。
约束: 约束是确保数据一致性和可靠性的一组数据建模规则。查看 Cypher 中可用的约束。
数据模型: 数据模型定义了信息在数据库中的组织方式。一个好的数据模型将使查询和理解您的数据更容易。在 Neo4j 中，数据模型具有图结构。
数据模型: 数据模型定义了信息在数据库中的组织方式。一个好的数据模型将使查询和理解您的数据更容易。在 Neo4j 中，数据模型具有图结构。