什么是图数据建模？

数据建模是一种定义查询逻辑和存储数据结构的实践。一个设计良好的模型是利用图数据库优势的关键，因为它可以提高查询性能、支持灵活的查询并优化存储。

总之，创建数据模型的过程包括以下步骤：

了解业务领域并定义应用程序的具体用例（问题）。
通过提取实体并确定它们之间的关系，开发初始图数据模型。
针对初始数据模型测试用例。
使用 Cypher® 创建包含测试数据的图。
测试用例，包括针对该图的性能测试。
由于关键用例的变更或出于性能原因，重构图数据模型。

如需完整教程，请参阅创建数据模型。

持续学习

如需更实际的数据建模操作指南，请尝试以下资源：

GraphAcademy：数据建模基础：注册参加互动课程。
从关系型到图建模：了解如何将数据从关系模型转换为图数据模型。
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：查看有关如何提高数据建模技能的提示。
建模设计：查看可用作项目策略的数据建模设计示例。
Neo4j GraphGists：查找由 Neo4j 社区分享的图数据建模示例。

术语表

label (标签): 将节点标记为命名和索引子集的成员。一个节点可以分配零个或多个标签。
labels (标签): 标签将节点标记为命名和索引子集的成员。一个节点可以分配零个或多个标签。
node (节点): 节点代表图数据模型中的实体或离散对象。节点可以通过关系连接，通过属性保存数据，并按标签进行分类。
nodes (节点): 节点代表图数据模型中的实体或离散对象。节点可以通过关系连接，通过属性保存数据，并按标签进行分类。
relationship (关系): 关系代表图数据模型中节点之间的连接。关系连接源节点和目标节点，通过属性保存数据，并按类型进行分类。
relationships (关系): 关系代表图数据模型中节点之间的连接。关系连接源节点和目标节点，通过属性保存数据，并按类型进行分类。
property (属性): 属性是用于在节点和关系上存储数据的键值对。
properties (属性): 属性是用于在节点和关系上存储数据的键值对。
cluster (集群): 一种跨多台服务器协同工作的 Neo4j DBMS，旨在提高容错能力和/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。
clusters (集群): 一种跨多台服务器协同工作的 Neo4j DBMS，旨在提高容错能力和/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。
graph (图): 一组节点的逻辑表示，其中一些节点对由关系连接。
graphs (图): 一组节点的逻辑表示，其中一些节点对由关系连接。
schema (模式): 为节点和关系指定的属性存在性和数据类型。
schemas (模式): 为节点和关系指定的属性存在性和数据类型。
[[database schema]]database schema (数据库模式): 为节点和关系指定的属性存在性和数据类型。
indexes (索引): 提高数据库读取性能的数据结构。阅读有关支持的索引类别的更多信息。
indexed (已索引): 提高数据库读取性能的数据结构。阅读有关支持的索引类别的更多信息。
constraints (约束): 约束是一组数据建模规则，用于确保数据一致且可靠。查看 Cypher 中有哪些可用约束。
data model (数据模型): 数据模型定义了信息在数据库中如何组织。良好的数据模型将使查询和理解数据变得更容易。在 Neo4j 中，数据模型具有图结构。
data models (数据模型): 数据模型定义了信息在数据库中如何组织。良好的数据模型将使查询和理解数据变得更容易。在 Neo4j 中，数据模型具有图结构。