简介

Neo4j 图数据科学 (GDS) 库提供了高效实现且并行的常见图算法版本，这些算法以 Cypher 过程的形式公开。此外，GDS 还包括机器学习管道，用于训练预测性监督模型以解决图问题，例如预测缺失关系。

API 层级

GDS API 包含 Cypher 过程和函数。每个都在三个成熟度层级之一中存在：

《操作参考》列出了 GDS 中所有操作及其所属层级。

图算法用于计算图、节点或关系的度量。

它们可以提供关于图中相关实体（中心性、排名）或固有结构（如社区（社区检测、图分区、聚类））的洞察。

许多图算法是迭代方法，它们通过随机游走、广度优先或深度优先搜索，或模式匹配来频繁遍历图以进行计算。

由于随着距离的增加，可能路径呈指数级增长，因此许多方法也具有较高的算法复杂度。

幸运的是，存在优化的算法，它们利用图的特定结构，记忆已探索的部分，并并行化操作。在可能的情况下，我们已应用了这些优化。

Neo4j 图数据科学库包含大量算法，这些算法在《算法》章节中详细介绍。

GDS 中的算法具有利用其输入图的各个方面的特定方式。我们称之为 算法特性。

算法特性可以是：

存在以下算法特性：

加权关系: 该算法支持配置关系属性作为权重。这些值可以表示成本、时间、容量或其他特定领域属性，通过 relationshipWeightProperty 配置参数指定。默认情况下，算法会将每种关系视为同等重要。

为了尽可能高效地运行算法，GDS 使用一种专门的图格式来表示图数据。因此，有必要将图数据从 Neo4j 数据库加载到内存图目录中。加载的数据量可以通过图投影来控制，图投影还允许，例如，对节点标签和关系类型进行过滤等选项。

欲了解更多信息，请参阅《图管理》。

Neo4j 图数据科学库提供两个版本。默认情况下，GDS 将作为社区版运行。要解锁企业版功能，需要有效的 Neo4j 图数据科学企业版许可证文件。有关如何配置许可证，请参阅《GDS 企业版》。

开源社区版
- 包含所有算法。
- 将目录操作限制为管理图和模型。不可用的操作列在下面的企业版中。
- 将并发限制为最多 4 个 CPU 核。
- 将模型目录的容量限制为 3 个模型。
Neo4j 图数据科学库企业版
- 支持在任意数量的 CPU 核上运行。
- 支持将 GDS 写入工作负载作为Neo4j 集群部署的一部分运行。
- 支持容量和负载监控。
- 支持扩展的图目录功能，包括：
  - 图备份和恢复。
  - 通过 Apache Arrow 进行数据导入和导出。
- 支持扩展的模型目录功能，包括：
  - 在模型目录中存储任意数量的模型。
  - 通过发布在用户之间共享模型。
  - 模型持久化到磁盘。
- 支持默认启用的优化图实现。
- 支持默认值和限制的配置。