Neo4j 研究

欢迎来到 Neo4j 研究，我们将科学转化为技术。

项目

出版物

资金

合作

在 Neo4j，我们构建令用户满意的图数据产品，并努力始终超越客户期望。我们的产品建立在计算机科学研究和扎实工程的丰富协作历史之上。

Neo4j 研究是我们探索未来可能性的地方，既为了增强现有产品，也为了发现新机遇。作为多学科计算机科学家，我们与 Neo4j 的产品团队以及世界领先的研究机构合作，共同目标是加速图技术的发展。

项目

在 Neo4j，我们对图数据堆栈的所有部分进行系统研究。我们目前正在开展一系列多样化的项目，旨在解决时间图用例、无领导者事务处理方法以及基于动态编程语言的新型查询运行时。

我们的目标是了解如何为现代云环境构建图处理系统，使其比现有最先进的技术更强大，并脱离经典的（关系型）方法。

当前的图数据库运行时使用与关系型数据库相同的技术和原理构建，这可能会抑制它们的性能和功能。根本问题在于图运行时必须处理大量不规则性，这既源于模式可选性，也源于从机器角度来看工作负载和拓扑结构的不规则性。

为了解决这些问题，我们正在构建一个受动态编程语言技术启发的下一代查询运行时。它允许我们通过动态代码优化来优化无模式图，并通过采用新的计算范式（如分离式计算或专用硬件加速计算）来扩展处理。

现代图数据库管理系统（DBMS）允许用户将真实世界的交互建模为数十亿到万亿规模的节点和关系集合。然而，现有系统忽略了数据的时间维度：图如何随时间演变。由于缺乏原生时间支持，只能实现一些临时策略，这些策略的良好性能取决于有效图工作负载的大小，例如局部模式匹配或全局图算法。

为了解决这个问题，我们设计了 Aion，一个事务性时间图 DBMS，它概括了之前针对标签属性图（LPG）的方法。Aion 直接构建在 Neo4j 之上，并采用混合时间存储方法。对于点查找和小型子图查询，它使用 LineageStore，该存储按实体标识符索引图更新。对于需要任意时间点完全图重建的查询，它使用 TimeStore，该存储按时间索引更新。

为了实现增量图计算以提高延迟，Aion 引入了一种计算高效的内存中 LPG 表示。我们目前的实验表明，Aion 相对于现有的非事务性时间系统，吞吐量提高了7倍，并且比 Neo4j 提供了高达一个数量级的加速，同时存储开销极小。

事务协议历来与其支持的数据模型是解耦的。因此，图数据库要么支持两种次优选择之一：要么协议过于严格，牺牲性能以保持正确性；要么协议过于宽松，提供更好的性能但在正常操作中会损坏数据。

从长远来看，我们需要更好的选择。我们正在研究一种名为“多数人的合取”（Conjunction of Majorities）的方法，其中事务消息携带有关其前身（predecessors）的元数据。参与者使用此元数据与其本地状态进行比较，以确定兼容性。对于单分片事务，如果大多数参与者发现事务兼容，则可以通过传统的两阶段共识协议进行。对于多分片事务，每个分片都必须拥有多数，因此在一般情况下需要“多数人的合取”。
我们已经进行了理论研究，以确定该方法在正确性（特别是图的互易一致性）和全局约束方面的限制。我们还在构建一个原型系统，以评估该方法在实际条件下的性能。

出版物

Neo4j 拥有强大的出版历史，并经常与大学及其他工业研究人员合作。

2025

Text2Cypher：连接自然语言和图数据库
GenAIK 2025
Makbule Gulcin Ozsoy、Leila Messallem、Jon Besga 和 Gianandrea Minneci

Neo4j 研究

项目

出版物

2025

2024

2023

2022

2021

2020

2019

2018

2017

2016

2015

2012

资金

硕士论文

博士奖学金

博士后合作

合作

纽卡斯尔大学 (英国)

LIRIS (法国)

ACTiCLOUD

LDBC

联系我们