📚 课程目录第4章 Neo4j高级特性

4、Neo4j高级特性：索引、查询优化、APOC插件、全文检索

好，咱们接着往下聊。

前面我们把Cypher的基础和药物知识图谱的建模方案都捋了一遍。但说实话，光会写查询只是第一步。

你想想看，一个真实的药物知识图谱，节点少说几十万，关系几百万条。如果查询还用最原始的全表扫描……嗯，那等待你的就不是知识图谱，是“知识慢图”。

这一章，我带你看看Neo4j的那些高级玩法。说白了，就是让你的图库跑得快、查得准、用得爽。

4.1 索引：别让数据库裸奔

索引这东西，任何一个正经数据库都有。Neo4j的索引，我个人习惯把它分为两类：原生索引和Schema索引。后者是日常用的最多的。

4.1.1 单属性索引

这是最基础的。比如你经常通过药物名称查节点，那一定要建索引。

CREATE INDEX drug_name_index FOR (d:Drug) ON (d.name)

建完这个，你再跑 MATCH (d:Drug {name: '阿司匹林'})，速度就不是一个量级了。

4.1.2 复合索引

有时候你查的是组合条件。比如“查询某公司生产的某种药物”。这时候复合索引就派上用场了。

CREATE INDEX drug_company_index FOR (d:Drug) ON (d.name, d.manufacturer)

我的习惯： 复合索引的字段顺序很重要。把筛选性高的字段放前面，效果更好。

4.1.3 索引类型：B-tree vs 全文索引

Neo4j默认的索引是B-tree，适合精确匹配和范围查询。但你要是想做模糊搜索、文本匹配，那就得用全文索引了。这部分我放到后面单独讲。

索引类型	适用场景	示例查询
B-tree	精确匹配、排序、范围查询	`WHERE d.age > 18`
全文索引	文本模糊搜索、分词匹配	`WHERE d.name CONTAINS '霉素'`

4.2 查询优化：别让Cypher写成屎山

写Cypher和写SQL一样，有些毛病是通病。

我记得有一次帮一个团队review代码，一个查询跑了30秒。我看了半天，发现他把所有的节点都match了一遍，然后才去过滤……

4.2.1 用EXPLAIN和PROFILE

这两个关键字是调优的法宝。

EXPLAIN MATCH (d:Drug)-[:TREATS]->(dis:Disease) RETURN d, dis

EXPLAIN 告诉你查询计划长什么样——但不真正执行。

PROFILE MATCH (d:Drug)-[:TREATS]->(dis:Disease) RETURN d, dis

PROFILE 会真的跑一遍，并告诉你每一步访问了多少行、花了多久。

注意： 不要在线上环境直接 PROFILE 那些大查询。我曾经有一次手滑，把生产库的查询profile了一下，结果……嗯，那几秒的体验不太好。

4.2.2 减少笛卡尔积

新手最容易犯的错误——把两个不相关的模式写在一起。

// 这很糟糕
MATCH (d:Drug), (p:Protein)
WHERE d.id = p.target_id
RETURN d, p

// 这好得多
MATCH (d:Drug)-[:TARGETS]->(p:Protein)
RETURN d, p

4.2.3 利用参数化查询

别每次都硬编码值。用参数，能让Neo4j复用查询缓存。

// 不推荐
MATCH (d:Drug {name: '阿司匹林'}) RETURN d

// 推荐
MATCH (d:Drug {name: $drugName}) RETURN d

然后在代码里传参：

{"drugName": "阿司匹林"}

4.2.4 用节点标签缩小范围

如果你知道节点属于某个标签，一定要写上。Neo4j会根据标签快速定位存储区块。

// 慢
MATCH (n) WHERE n.name = '阿司匹林' RETURN n

// 快
MATCH (n:Drug) WHERE n.name = '阿司匹林' RETURN n

4.3 APOC插件：给你的图库装上瑞士军刀

APOC全称是“Awesome Procedures On Cypher”。这玩意儿，我个人的评价是——没有APOC的Neo4j是不完整的。

4.3.1 安装APOC

如果你是Neo4j Desktop或Docker部署，安装很简单。

把 apoc-x.x.x-core.jar 放到 plugins/ 目录下，然后在 neo4j.conf 里加上：

dbms.security.procedures.unrestricted=apoc.*

重启Neo4j，就搞定了。

4.3.2 常用APOC函数

我挑几个在药物图谱中特别常用的：

数据导入导出：apoc.load.json、apoc.export.csv。从外部数据源直接拉取药物数据，非常方便。
路径搜索：apoc.path.expandConfig。比Cypher原生的路径查询更灵活，能控制深度、标签、关系类型。
日期处理：apoc.date.parse。药物研发数据里时间戳特别多，这个函数能帮你快速格式化。
图算法：apoc.algo.dijkstra。虽然Neo4j GDS库更全，但APOC自带的简单路径算法也够用了。

// 从JSON导入药物数据
CALL apoc.load.json('file:///drugs.json')
YIELD value
MERGE (d:Drug {id: value.id})
SET d.name = value.name, d.molecular_weight = value.molecular_weight

4.3.3 避坑指南

我曾经踩过的坑： 用 apoc.periodic.iterate 做大批量更新时，没设batchSize。结果内存直接飙满，节点挂了。后来我每次都用 {batchSize: 1000, parallel: false}，稳得很。

4.4 全文检索：让模糊查询不再是噩梦

药名这东西，经常有别名、同义词、拼写变异。比如“布洛芬”和“Ibuprofen”其实是同一种药。传统B-tree索引对这种模糊匹配毫无办法。

这时候，全文索引就来了。

4.4.1 创建全文索引

CALL db.index.fulltext.createNodeIndex(
  'drug_fulltext_index',
  ['Drug'],
  ['name', 'alias', 'synonyms']
)

上面这行，创建了一个叫 drug_fulltext_index 的全文索引，覆盖了Drug节点的name、alias和synonyms三个字段。

4.4.2 使用全文检索

CALL db.index.fulltext.queryNodes(
  'drug_fulltext_index',
  '布洛芬 OR ibuprofen'
) YIELD node, score
RETURN node.name, score
ORDER BY score DESC
LIMIT 10

看到没？它返回了一个 score，表示匹配的置信度。这在你做药物推荐或搜索建议时特别好用。

4.4.3 配置分析器

Neo4j默认用的是标准的英文分词器。但如果你处理的是中文药名，那就得用中文分词器了。

比如配合 jieba 分析器：

CALL db.index.fulltext.createNodeIndex(
  'drug_cn_fulltext_index',
  ['Drug'],
  ['name_cn', 'description_cn'],
  {analyzer: 'cjk'}
)

cjk 是Neo4j内置的东亚语言分析器，对中文支持还不错。但如果想要更好的效果，可以自定义分析器。

提醒一下： 全文索引不是万能的。它对精确查询的性能反而不如B-tree。所以，你在建索引前，先想清楚自己的查询模式。我一般是这样：精确查找用B-tree，模糊搜索用全文索引。两者配合着来。

4.5 本章知识体系

来，我把这章的核心结构画成一张图。你看一眼，就知道我们在聊什么了。

说白了，索引是地基，查询优化是装修，APOC是工具箱，全文检索是专门对付模糊数据的利器。四者配合，你的药物知识图谱才能真正跑起来。

下一站，我们聊聊图存储的内部机制。嗯，那部分更有意思。