【引自T_SevenS的博客】在開發(fā)neo4j的過程中，經(jīng)常會有同學(xué)問如何向neo4j中導(dǎo)入大量的歷史數(shù)據(jù)，而這些數(shù)據(jù)一般都會存在于關(guān)系型數(shù)據(jù)庫中，現(xiàn)在本人就根據(jù)自己的導(dǎo)入經(jīng)歷，把導(dǎo)入的過程和一些挖過的坑分享給大家，以便后面的同學(xué)少走彎路，廢話不多說，直接上干貨。

1、batch-import原始項目地址：https://github.com/jexp/batch-import

這個工具是neo4j的作者之一Michael Hunger所編寫，是在neo4j自帶批量導(dǎo)入工具基礎(chǔ)之上做的進一步優(yōu)化，但是它在導(dǎo)入.gz壓縮文件時，會出現(xiàn)關(guān)系無法導(dǎo)入的情況，所以如果要使用.gz壓縮包進行導(dǎo)入，請使用我修改過的版本：https://github.com/mo9527/batch-import

2、環(huán)境準(zhǔn)備

jdk：7以上

內(nèi)存：8G以上，導(dǎo)入數(shù)據(jù)多的話會非常消耗內(nèi)存，我自己導(dǎo)入的是將近1.5億節(jié)點，3億關(guān)系，用的是32G內(nèi)存

3、導(dǎo)入步驟

a)從github上clone下代碼，并使用maven進行打包，打完包后的jar文件，與項目本身的依賴jar一起放到lib文件夾下，batch.properties文件和執(zhí)行導(dǎo)入的腳本放在lib同級目錄下，***的目錄結(jié)構(gòu)如下圖：

ps：file文件夾是我自己將要導(dǎo)入的csv文件和.gz壓縮包。

b)組裝csv文件

說起這一步，可能需要你們根據(jù)自己的實際業(yè)務(wù)需求，手動寫代碼導(dǎo)csv文件了，這里我只講一下csv文件格式一些要點：

1)、節(jié)點csv文件

節(jié)點csv文件的***列是固定的，列值為此節(jié)點的label名稱，第二列是index，它的列頭是id:string:indexName 這種格式，解釋一下，id是這一列的property名字，可以根據(jù)需要自己命名，string為字段的數(shù)據(jù)類型，indexName是neo4j數(shù)據(jù)庫中將要導(dǎo)入的索引名稱，我自己的文件格式如下：

然后，后面的列就是節(jié)點的property了，沒什么特別的要求

2)、關(guān)系csv文件

先看下我的關(guān)系csv文件：

關(guān)系的csv文件前兩列要特別注意，***列是關(guān)系的起始節(jié)點，第二列是關(guān)系的結(jié)束節(jié)點，第三列是關(guān)系類型，后面的列是關(guān)系的property，可以隨意了。他github上的說明沒有說出一些注意點，這里要特別標(biāo)明：

***列的起始節(jié)點的列頭，也就是id:string:buyerId這個東西，這個玩意一定要和節(jié)點csv文件(上圖)中定義的一模一樣，第二列也是如此，要和結(jié)束節(jié)點的csv文件里的一樣，不然他會找不到對應(yīng)的關(guān)系。

3)、修改batch.properties文件

主要修改兩個地方，

• 如果是在現(xiàn)有的neo4j數(shù)據(jù)庫中進行導(dǎo)入，請設(shè)置：

batch_import.keep_db=true

• 將節(jié)點csv文件中所有的索引名稱加入到文件中，例如上面這個節(jié)點csv文件中的索引名稱是buyerId，那就在文件中加入batch_import.node_index.buyerId=exact

以下是我本人的配置文件：

4、導(dǎo)入

linux和win環(huán)境的導(dǎo)入都差不多，只不過執(zhí)行的腳本不一樣，這里以win環(huán)境為例。

文件都準(zhǔn)備好了，現(xiàn)在開始導(dǎo)入了。

打開cmd，cd到導(dǎo)入腳本的目錄，也就是import.bat所在目錄，執(zhí)行命令：

import.bat test.db node.csv rel.csv 

解釋一下命令的幾個參數(shù)：***個參數(shù)是數(shù)據(jù)庫的目錄，可以絕對路徑指定到任意位置，第二個參數(shù)是節(jié)點csv文件，多個csv文件用逗號分隔，如果是壓縮包，一定要注意，這里有個坑，不能把所有類型的node都放到一個壓縮包中，一定要每個類型的node分開壓縮，不然它只會導(dǎo)入***個類型的node節(jié)點，同理，關(guān)系的壓縮包也要分開壓縮，然后導(dǎo)入時用逗號分隔.gz文件。

好了，如果你的csv文件沒有問題，內(nèi)存足夠用的話，現(xiàn)在就開始等待吧。

如果想修改導(dǎo)入工具的Heap大小，可以修改腳本文件中的 set HEAP=4G 

溫馨提示：如果節(jié)點文件中有中文的話，導(dǎo)入會非常慢的，除非你內(nèi)存有128G，我有一個節(jié)點文件，里面只有一列是中文，而且中文最長不超過4個漢字，2000多萬記錄導(dǎo)了2個小時，注意我是32G內(nèi)存，其他4000多萬的節(jié)點，沒有漢字的，基本上不超過2分鐘。