前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >neo4j:使用batch-import工具导入海量数据

neo4j:使用batch-import工具导入海量数据

作者头像
用户2713236
修改2020-08-06 17:56:58
2K0
修改2020-08-06 17:56:58
举报
文章被收录于专栏:neo4j

原创地址:https://my.oschina.net/u/2538940/blog/883829

虽然未曾经尝试过,,先收藏

1、batch-import原始项目地址:https://github.com/jexp/batch-import

    这个工具是neo4j的作者之一Michael Hunger所编写,是在neo4j自带批量导入工具基础之上做的进一步优化,但是它在导入.gz压缩文件时,会出现关系无法导入的情况,所以如果要使用.gz压缩包进行导入,请使用我修改过的版本:https://github.com/mo9527/batch-import

2、环境准备

    jdk:7以上

    内存:8G以上,导入数据多的话会非常消耗内存,我自己导入的是将近1.5亿节点,3亿关系,用的是32G内存

3、导入步骤

    a)从github上clone下代码,并使用maven进行打包,打完包后的jar文件,与项目本身的依赖jar一起放到lib文件夹下,batch.properties文件和执行导入的脚本放在lib同级目录下,最后的目录结构如下图:

    ps:file文件夹是我自己将要导入的csv文件和.gz压缩包。

    b)组装csv文件

        说起这一步,可能需要你们根据自己的实际业务需求,手动写代码导csv文件了,这里我只讲一下csv文件格式一些要点:

        1、节点csv文件

            节点csv文件的第一列是固定的,列值为此节点的label名称,第二列是index,它的列头是id:string:indexName 这种格式,解释一下,id是这一列的property名字,可以根据需要自己命名,string为字段的数据类型,indexName是neo4j数据库中将要导入的索引名称,我自己的文件格式如下:

    然后,后面的列就是节点的property了,没什么特别的要求

        2、关系csv文件

            先看下我的关系csv文件:

关系的csv文件前两列要特别注意,第一列是关系的起始节点,第二列是关系的结束节点,第三列是关系类型,后面的列是关系的property,可以随意了。他github上的说明没有说出一些注意点,这里要特别标明:

    第一列的起始节点的列头,也就是id:string:buyerId这个东西,这个玩意一定要和节点csv文件(上图)中定义的一模一样,第二列也是如此,要和结束节点的csv文件里的一样,不然他会找不到对应的关系。

    3、修改batch.properties文件

        主要修改两个地方,1、如果是在现有的neo4j数据库中进行导入,请设置:

        batch_import.keep_db=true

            2、将节点csv文件中所有的索引名称加入到文件中,例如上面这个节点csv文件中的索引名称是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:

    3、导入

        linux和win环境的导入都差不多,只不过执行的脚本不一样,这里以win环境为例。

        文件都准备好了,现在开始导入了。

        打开cmd,cd到导入脚本的目录,也就是import.bat所在目录,执行命令:

        import.bat test.db node.csv rel.csv

        解释一下命令的几个参数:第一个参数是数据库的目录,可以绝对路径指定到任意位置,第二个参数是节点csv文件,多个csv文件用逗号分隔,如果是压缩包,一定要注意,这里有个坑,不能把所有类型的node都放到一个压缩包中,一定要每个类型的node分开压缩,不然它只会导入第一个类型的node节点,同理,关系的压缩包也要分开压缩,然后导入时用逗号分隔.gz文件。

    好了,如果你的csv文件没有问题,内存足够用的话,现在就开始等待吧。

    如果想修改导入工具的Heap大小,可以修改脚本文件中的 set HEAP=4G

如果不能正常编译jar包,可使用我已经编译好的工具:

https://github.com/mo9527/batch-import-tool    

温馨提示:如果节点文件中有中文的话,win环境csv文件很有可能出现乱码,然后就导致换行出现问题,导入程序就会出现假死的状态,表现为程序一直在吃内存,可是一直导不进去数据,这时候可以用本人改动过的版本去导入,具体改动可见我github上的记录

本文系转载,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文系转载前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
作者已关闭评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
文件存储
文件存储(Cloud File Storage,CFS)为您提供安全可靠、可扩展的共享文件存储服务。文件存储可与腾讯云服务器、容器服务、批量计算等服务搭配使用,为多个计算节点提供容量和性能可弹性扩展的高性能共享存储。腾讯云文件存储的管理界面简单、易使用,可实现对现有应用的无缝集成;按实际用量付费,为您节约成本,简化 IT 运维工作。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档