什么是 Cypher

本页介绍了 Cypher® 的基础知识。如需完整的文档，请参阅 Cypher 手册。

Cypher 是 Neo4j 的声明式且符合 GQL 标准的查询语言。Cypher 通过 openCypher 项目以开源形式提供，它与 SQL 类似，但针对图数据进行了优化。

Cypher 直观且接近自然语言，其语法基于 ASCII 艺术风格，提供了一种匹配模式和关系的视觉化方法。

(:nodes)-[:ARE_CONNECTED_TO]->(:otherNodes)

圆括号用于表示 (:Nodes)（节点），方括号 -[]→ 用于表示 (:Nodes) 之间的关系。通过这种查询语法，您可以对图数据执行创建、读取、更新或删除 (CRUD) 操作。

想要尝试使用 Cypher 进行查询，您可以获取一个免费的 Aura 实例，无需安装。使用右上角的毕业帽图标可以访问交互式指南。“查询基础 (Query fundamentals)”为您提供了 Cypher 的实践入门。

Cypher 是如何工作的？

图由节点和关系组成，它们还可以拥有指定的属性。通过节点和关系，您可以构建出能够表达简单或复杂模式的图。

模式识别是一种核心的认知过程。使用 Cypher，您可以利用模式匹配，这使得学习过程更加直观。

Cypher 语法

Cypher 的构造接近自然语言，其语法旨在从视觉上呈现出图的形状。

如果您想用英语表达此图中的数据，它读起来就像是：“Sally 喜欢图 (Graphs)。Sally 是 John 的朋友。Sally 为 Neo4j 工作。”

现在，如果您用 Cypher 来编写相同的信息，它看起来会是这样

(:Sally)-[:LIKES]->(:Graphs)
(:Sally)-[:IS_FRIENDS_WITH]->(:John)
(:Sally)-[:WORKS_FOR]->(:Neo4j)

通过这个查询，您将信息转化为节点和关系，这是 Cypher 的核心元素。

节点

图中的主要组件是节点和关系。节点通常用于表示数据模型中的名词或对象。在前面的示例中，Sally、John、Graphs 和 Neo4j 就是节点。

如前所述，节点在 Cypher 中表示为圆括号 (node)。圆括号代表了可视化中构成节点的圆圈。

节点标签 (Node labels)

节点可以通过标签进行分组，标签的作用类似于标记，允许您在查询中指定特定类型的实体。标签有助于 Cypher 区分不同的节点并优化执行。

在示例中，Sally 和 John 都是人，所以他们获得了 Person 标签；Graphs 获得了 Technology 标签；而 Neo4j 是一个 Company。

在关系型数据库中，这相当于使用 SQL 来引用表中的特定行。正如您可以使用 SQL 从 Person 表查询某个人的信息一样，您也可以在 Cypher 中使用 Person 标签来获取该信息。

如果您没有为 Cypher 指定标签来过滤不匹配的节点类别，查询将检查数据库中的所有节点。这可能会影响超大规模图的性能。

节点变量 (Node variables)

如果查询的部分内容匹配到了您需要在后续查询（即子句）中引用的节点，则可以使用节点变量。

变量可以是单个字母或单词，应使用小写字母书写。例如，如果您想将所有标记为 Person 的节点绑定到变量 p，您可以写成 (p:Person)。如果您想使用完整的单词作为变量，(person:Person) 的效果完全一样。

检索所有 Person 节点

MATCH (p:Person)
RETURN p

关系 (Relationships)

在图数据库中，节点和关系都是“一等公民”，它们具有同等价值。在关系型数据库中，关系仅通过外键和连接表隐含表示。

在 Cypher 中，关系表示为方括号，并带有一个可选的箭头来指示方向（例如 (Node1)-[]→(Node2)）。

在示例中，连接节点的箭头表示节点之间的关系。

图 5. 展示节点和关系的图。

关系方向

关系始终有一个由箭头指示的方向。

它们可以从左向右

(p:Person)-[:LIKES]->(t:Technology)

从右向左

(p:Person)<-[:LIKES]-(t:Technology)

或者无方向（未指定方向）

MATCH (p:Person)-[:LIKES]-(t:Technology)

无向关系

无向关系并不意味着它没有方向，而是意味着它可以沿任意方向遍历。虽然您无法创建没有方向的关系，但您可以在查询时将其视为无向（例如，在示例中使用 MATCH 子句）。

由于如果您使用错误的方向编写查询，Cypher 将不会返回任何内容，因此当您不确定方向时，可以在查询中使用无向关系。这样，Cypher 将检索由指定关系类型连接的所有节点，而不考虑方向。

因为查询中的无向关系会被遍历两次（每个方向一次），所以相同的模式会被返回两次。这可能会影响查询性能。

关系类型

关系类型对关系进行分类并增加含义，类似于标签对节点进行分组。使用动词或其派生词作为关系类型被认为是最佳实践。类型描述了节点之间如何关联。通过这种方式，Cypher 几乎就像自然语言一样，其中节点是主语和宾语（名词），而关系（动词）是连接它们的谓语。

在前面的示例中，关系类型为

[:LIKES] - 表示 Sally（节点）喜欢图（另一个节点）。
[:IS_FRIENDS_WITH] - 表示 Sally 是 John 的朋友。
[:WORKS_FOR] - 表示 Sally 为 Neo4j 工作。

请记住，务必在关系类型前加上冒号。如果您写成 (Person)-[LIKES]→(Technology)，[LIKES] 将代表一个关系变量，而不是关系类型。在这种情况下，由于没有声明关系类型，Cypher 的 RETURN 子句将搜索所有类型的关系以检索查询结果。

关系变量

关系变量的使用方式与节点变量相同。一旦指定了变量，您就可以在查询的后续部分中使用它来引用该关系。

以这个例子为例

MATCH (p:Person)-[r:LIKES]->(t:Technology)
RETURN p,r,t

该查询为节点标签（p 代表 Person，t 代表 Technology）和关系类型（r 代表 :LIKES）指定了变量。在 return 子句中，您可以随后使用这些变量（即 p、r 和 t）来返回绑定的实体。

这就是您的结果

图 6. 使用节点和关系变量的示例查询结果。

表 1. 结果
p	r	t
`(:Person)`	`[:LIKES]`	`(:Technology)`
行：1

属性 (Properties)

属性用于存储额外信息，可以添加到节点和关系中，并且可以是多种数据类型。有关值和类型的完整列表，请参阅 Cypher 手册 → 值和类型。

在下面的示例中，sally 和 john 是 Person 节点的变量，这些节点包含一个 name 属性，其属性值分别为 "Sally" 和 "John"。

图 7. 带有节点和关系属性的图示例。

要将此信息添加到图中，您可以使用以下查询

CREATE (sally:Person {name:'Sally'})-[r:IS_FRIENDS_WITH]->(john:Person {name:'John'})
RETURN sally, r, john

属性用花括号 ({}) 括起来，键后面跟冒号，值用单引号或双引号括起来。

如果您已经将 Sally 和 John 添加为节点标签，但想将它们改为节点属性，则需要对您的图进行重构。重构是数据建模中的一种策略，您可以在本教程中了解更多信息。

Cypher 中的模式 (Patterns)

图模式匹配是 Cypher 的核心。它是一种通过应用声明式模式来导航、描述和从图中提取数据的机制。

考虑这个例子

(sally:Person {name:'Sally'})-[l:LIKES]->(g:Technology {type: "Graphs"})

这段 Cypher 代码代表了一个模式。它表示一个 name 属性为 Sally 的 Person 节点，与一个 type 属性为 Graphs 的 Technology 节点之间存在 LIKES 关系。

通过添加关键字使其成为子句，您可以在数据库的不同查询中使用此模式。

例如，您可以使用 CREATE 子句将此信息添加到数据库中

CREATE (sally:Person {name: "Sally"})-[r:LIKES]->(t:Technology {type: "Graphs"})

一旦数据写入数据库，您就可以使用此模式将其检索出来

MATCH (sally:Person {name: "Sally"})-[r:LIKES]->(t:Technology {type: "Graphs"})
RETURN sally,r,t

模式变量

与节点和关系一样，您也可以为模式使用变量。考虑前面的示例，您可以将整个模式 ((Sally)-[:LIKES]→(Technology)) 转变为一个变量 (p)。

MATCH p = (sally:Person {name: "Sally"})-[r:LIKES]->(t:Technology {type: "Graphs"})
RETURN p

更多信息，请参阅 Cypher 手册 → 模式 → 语法和语义。

持续学习

如果您想了解更多关于编写 Cypher 查询的信息，可以阅读关于 Cypher 入门的教程。在 Cypher 手册中，您可以找到关于以下内容的更多信息：

如何编写基本查询，以及可以使用哪些子句从数据库中读取数据。
模式的工作原理，以及如何使用它们来导航、描述和提取图中的数据。
Cypher 中有哪些可用的值和类型以及函数。

从 SQL 到 Cypher

如果您有 SQL 背景并且是图数据库的新手，以下资源提供了有关关键差异和向图数据库迁移的更多信息：

从 NoSQL 到图

如果您熟悉 NoSQL 系统，还可以详细了解如何迁移到图数据库。

GraphAcademy

通过 Cypher 基础 (Cypher Fundamentals) 课程，您可以在 60 分钟内学会 Cypher，并使用沙箱环境进行练习。

其他资源

有关如何扩展 Cypher 知识的更多建议，请参阅资源。

术语表

label (标签): 将节点标记为命名和索引子集的成员。一个节点可以分配零个或多个标签。
labels (标签): 标签将节点标记为命名和索引子集的成员。一个节点可以分配零个或多个标签。
node (节点): 节点代表图数据模型中的实体或离散对象。节点可以通过关系连接，通过属性保存数据，并按标签进行分类。
nodes (节点): 节点代表图数据模型中的实体或离散对象。节点可以通过关系连接，通过属性保存数据，并按标签进行分类。
relationship (关系): 关系代表图数据模型中节点之间的连接。关系连接源节点和目标节点，通过属性保存数据，并按类型进行分类。
relationships (关系): 关系代表图数据模型中节点之间的连接。关系连接源节点和目标节点，通过属性保存数据，并按类型进行分类。
property (属性): 属性是用于在节点和关系上存储数据的键值对。
properties (属性): 属性是用于在节点和关系上存储数据的键值对。
cluster (集群): 一种跨多台服务器协同工作的 Neo4j DBMS，旨在提高容错能力和/或读取可扩展性。集群上的数据库可以配置为在集群中的服务器之间进行复制，从而实现读取可扩展性或高可用性。
clusters (集群): 一种跨多台服务器协同工作的 Neo4j DBMS，旨在提高容错能力和/或读取可扩展性。集群上的数据库可以配置为在集群中的服务器之间进行复制，从而实现读取可扩展性或高可用性。
graph (图): 一组节点的逻辑表示，其中一些节点对由关系连接。
graphs (图): 一组节点的逻辑表示，其中一些节点对由关系连接。
schema (模式): 为节点和关系指定的属性存在性和数据类型。
schemas (模式): 为节点和关系指定的属性存在性和数据类型。
[[database schema]]database schema (数据库模式): 为节点和关系指定的属性存在性和数据类型。
indexes (索引): 提高数据库读取性能的数据结构。阅读有关支持的索引类别的更多信息。
indexed (已索引): 提高数据库读取性能的数据结构。阅读有关支持的索引类别的更多信息。
constraints (约束): 约束是一组数据建模规则，用于确保数据一致且可靠。查看 Cypher 中有哪些可用约束。
data model (数据模型): 数据模型定义了信息在数据库中如何组织。良好的数据模型将使查询和理解数据变得更容易。在 Neo4j 中，数据模型具有图结构。
data models (数据模型): 数据模型定义了信息在数据库中如何组织。良好的数据模型将使查询和理解数据变得更容易。在 Neo4j 中，数据模型具有图结构。