【发布时间】：2013-11-19 07:21:40
【问题描述】：
我需要通过 REST API 的 Batch 端点将大量具有它们之间关系的节点插入到 Neo4j 中，大约 5k 记录/秒（仍在增加）。
这将是 24x7 连续插入。每条记录可能只需要创建一个节点，但其他记录可能需要创建两个节点和一个关系。
我可以通过更改程序或修改 Neo4j 的设置来提高插入的性能吗？
我目前的进展：
1.我已经用 Neo4j 测试了一段时间，但我无法获得我需要的性能
测试服务器盒：24 核 + 32GB RAM
Neo4j 2.0.0-M06 作为独立服务安装。
在同一台服务器上运行我的Java应用程序。（Neo4j和Java应用程序将来需要在自己的服务器上运行，因此不能使用嵌入式模式）
REST API 端点：/db/data/batch（目标：/cypher）
使用架构索引、约束、MERGE、CREATE UNIQUE。
2。我的架构：
neo4j-sh (0)$ schema
==> Indexes
==> ON :REPLY(created_at) ONLINE
==> ON :REPLY(ids) ONLINE (for uniqueness constraint)
==> ON :REPOST(created_at) ONLINE
==> ON :REPOST(ids) ONLINE (for uniqueness constraint)
==> ON :Post(userId) ONLINE
==> ON :Post(postId) ONLINE (for uniqueness constraint)
==>
==> Constraints
==> ON (post:Post) ASSERT post.postId IS UNIQUE
==> ON (repost:REPOST) ASSERT repost.ids IS UNIQUE
==> ON (reply:REPLY) ASSERT reply.ids IS UNIQUE
3.我的密码查询和 JSON 请求
3.1.当一条记录需要创建单个节点时，作业描述如下所示
{"method" : "POST","to" : "/cypher","body" : {"query" : "MERGE (child:Post {postId:1001, userId:901})"}}
3.2.当一条记录需要创建两个具有一种关系的节点时，职位描述如下所示
{"method" : "POST","to" : "/cypher","body" : {"query" : "MERGE (parent:Post {postId:1002, userId:902}) MERGE (child:Post {postId:1003, userId:903}) CREATE UNIQUE parent-[relationship:REPOST {ids:'1002_1003', created_at:'Wed Nov 06 14:06:56 AST 2013' }]->child"}}
3.3.我通常每批发送 100 个职位描述（混合 3.1 和 3.2），大约需要 150~250 毫秒才能完成。
4.性能问题
4.1.并发：
/db/data/batch（目标：/cypher）似乎不是线程安全的，使用两个或多个并发线程进行测试，在几秒~几分钟内导致 Neo4j 服务器停机。
4.2. 带有约束的 MERGE 并不总是有效。
当使用单个查询创建两个节点和一个关系时（上面 3.2. 中提到过），它有时就像一个魅力；但它有时会因 CypherExecutionException 而失败，并说其中一个节点 xxxx 已经存在，带有标签 aaaa 和属性“bbbbb”=[ccccc];据我了解，MERGE 不是假设返回任何异常，而是返回节点（如果它已经存在）。
由于异常，整个批次会失败并回滚，这会影响我的插入率。
我已经在 GitHub 中针对这个问题打开了一个问题，https://github.com/neo4j/neo4j/issues/1428
4.3. 带有约束的 CREATE UNIQUE 并不总是适用于关系创建。
在同一个 github 问题中也提到了这一点。
4.4. 性能：
实际上，在我使用 cypher 批处理之前，我已经尝试使用 get_or_create (/db/data/index/node/Post?uniqueness=get_or_create & /db/data/index/relationship/XXXXX?uniqueness=get_or_create )
由于那些遗留索引端点的性质（它们返回索引中数据的位置，而不是实际数据存储中数据的位置），所以我不能在批处理中使用它们（需要在前面创建的引用节点的功能同一批）
我知道我可以启用 auto_indexing，并直接处理数据存储而不是旧索引，但他们从 2.0.0 开始提到，建议使用模式索引而不是旧索引，所以我决定切换到批处理 + 密码 + 模式索引接近。
但是，使用批处理 + 密码，我每秒只能获得大约 200 个工作描述的插入率，如果带有约束的 MERGE 始终有效，那么它会高得多，比如说大约 600~800/s，但仍然很多低于 5k/s。 我还尝试了没有任何约束的模式索引，它最终在插入率方面的性能更低。
【问题讨论】：
-
你一直在使用 Streaming JSON 吗？ docs.neo4j.org/chunked/2.0.0-M06/rest-api-streaming.html。下一件事是关于使用旧索引端点。您仍然可以在另一个批处理操作中参考创建。例子。使用 uniquness get/create 创建一个节点。然后批处理中的下一个项目是使用
START n=node:IndexName(Key={value}) ....的密码。所以你不能通过 batchid 引用它，但你仍然可以利用 get/create 部分。 -
谢谢 LameCoder！是的，我查看了流式传输，并认为这更多的是从服务器检索，而不是发送到服务器，所以我没有尝试，但我现在会尝试。另外，感谢遗留索引的提示。 :)
-
感谢 @plasmid87 纠正我的拼写、语法和格式。
-
@GoSkyLine 不客气，希望你能得到有用的答案！
-
@LameCoder 启用流式传输和批量大小：1000，我能够以 2000+/s 的速度获得插入速率，哇！这绝对是一个进步！！但是，我也看到了一些行为变化，1. 我不再收到那个异常（他们都成功了还是不再返回异常？）； 2. 我没有看到数据库中的所有数据。因为我的测试有大约 230 万条记录，但只创建了 101,318 个节点。 3. 我在计算应用程序运行时数据库中的节点总数，但数量并不总是增加，8->...->63082->62873->62503->62669->62516->62462- >...->101318 任何想法
标签： java rest neo4j cypher batch-insert