作品简介

图数据库是NoSQL类数据库的又一大典型代表,在国内图数据库属于新兴事物,其优异的复杂关系解决方案引起了国内众多大型互联网公司及IT开发者的关注,而Neo4j是目前图形化数据库中最为出色、最为成熟的产品。本书的第一版书名是《Neo4j权威指南》,发行量超过13000册,本书在第一版的基础上补充完善了Neo4j的新特性、新功能。

本书基于Neo4j4.4版本编写,共分10章,涵盖基本概念、基础入门、查询语言、程序开发技术、管理运维、集群技术、应用案例、高级应用、配置设置、内建过程、GDS、Fabric等内容。

本书内容涉及Neo4j的大部分知识,既可以作为Neo4j初学者的入门教材,也可以作为相关行业Neo4j技术专家的参考手册。

张帜(张老师),图数据库技术丛书主编。中国IT界元老、中国图数据库先导者、Neo4j简体中文版总设计师、大数据领域资深专家、WPS曲线汉字技术发明人,微云数聚创始人。

庞国明(小明),负责全书知识内容编排、技术审校、写作团队统筹管理。Neo4j中文社区创始人,《Neo4j权威指南》副主编,《Neo4j3.x入门经典》翻译,腾讯课堂《Neo4j图数据库视频教程》主讲老师,高级信息系统项目管理师,系统架构师。

叶伟民(Billy),十八年的IT工作经验。美国海归,曾被美国移民局认可为在美国本土难以觅得的技术人才而得以在旧金山湾区工作过。《图数据库实战》《金融中的人工智能》《.NET内存管理宝典》等五本书的译者。目前正在研究金融科技,包括人工智能、Web3.0方面的应用。

宋建栋,毕业于上海交通大学,长期在金融机构从事IT相关工作。在IT运维、信息安全、IT审计等领域有丰富的图技术应用经验。致力于在风险图谱、网络合规、态势感知等多种金融科技场景中运用图数据库产品和图算法解决实际问题。

马延超(马超),毕业于北京信息科技大学CS专业,Neo4j认证技术专家,长期程序员,开源社区爱好者与贡献者。目前致力于将图数据技术应用到资管行业。曾将图数据技术应用在全媒体、事件舆情、社交网络等场景。

杨志,毕业于北京理工大学,具有多年的Neo4j使用与调优经验。目前在某银行总部担任高级算法工程师,主要从事搜索推荐、NLP、知识图谱等相关技术研发与应用。

作品目录

  • 内容简介
  • 写作团队
  • 前期参与人员
  • 图数据库技术丛书
  • 前言
  • 图数据库定义、优势与应用领域
  • 本书背景
  • 本书内容
  • 本书源码下载与技术支持
  • 创作团队与致谢
  • 第1章 Neo4j图数据库基础
  • 1.1 图数据库背景知识
  • 1.2 图数据库基础概念
  • 1.3 图数据库与关系数据库的对比
  • 1.4 图数据库与其他NoSQL数据库的对比
  • 1.5 Neo4j概述
  • 1.6 Neo4j版本升级与变化
  • 1.7 Neo4j的体系结构
  • 1.8 Neo4j版本全貌
  • 第2章 Neo4j基础入门
  • 2.1 Neo4j的安装部署
  • 2.2 Neo4j管理平台的使用
  • 2.3 Neo4j图数据中基本元素与概念
  • 2.4 官方入门实例介绍
  • 2.5 批量导入工具的使用
  • 第3章 Neo4j之Cypher
  • 3.1 Cypher概述
  • 3.2 基本语法
  • 3.3 语句
  • 3.4 函数
  • 3.5 索引
  • 3.6 全文索引
  • 3.7 约束
  • 3.8 数据库管理
  • 3.9 查询调优
  • 3.10 执行计划
  • 第4章 Neo4j程序开发
  • 4.1 Neo4j开发入门
  • 4.2 Java API嵌入式开发模式
  • 4.3 各语言驱动包开发模式
  • 4.4 Neo4j HTTP API
  • 4.5 其他开发技术介绍
  • 第5章 Neo4j数据库管理
  • 5.1 部署与配置
  • 5.2 备份与恢复
  • 5.3 认证和授权
  • 5.4 安全管理
  • 5.5 监控管理
  • 5.6 性能管理
  • 5.7 数据库管理相关工具
  • 第6章 存储过程库APOC
  • 6.1 安装
  • 6.2 用法
  • 6.3 过程和函数
  • 第7章 图数据科学库GDS
  • 7.1 简介
  • 7.2 安装
  • 7.3 常见用法
  • 7.4 图管理
  • 7.5 主要算法
  • 7.6 机器学习
  • 7.7 Python客户端
  • 第8章 集群技术与Fabric
  • 8.1 因果集群
  • 8.2 因果集群部署
  • 8.3 因果集群迁入初始化数据
  • 8.4 因果集群内部成员发现
  • 8.5 因果集群内部加密
  • 8.6 因果集群内部结构
  • 8.7 Fabric
  • 8.8 Fabric配置
  • 8.9 Fabric查询
  • 8.10 使用复制命令分片数据
  • 第9章 Neo4j应用案例
  • 9.1 应用案例概述
  • 9.2 欺诈检测
  • 9.3 科研导图
  • 9.4 电子邮件监测
  • 9.5 工商企业图谱
  • 9.6 社交网络
  • 9.7 Neo4j在汽车生产和零件制造业中的作用
  • 第10章 Neo4j高级应用
  • 10.1 Bloom可视化工具
  • 10.2 ETL工具
  • 10.3 高级索引
  • 10.4 在Docker环境下部署Neo4j
  • 10.5 在Kuberenetes环境下部署Neo4j
  • 10.6 Neo4j与图计算
  • 10.7 Neo4j与自然语言处理
  • 10.8 Neo4j中运行本体推理
  • 10.9 Neo4j与区块链
  • 10.10 Kafka与Neo4j数据同步
展开全部