Cayley图数据库的简介及使用

图数据库  在如今数据库群雄逐鹿的时代中，非关系型数据库（NoSQL）已经占据了半壁江山，而图数据库（Graph Database）更是攻城略地，成为其中的佼佼者。  所谓图数据库，它应用图理论（Graph Theory）可以存储实体的相关属性以及它们之间的关系信息。最常见例子就是社会网络中人与人之间的关系。相比于关系型数据库（比如MySQL等），图数据库更能胜任这方面的任务。  图数据库现已涌现出许多出众的软件，比如笔者写过的文章Neo4j入门之中国电影票房排行浅析中的Neo4j，Twitter为进行关系数据分析而构建的FlockDB，高度可扩展的分布式图数据库JanusGraph以及Google的开源图数据库Cayley等。  本文将具体介绍Cayley图数据库。Cayley图数据库的简介  Cayley图数据库是 Google 的一个开源图(Graph)数据库，其灵感来自于 Freebase 和 Google 的知识图谱背后的图数据库。它采用Go语言编写而成，运行命令简单，一般只需要3到4个命令即可。同时，它拥有RESTful API，内建查询编辑器和可视化界面，支持多种查询语言，比如JavaScript，MQL等。另外，它还能支持多种后端数据库储存，比如MySQL，MongoDB, LevelDB等，性能良好，测试覆盖率也OK，功能十分丰富且强大。  当然，对于我们而言，最重要的特性应该是开源。Cayley图数据库的官方Github地址为：https://github.com/cayleygraph/cayley 。  下面将具体介绍如何安装及使用Cayley图数据库。安装及说明  关于Cayley图数据库的安装，不同的操作系统的安装方式不一样。下载的网址为：https://github.com/cayleygraph/cayley/releases， 截图如下：读者可依据自己的电脑系统下载相应的文件，笔者的电脑为Mac，因此选择cayley_0.7.5_darwin_amd64.tar.gz文件。同时你的电脑上需要安装一款Cayley用来储存后台数据的数据库，笔者选择了MongoDB数据库。  当然，Cayley还为你提供了完整的使用说明文档，可以参考网址：https://github.com/cayleygraph/cayley/blob/master/docs/Quickstart-As-Application.md， 它能帮你快速熟悉Cayley的操作，助你快快上手。笔者会用更简单的方式帮你熟悉该图数据库。  So, let’s begin!数据准备  为了能够更好地了解Cayley图数据库，我们应该从数据开始一步步地来构建图数据库，并实现查询功能。本文的数据来源于文章Neo4j入门之中国电影票房排行浅析， 其中爬取了中国电影票房信息，如下：以及每部电影中的主演信息，如下：得到了两个表格文件movies.csv和actor.csv，文件的内容如下：数据准备完毕。如读者需要下载该数据，可以参考网址：https://github.com/percent4/Neo4j_movie_demo 。三元组文件  Cayley数据库支持三元组文件导入，所谓三元组，指的是主语subject，谓语predicate 以及宾语object，每个三元组为一行。  Cayley数据库支持的三元组文件以nq为后缀，每个三元组为一行，主语、谓语、宾语中间用空格分开，同时还需要注意一下事项（笔者亲自踩坑的经历）：注意空格，空格是划分实体的标志;注意"，“是关键字，也不能在实体中出现;不能在实体中出现换行符（比如n）;不能出现重复的数据(实体重复、三元组重复都不行)。  接着我们利用Python程序将movies.csv和actors.csv文件处理成三元组。我们抽取的原则如下：电影名，演员名为实体；电影名与电影的关系为ISA，即电影名 ISA Movie;演员名与电影名的关系为ACT_IN，即演员名 ACT_IN 电影名；电影名的其余为属性对，即电影名 属性 属性名， 比如战狼2 rank 1.  实现的Python程序如下：# -- coding: utf-8 --import pandas as pd# 读取文件movies = pd.read_csv(‘movies.csv’)actors = pd.read_csv(‘actors.csv’)# print(movies.head())# 处理电影数据为三元组，抽取的三运组如下：# 电影名 ISA Movie# 电影名 属性 属性值with open(‘China_Movie.nq’, ‘w’) as f: name_df = movies[’name’] for i in range(name_df.shape[0]): f.write(’<%s> <ISA> <Movie> .\n’%name_df[i]) for col in movies.columns: if col != ’name’: f.write(’<%s> <%s> “%s” .\n’%(name_df[i], col, movies[col][i]))# 处理演员数据为三元组，抽取的三运组如下：# 演员名 ISA Actor# 演员名 ACT_IN 电影名with open(‘China_Movie.nq’, ‘a’) as f: for i in range(actors.shape[0]): for actor in actors[‘actors’][i].split(’，’): f.write(’<%s> <ACT_IN> <%s> .\n’ % (actor, actors[’name’][i]))在China_Movie.nq中，共有276个三元组，文件的前几行如下：<战狼2> <ISA> <Movie> .<战狼2> <rank> “1” .<战狼2> <src> “/item/%E6%88%98%E7%8B%BC2” .<战狼2> <box_office> “56.83亿” .<战狼2> <avg_price> “35” .<战狼2> <avg_people> “38” .<战狼2> <begin_date> “2017.07.27” .<流浪地球> <ISA> <Movie> .<流浪地球> <rank> “2” .<流浪地球> <src> “/item/%E6%B5%81%E6%B5%AA%E5%9C%B0%E7%90%83” .<流浪地球> <box_office> “40.83亿” .<流浪地球> <avg_price> “46” .<流浪地球> <avg_people> “50” .<流浪地球> <begin_date> “2019.02.05” .<红海行动> <ISA> <Movie> .导入数据  将China_Movie.nq文件移动至Cayley的data目录下，同时配置cayley_example.yml文件，内容如下：store: # backend to use backend: mongo # address or path for the database address: “localhost:27017” # open database in read-only mode read_only: false # backend-specific options options: nosync: falsequery: timeout: 30sload: ignore_duplicates: false ignore_missing: false batch: 10000在该配置文件中，声明了Cayley的后台数据库为MongoDB，同时制定了ip及端口。  接着运行命令：./cayley load -c cayley_example.yml -i data/China_Movie.nq等待数据导入，接着前往MongoDB中查看，如发现MongoDB中存在cayley数据库，则表明数据导入成功。使用查询语句  接着再输入命令：./cayley http -i ./data/China_Movie.nq -d memstore –host=:64210这样就支持在浏览器中进行查询了，只需要在浏览器中输入http://localhost:64210/ 即可，界面如下：  关于查询语句，它是图数据库的精华所在，而对于Cayley而言，它的查询语句相对来说就比较简单且好理解，具体的查询语句命令可以参考官网： https://github.com/cayleygraph/cayley/blob/master/docs/GizmoAPI.md，本文将通过几个简单的查询语句来说明怎样对Cayley图数据库进行查询。查询一共有多少条数据命令为：var n = g.V().Count();g.Emit(n);其中g代表图，V代表顶点，g.Emit()会将结果以JSON格式返回。输出的结果如下：{ “result”: [ 521 ]}查询全部电影命令为：var movies = g.V(’<Movie>’).In(’<ISA>’).ToArray();g.Emit(movies);返回的结果如下：{ “result”: [ [ “<战狼2>”, “<流浪地球>”, “<红海行动>”, “<唐人街探案2>”, “<美人鱼>”, “<我不是药神>”, “<速度与激情8>”, “<西虹市首富>”, “<捉妖记>”, “<速度与激情7>”, “<复仇者联盟3：无限战争>”, “<捉妖记2>”, “<羞羞的铁拳>”, “<海王>”, “<变形金刚4：绝迹重生>”, “<前任3：再见前任>”, “<疯狂的外星人>”, “<毒液：致命守护者>”, “<功夫瑜伽>”, “<侏罗纪世界2>” ] ]}查询电影《流浪地球》的所有属性值命令为：var movie = “<流浪地球>";var attrs = g.V(movie).OutPredicates().ToArray(); //类型为object，即字典values = new Array();for (i in attrs) { var value = g.V(movie).Out(attrs[i]).ToValue(); values[i] = value;}key_val_json = new Object();for (i in attrs) { key_val_json[attrs[i]]= values[i];}g.Emit(key_val_json)输出结果如下： { “result”: [ { “<ISA>”: “<Movie>”, “<avg_people>”: “50”, “<avg_price>”: “46”, “<begin_date>”: “2019.02.05”, “<box_office>”: “40.83亿”, “<rank>”: “2”, “<src>”: “/item/%E6%B5%81%E6%B5%AA%E5%9C%B0%E7%90%83” } ]}查询沈腾主演的电影命令为：var movies = g.V(’<沈腾>’).Out(’<ACT_IN>’).ToArray();g.Emit(movies);输出为：{ “result”: [ [ “<西虹市首富>”, “<羞羞的铁拳>”, “<疯狂的外星人>” ] ]}查询《捉妖记》与《捉妖记2》的共同演员命令为:var actors1 = g.V(’<捉妖记>’).In(’<ACT_IN>’);var actors2 = g.V(’<捉妖记2>’).In(’<ACT_IN>’);var common_actor = actors2.Intersect(actors1).ToArray();//集合交集g.Emit(common_actor);输出为：{ “result”: [ [ “<白百何>”, “<井柏然>”, “<曾志伟>”, “<吴君如>” ] ]}总结  在本文中，笔者介绍了一种新的图数据库Cayley，并介绍了它的安装方式，以及如何导入三元组数据，进行查询。希望能够给读者一些参考~  虽然是Google开源的图数据库，但在网上关于Cayley图数据库的介绍并不多，而且都未能深入地讲解，大多是照搬官方文档的讲解，希望笔者的讲解能够带来一些进步，这也是笔者写此文的目的。希望此文能多少帮到读者注意：不妨了解下笔者的微信公众号： Python爬虫与算法（微信号为：easy_web_scrape）， 欢迎大家关注