Neo4j
把关系直接存成边，多跳查询不用 JOIN
Neo4j 用属性图模型：数据是节点（Node）和边（Relationship），边上也能带属性。查“朋友的朋友的朋友”时，关系库要 JOIN 三次、数据量一大就爆炸，而图库是顺着指针一跳一跳走，耗时只和走过的路径长度有关。
它解决什么问题
社交推荐要查“你可能认识的人”，在 MySQL 里是三层 JOIN，百万用户时一条 SQL 跑几十秒，还写不出来。
真实场景：典型场景：反欺诈里查“同一个手机号 → 关联了 3 个身份证 → 其中一个有黑名单记录”，图库两跳就能命中。
核心概念
每个概念一句话 + 一个类比。点击卡片看更详细的解释。
数据流转动画
跟着步骤看一条数据从进入系统到被处理完的完整路径，可以暂停、重播和调速。
从起点出发的两跳关系遍历
← 左右滑动查看完整流程图 →
MATCH (u:User {id:1001})-[:KNOWS*1..2]->(f) RETURN f 发给数据库。
提示：关键差异：关系库靠 JOIN 重建关系，图库的关系是“存好的指针”，一跳就是一次内存/磁盘寻址。 悬停图中的节点可以看概念解释。
优劣势
短句说清适合什么、不适合什么，选型时先看这一栏。
- 多跳关系查询快，代价只和路径长度相关
- 图模型直观，业务人员也能看懂
- Cypher 表达力强，路径查询一句话搞定
- 适合做实时推荐、反欺诈、知识图谱
- 全量统计（count/group by）比关系库慢
- 写入吞吐不高，不适合高频流水数据
- 数据量大时内存要求高，分片能力弱于其他分布式库
- 生态和人才比 MySQL 少很多
常见使用场景
每个场景都配一句「为什么用它」。
社交推荐
好友的好友、共同兴趣、二度人脉推荐。
为什么用它：多跳遍历是图库的主场，关系库 JOIN 会指数级变慢。
反欺诈与风控
设备、手机号、身份证、银行卡之间的关联网络。
为什么用它：团伙欺诈的本质是“关系密集”，图上一眼就能看出来。
知识图谱
企业、人物、产品之间的实体关系检索。
为什么用它：节点和边天然表达实体与关系，便于推理和问答。
常见问题
上手第一个月最容易卡住的地方。
Q1什么时候该用图数据库？
当你的核心查询是“沿着关系走 N 跳”，并且关系深度不固定时。如果只是简单的关联查询、统计报表，关系库更合适。
Q2和 MySQL 的 JOIN 有什么本质区别？
JOIN 是查询时用索引临时拼关系，深度越深代价越大；图库在写入时就把关系存成了双向指针，查询时顺着走，一跳一次寻址。
Q3Cypher 难学吗？
比 SQL 直观。模式就是画图：(a:Person)-[:KNOWS]->(b:Person)，括号是节点、方括号是关系、箭头是方向。