Neo4j入门（四）批量更新节点属性

  本文将用于介绍如何使用py2neo来实现Neo4j的批量更新节点属性。

单节点属性更新

  首先我们先来看单个节点如何实现节点的属性，比如现有Neo4j图数据库中存在节点，其label为Test，属性有name=上海，我们需要为该节点增加属性enname=shanghai。
  以下为Python示例代码：

# -*- coding: utf-8 -*-
from py2neo import Graph
from py2neo import NodeMatcher

# 连接Neo4j
url = "http://localhost:7474"
username = "neo4j"
password = "******"
graph = Graph(url, auth=(username, password))
print("neo4j info: {}".format(str(graph)))

# 查询节点
node_matcher = NodeMatcher(graph)
node = node_matcher.match('Test', name="上海").first()
# 新增enname属性
node["enname"] = "shanghai"
graph.push(node)

此时Neo4j图数据库中的该节点属性已经更新，见下图：

多节点单次更新

  我们先利用Python代码，在Neo4j图数据库中创建10000个节点，代码如下：

# -*- coding: utf-8 -*-
from py2neo import Graph, Node, Subgraph

# 连接Neo4j
url = "http://localhost:7474"
username = "neo4j"
password = "******"
graph = Graph(url, auth=(username, password))
print("neo4j info: {}".format(str(graph)))

# 创建10000个节点
node_list = [Node("Test", name=f"上海_{i}") for i in range(10000)]
graph.create(Subgraph(nodes=node_list))

如下图所示：

# -*- coding: utf-8 -*-
import time
from py2neo import Graph, NodeMatcher

# 连接Neo4j
url = "http://localhost:7474"
username = "neo4j"
password = "******"
graph = Graph(url, auth=(username, password))
print("neo4j info: {}".format(str(graph)))

# 查询节点
node_list = []
for i in range(10000):
    node_matcher = NodeMatcher(graph)
    node = node_matcher.match('Test', name=f"上海_{i}").first()
    node_list.append(node)
print("find nodes.")

# 一个个为节点新增no数据
s_time = time.time()
for i, node in enumerate(node_list):
    node["no"] = i * 2
    graph.push(node)
e_time = time.time()
print("cost time: {}".format(e_time - s_time))

运行结果如下：

cost time: 55.00530457496643

多节点批量更新

  接下来，我们将节点属性进行批量更新。

# -*- coding: utf-8 -*-
import time
from py2neo import Graph, NodeMatcher, Subgraph

# 连接Neo4j
url = "http://localhost:7474"
username = "neo4j"
password = "******"
graph = Graph(url, auth=(username, password))
print("neo4j info: {}".format(str(graph)))

# 查询节点
node_list = []
for i in range(10000):
    node_matcher = NodeMatcher(graph)
    node = node_matcher.match('Test', name=f"上海_{i}").first()
    node_list.append(node)
print("find nodes.")
print(len(node_list))


# 列表划分
def chunks(lst, n):
    for i in range(0, len(lst), n):
        yield lst[i:i + n]


# 批量更新
s_time = time.time()
for i, node in enumerate(node_list):
    node["no"] = i * 2
for _ in chunks(node_list, 1000):
    graph.push(Subgraph(nodes=_))
e_time = time.time()
print("cost time: {}".format(e_time - s_time))

运行结果是：

cost time: 15.243977546691895

  可以看到，批量更新节点属性效率会高很多！当然，如果需要更新的批数比较多，还可以借助多线程或多进程来进一步提升性能。