代做COMP 315: Cloud Computing for E-Commerce Lab 3: Neo4j and the Cypher Query Language 2024代写Java程序

Lab 3: Neo4j and the Cypher Query Language

COMP 315: Cloud Computing for E-Commerce

March 4, 2024

Introduction

Note: Do not attempt to use sudo on the university servers.

This lab is focused onthe Neo4j graph database and the Cypher query language.  You’ll learn how to set up Neo4j, create a database, and perform basic operations using Cypher.  The lab is best done on your own computer rather than the university servers. There are 3 ways to access Neo4j:

● Using the Neo4j Desktop application

● Using the Neo4j Docker container

● Using the free tier of the Neo4j Aura cloud service..

This tutorial will be following the introductory example ”Try Neo4j with live data” which is provided in the the desktop and Docker container:

1    Movie Graph Guide

The Movie Graph is a mini graph application, containing actors and directors that are related through the movies they have collaborated on.

In this tutorial, you’ll learn how to:

● Load: Insert movie data into the graph.

● Constrain: Create unique node property constraints.

● Index: Index nodes based on their labels.

● Find: Retrieve individual movies and actors.

● Query: Discover related actors and directors.

● Solve: The Bacon Path.

2    Create the Movie Graph

NOTE: This guide assumes that you use an empty graph.  If it contains data, see page 9 on how to clean it up.

1.  Copy the cypher from lab 3 cypher .txt into the input area of the Neo4j Browser.

2.  Run the Cypher code by clicking the Run button.

3. Wait for the operation to finish.

4.  Take a look at lab 3 cypher .txt and familiarise yourself with the Cypher code in it.

3    Create Unique Node Property Constraints

Create unique node property constraints to ensure that property values are unique for all nodes with a specific label. Adding the unique constraint, implicitly adds an index on that property.

CREATE  CONSTRAINT  FOR   (n:Movie)  REQUIRE   (n.title)  IS UNIQUE

CREATE  CONSTRAINT  FOR   (n:Person)  REQUIRE   (n.name)  IS  UNIQUE You can get help as follows:

●  :help  help

●  :help  cypher

●  :help  create-constraint

4 Index Nodes

Create indexes on one or more properties for all nodes that have a given label.  Indexes  are used to increase search performance.

CREATE  INDEX  FOR   (m:Movie)  ON   (m.released)

5    Find Individual Nodes

Run the following query examples. Notice the syntax pattern. Try looking for other movies or actors.

● Find the actor named ”Tom Hanks”:

MATCH  (tom:Person  {name:  "Tom  Hanks"})  RETURN  tom

● Find the movie with title ”Cloud Atlas”:

MATCH  (cloudAtlas:Movie  {title:  "Cloud  Atlas"})  RETURN  cloudAtlas

● Find 10 people and return their names:

MATCH  (people:Person)  RETURN  people .name  LIMIT  10

● Find movies released in the 1990s and return their titles:

MATCH  (nineties:Movie)

WHERE  nineties .released  >=  1990  AND  nineties .released  < 2000

RETURN  nineties .title

6 Query Patterns

Use the type of the relationship to find patterns within the graph, for example, ACTED IN or DIRECTED. What other relationships exist?

● What movies did Tom Hanks act in?

MATCH  (tom:Person  {name:  "Tom  Hanks"})-[:ACTED_IN]->(tomHanksMovies)

RETURN  tom,tomHanksMovies

● Who directed ”Cloud Atlas”?

MATCH  (cloudAtlas:Movie  {title:  "Cloud  Atlas"})<-[:DIRECTED]-(directors)

RETURN  directors .name

● Who were Tom Hanks’ co-actors?

MATCH  (tom:Person  {name:"Tom  Hanks"})-[:ACTED_IN]->(m)<-[:ACTED_IN]-(coActors)

RETURN  DISTINCT  coActors .name

● How people are related to ”Cloud Atlas”?

MATCH  (people:Person)-[relatedTo]-(:Movie  {title:  "Cloud  Atlas"})

RETURN  people .name,  Type(relatedTo),  relatedTo .roles

7 Solve: Six Degrees of Kevin Bacon

You might have heard of the classic ”Six Degrees of Kevin Bacon” .  That is simply the shortest path between two nodes, called the ”Bacon Path” .

● Use variable length patterns to find movies and actors up to 4 “hops” away from Kevin Bacon:

MATCH  (bacon:Person  {name:"Kevin  Bacon"})-[*1 . .4]-(hollywood)

RETURN  DISTINCT  hollywood

● Use the built-in shortestPath() algorithm to find the “Bacon Path” to Meg Ryan:

MATCH  p=shortestPath(

(bacon:Person  {name:"Kevin  Bacon"})-[*]-(meg:Person  {name:"Meg  Ryan"})

)

RETURN  p

8 Recommend: New Co-actors for Tom Hanks

Let’s recommend new co-actors for Tom Hanks. A basic recommendation approach is to find connections past an immediate neighborhood that are themselves well connected.

● Extend Tom Hanks co-actors to find co-co-actors who have not worked with Tom Hanks:

MATCH  (tom:Person  {name:"Tom  Hanks"})-[:ACTED_IN]->(m)<-[:ACTED_IN]-(coActors), (coActors)-[:ACTED_IN]->(m2)<-[:ACTED_IN]-(cocoActors)

WHERE  NOT  (tom)-[:ACTED_IN]->()<-[:ACTED_IN]-(cocoActors) AND tom <>  cocoActors

RETURN  cocoActors .name  AS  Recommended,  count(*)  AS  Strength  ORDER  BY  Strength  DESC

● Find someone who can introduce Tom Hanks to his potential co-actor, in this case Tom Cruise:

MATCH  (tom:Person  {name:"Tom  Hanks"})-[:ACTED_IN]->(m)<-[:ACTED_IN]-(coActors),

(coActors)-[:ACTED_IN]->(m2)<-[:ACTED_IN]-(cruise:Person {name:"Tom Cruise"})

RETURN  tom, m,  coActors,  m2,  cruise

9    Clean Up:  Remove the Movie Data Set

When you are done experimenting, you can clean up your graph.

NOTE: Nodes cannot be deleted if they have relationships, so you need to detach the nodes to delete them.

● Delete all Movie and Person nodes, and their relationships:

MATCH   (n)  DETACH  DELETE  n

● Verify that the Movie Graph has been removed:

MATCH   (n)  RETURN  n