- Java 双重比较
- java - 比较器与 Apache BeanComparator
- Objective-C 完成 block 导致额外的方法调用?
- database - RESTful URI 是否应该公开数据库主键?
我需要通过 REST API 的批处理端点将大量节点以及它们之间的关系插入到 Neo4j 中,大约 5k 记录/秒(仍在增加)。
这将是 24x7 连续插入。每条记录可能只需要创建一个节点,但其他记录可能需要创建两个节点和一个关系。
我可以通过更改程序或修改 Neo4j 的设置来提高插入的性能吗?
到目前为止我的进步:
<强>1。我已经用 Neo4j 测试了一段时间,但我无法获得所需的性能
测试服务器盒:24核+32GB RAM
Neo4j 2.0.0-M06 作为独立服务安装。
在同一台服务器上运行我的 Java 应用程序。(Neo4j 和 Java 应用程序以后需要在各自的服务器上运行,因此不能使用嵌入式模式)
REST API 端点:/db/data/batch(目标:/cypher)
使用模式索引、约束、MERGE、CREATE UNIQUE。
<强>2。我的架构:
neo4j-sh (0)$ schema
==> Indexes
==> ON :REPLY(created_at) ONLINE
==> ON :REPLY(ids) ONLINE (for uniqueness constraint)
==> ON :REPOST(created_at) ONLINE
==> ON :REPOST(ids) ONLINE (for uniqueness constraint)
==> ON :Post(userId) ONLINE
==> ON :Post(postId) ONLINE (for uniqueness constraint)
==>
==> Constraints
==> ON (post:Post) ASSERT post.postId IS UNIQUE
==> ON (repost:REPOST) ASSERT repost.ids IS UNIQUE
==> ON (reply:REPLY) ASSERT reply.ids IS UNIQUE
<强>3。我的密码查询和 JSON 请求
3.1.当一条记录需要单节点创建时,job description如下所示
{"method" : "POST","to" : "/cypher","body" : {"query" : "MERGE (child:Post {postId:1001, userId:901})"}}
3.2.当一条记录需要创建一个关系的两个节点时,职位描述如下所示
{"method" : "POST","to" : "/cypher","body" : {"query" : "MERGE (parent:Post {postId:1002, userId:902}) MERGE (child:Post {postId:1003, userId:903}) CREATE UNIQUE parent-[relationship:REPOST {ids:'1002_1003', created_at:'Wed Nov 06 14:06:56 AST 2013' }]->child"}}
3.3. 我通常每批发送 100 份职位描述(混合 3.1 和 3.2),大约需要 150~250 毫秒才能完成。
<强>4。性能问题
4.1.并发性:
4.2. 带有约束的 MERGE 并不总是有效。
当使用单个查询创建两个节点和一个关系时(在上面 3.2. 中提到),它有时会像一个魅力一样工作;但它有时会因 CypherExecutionException 而失败,并说其中一个节点 xxxx 已经存在,标签为 aaaa 且属性为“bbbbb”=[ccccc];根据我的理解,MERGE 不会返回任何异常,但如果它已经存在则返回节点。
异常导致整批失败回滚,影响我的插入率。
我已经在 GitHub 上针对这个问题开了一个问题,https://github.com/neo4j/neo4j/issues/1428
4.3. CREATE UNIQUE with constraints 并不总是适用于关系创建。
这也在同一个 github 问题中提到。
4.4.性能:
实际上,在我使用 cypher 批处理之前,我已经尝试过使用 get_or_create (/db/data/index/node/Post?uniqueness=get_or_create &/db/data/index/relationship/XXXXX?uniqueness=get_or_create )
由于那些遗留索引端点的性质(它们返回索引中的数据位置而不是实际数据存储中的数据位置),所以我无法在批处理中使用它们(需要在之前创建的引用节点的功能)同一批)
我知道我可以启用 auto_indexing,并直接处理数据存储而不是遗留索引,但是他们提到从 2.0.0 开始,建议使用模式索引而不是遗留索引,所以我决定切换到批处理 + 密码 + 模式索引方法。
但是,使用 batch + cypher,我每秒只能获得大约 200 个职位描述的插入率,如果带有约束的 MERGE 始终有效,它会高得多,假设大约 600~800/s,但它仍然很多低于 5k/s。我还尝试了没有任何约束的模式索引,它最终在插入率方面的性能甚至更低。
最佳答案
在 2.0 中,我会使用事务端点来批量创建您的语句,例如每个 http 请求 100 或 1000 个,每个事务大约 30k-50k(直到您提交)。
有关新的流式处理端点的格式,请参阅此内容:
http://docs.neo4j.org/chunked/milestone/rest-api-transactional.html
此外,对于如此高性能的连续插入端点,我衷心建议编写一个服务器扩展,它可以针对嵌入式 API 运行,并且可以轻松地每秒插入 10k 或更多节点和关系,请参阅此处的文档:
http://docs.neo4j.org/chunked/milestone/server-unmanaged-extensions.html
对于纯插入,您不需要 Cypher。对于并发,只需锁定一个众所周知的(每个您插入的子图)节点,这样并发插入就没有问题,您可以使用 tx.acquireWriteLock()
或删除一个节点中不存在的属性(REMOVE n.__lock__
)。
有关编写非托管扩展(但使用 cypher 的扩展)的另一个示例,请查看此项目。它甚至有一种模式可以帮助您(将 CSV 文件发布到服务器端点,每行使用一个密码语句执行)。
关于java - 使用 REST 优化 Neo4j 中的大量批量插入,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/19839469/
我对编程真的很陌生,并且在理解 RESTful API 的概念时遇到了一些麻烦。我读过 REST 和 RESTful API。我已经查看了 SO 中已经提出的问题,但似乎无法更好地理解该主题。 在我的
我以为我知道REST /“RESTFul”,restfulservices,webservices,SOA和微服务是什么,但是我遇到了许多不同的定义,我得出的结论是这些术语被过度使用,滥用或完全错误定
我有一个列表,其中有一个“人员和组”列。当我使用 REST 查询行时,我会在此列中列出用户 ID。 我发现这篇文章将帮助我将每个 id 转换为标题 http://www.codeproject.com
我想问一些关于 REST 调用的问题。我是 REST 调用的绿色,我想了解什么是 REST 调用以及如何使用 URL 向服务器发送 REST 调用。谁能给我一些基本的教程或链接供我引用? 另外,如果我
很难说出这里问的是什么。这个问题模棱两可、含糊不清、不完整、过于宽泛或言辞激烈,无法以目前的形式合理回答。如需帮助澄清此问题以便可以重新打开,visit the help center . 8年前关闭
如果有一个 REST 资源我想监视来自其他客户端的更改或修改,那么最好(也是最 RESTful)的方法是什么? 我这样做的一个想法是通过提供特定资源来保持连接打开,而不是在资源不(尚)存在时立即返回。
我有一个可以返回大量项目的 RESTful API,我希望能够使用分页样式技术来限制项目数量,这是 RESTful API 中的一个好主意吗? 如果有可能最好通过链接(在这种情况下为 url)或请求正
我仍然处于适应以 REST 方式做事的过程中。 在我的情况下,客户端软件将与 RESTful 服务交互。很少,客户端会上传其整个实体数据库(每个实体序列化为大约 5kb 的 xml 块)。 也许我错了
设计一个路径解析可能有歧义的 REST API 是否被认为是不好的做法?例如: GET /animals/{id} // Returns the animal with the given ID
我知道 REST 并且知道在不使用 session 的情况下创建 RESTful Web 服务,我更了解它,但我不太了解无状态的概念以及使用 REST 如何使您的应用程序可扩展 有人可以解释 REST
我正在尝试找到解决以下问题的最佳方法:我们的应用程序是SaaS,它支持Web登录的SAML。该应用程序还公开了应该在自动化和无人值守的流程中使用的REST API,这意味着没有交互式用户可以键入凭据。
由于 REST 是无状态的,因此传入的每个请求都不知道传入的前一个请求。在这种情况下是否可以使用连接池? 如果要实现连接池,它将像标准数据库连接一样在每个请求时打开连接池并关闭它。 如何实现 REST
得墨忒耳定律(真的应该是得墨忒耳的建议)说你不应该“穿过”一个物体去接触它们的子物体。如果您作为客户需要执行一些重要的操作,大多数情况下您使用的域模型应该支持该操作。 REST 原则上是一个愚蠢的对象
我唯一真正接触到 REST 的想法已经通过 Ruby on Rails 的 RESTful routing .这非常适合我使用 Rails 构建的基于 CRUD 的应用程序,但因此我对 RESTful
有什么好处 http://www.example.com/app/servlet/cat1/cat2/item 网址 超过 http://www.example.com/app/servlet?c
我知道以前有人问过这类问题。我有我的问题的解决方案,我想知道我是否在任何地方破坏了 REST 或 HTTP 主体。 在我的系统中,我有一个名为 member 的资源。支持通常的GET/POST/PUT
我有一个API,可以执行一些批量处理任务。假设它确实为某些资源命名。 我批量传递了7个请求,其中5个更新成功,2个失败。 我的问题是如何应对。使用HTTP时,我无法同时返回成功和错误。 有一个部分成功
我来自 RPC 世界,但目前正在调查使用 REST 是否适合我的项目。至于据我了解 Wikipedia RESTful 服务的基本思想是提供对集合及其各个元素的访问。 在我的情况下,服务器将是一个测量
我想将REST添加到我的挂毯项目中,因此需要知道如何实现它。 有什么更好的方法? 谢谢。 [编辑,从答案中复制:]我必须将GET,PUT,POST和DELETE服务添加到我的挂毯应用程序中。我看到Ta
让 /users/{id}成为 RESTful 服务中的资源 url。 启用基本身份验证,只有经过身份验证的用户才能访问该 url。 示例场景: User_1 & User_2是经过身份验证的用户,用
我是一名优秀的程序员,十分优秀!