图数据库

队名：观光队 组长博客 作业博客 组员实践情况 王耀鑫 过去两天完成了哪些任务 文字/口头描述 完成服务器连接数据库部分代码 展示GitHub当日代码/文档签入记录 接下来的计划 服务器网络请求。 还剩下哪些任务 服务器网络请求。 燃尽图 遇到了哪些困难 1、py连接到数据库。 2、通过服务器对数据库进行增删改查。 3、服务器网络请求。 有哪些收获和疑问 1、收获：学会服务器和数据库之间的交互。 2、疑问：服务器网络请求。 陈超颖 过去两天完成了哪些任务 文字/口头描述 完善短租车后端接口部分代码、博客撰写 展示GitHub当日代码/文档签入记录 接下来的计划 与前端、数据库连接，完善接口 还剩下哪些任务 与前端、数据库连接，完善接口 燃尽图 遇到了哪些困难 怎么在完成的接口框架加入数据 有哪些收获和疑问 1、收获：emmm...硬要说的话就是通过看团队数据库的代码，对数据库有更深的了解吧。 2、疑问：怎么在完成的接口框架加入数据 许培荣 过去两天完成了哪些任务 文字/口头描述 复习图形学，还略微看了一下uni怎么搞 展示GitHub当日代码/文档签入记录 接下来的计划 把项目重构成uni框架，完成前端核心代码 还剩下哪些任务 前端功能完善 燃尽图 遇到了哪些困难 感觉uni查到的文档不多，大部分人采用vue.cli框架，用hbuilderx做得有点问题 有哪些收获和疑问 收获：

For more details and a complete list of settings , please see https : //neo4j.com/docs/operations-manual/current/reference/configuration-settings/ # 如果想自定义neo4j数据库数据的存储路径，要同时修改dbms.active_database 和 dbms.directories.data 两项配置， # 修改配置后，数据会存放在${dbms.directories.data}/databases/${dbms.active_database} 目录下 # 安装的数据库的名称，默认使用${NEO4J_HOME}/data/databases/graph.db目录 # The name of the database to mount #dbms.active_database=graph.db #安装Neo4j数据库的各个配置路径，默认使用$NEO4J_HOME下的路径 #Paths of directories in the installation. # 数据路径 #dbms.directories.data=data # 插件路径 #dbms.directories.plugins=plugins #dbms

队名：观光队 组长博客 作业博客 组员实践情况 王耀鑫 过去两天完成了哪些任务 文字/口头描述 完成服务器连接数据库部分代码 展示GitHub当日代码/文档签入记录 接下来的计划 与服务器连接，配合前端工作 还剩下哪些任务 与服务器连接，配合前端工作 燃尽图 遇到了哪些困难 1、py连接到数据库。 2、通过服务器对数据库进行增删改查。 有哪些收获和疑问 1、收获：学会服务器和数据库之间的交互。 2、疑问：flask还是不会 陈超颖 过去两天完成了哪些任务 文字/口头描述 完成短租车后端接口部分代码 展示GitHub当日代码/文档签入记录 接下来的计划 与前端、数据库连接，完善接口 还剩下哪些任务 与前端、数据库连接，完善接口 燃尽图 遇到了哪些困难 1、最初前面看flask的教程，基本都要使用虚拟环境开发，安装也很是头痛。后来发现可以直接在win10上开发。我#@^~.... 2、最大困难应该就是初次接触后端，感觉很难，不熟悉（结对主要负责前端部分）。看完flask框架以及大佬培荣的热心教学，觉得自己还可以接受。 有哪些收获和疑问 1、收获：对后端没有那么恐惧，初步了解了python库里面的flask框架，并实现简单应用。flask框架是一个轻量级的web框架，个人觉得挺好用的。 2、疑问：我始终没有搞懂为什么flask的教程都说要在虚拟环境里面操作。我在win10操作得好好的啊.

队名：观光队 组长博客 作业博客 组员实践情况 王耀鑫 过去两天完成了哪些任务 文字/口头描述 完成服务器连接数据库部分代码 展示GitHub当日代码/文档签入记录 接下来的计划 与服务器连接，配合前端工作 还剩下哪些任务 与服务器连接，配合前端工作 燃尽图 遇到了哪些困难 1、py连接到数据库。 2、通过服务器对数据库进行增删改查。 有哪些收获和疑问 1、收获：学会服务器和数据库之间的交互。 2、疑问：flask还是不会 陈超颖 过去两天完成了哪些任务 文字/口头描述 完成短租车后端接口部分代码 展示GitHub当日代码/文档签入记录 接下来的计划 与前端、数据库连接，完善接口 还剩下哪些任务 与前端、数据库连接，完善接口 燃尽图 遇到了哪些困难 1、最初前面看flask的教程，基本都要使用虚拟环境开发，安装也很是头痛。后来发现可以直接在win10上开发。我#@^~.... 2、最大困难应该就是初次接触后端，感觉很难，不熟悉（结对主要负责前端部分）。看完flask框架以及大佬培荣的热心教学，觉得自己还可以接受。 有哪些收获和疑问 1、收获：对后端没有那么恐惧，初步了解了python库里面的flask框架，并实现简单应用。flask框架是一个轻量级的web框架，个人觉得挺好用的。 2、疑问：我始终没有搞懂为什么flask的教程都说要在虚拟环境里面操作。我在win10操作得好好的啊.

(1)数据库设计的优劣： 糟糕的数据库设计: ①数据冗余冗余、存储空间浪费。 ②数据更新和插入异常。 ③程序性能差。 良好的数据库设计 ①节省数据的存储空间。 ②能够保证数据的完整新。 ③方便进行数据应用系统的开发。 (2)软件项目开发周期中的数据库设计： 一个完整的项目 开发需要经过： 1.需求分析：分析客户的业务和数据处理需求。 2.概要设计：设计数据库的E-R模型图，确认需求信息的正确和完整。 详细设计：应用三大范式审核数据库结构，将E-R模型图转换为数据库模型图。 代码编写：物理实现数据库，编码实现应用。 运行设计后打包发行。 数据库设计步骤： 收集信息 标识实体(Entity) 标识每个实体的属性(Attribute) 标识实体之间的关系(Relationship) (3)E-R图(Entity Relationship Diagram) E-R图：相当于数据库图纸，用于和项目其他成员和客户之间沟通，讨论数据库的设计是否能满足客户的需求。 概念： 除了这三个还有直线，表示联系集的映射基数： 酒店管理系统的数据库(E-R图)： 实体-关系图包含：实体、属性、联系。 (4)数据库模型图 E-R图转换为关系模式的步骤: 1.把每个实体都转化为关系模式R(U)形式 2.建立实体间联系的转换(1-1,1-n,n-n) 酒店管理系统数据库的关系模式： 该系统中实体间联系是1-n

本次主要学习图数据库中常用到的一些算法，以及如何在 Neo4j 中调用，所以这一篇偏实战，每个算法的原理就简单的提一下。 1. 图数据库中常用的算法 PathFinding & Search 一般用来发现Nodes之间的最短路径，常用算法有如下几种 Google Search Results Dijkstra - 边不能为负值 Folyd - 边可以为负值，有向图、无向图 Bellman-Ford SPFA Centrality 一般用来计算这个图中节点的中心性，用来发现比较重要的那些Nodes。这些中心性可以有很多种，比如 Degree Centrality - 度中心性 Weighted Degree Centrality - 加权度中心性 Betweenness Centrality - 介数中心性 Closeness Centrality - 紧度中心性 Community Detection 基于社区发现算法和图分析Neo4j解读《权力的游戏》 用于发现这个图中局部联系比较紧密的Nodes，类似我们学过的聚类算法。 Strongly Connected Components Weakly Connected Components (Union Find) Label Propagation Lovain Modularity Triangle Count and

图数据库-Neo4j-初探 2018-08-17 本次初探主要学习如何安装 Neo4j ，以及 Cypher 的基本语法。 1. 安装Neo4j Desktop 版本 neo4j-desktop Server 版本（ Community 版) 比较建议安装这个版本，因为 Desktop 版本的老是闪退，且要激活之类的。 下载 Neo4j 数据库 neo4j-server-community 下载常用算法的插件 graph-algorithms neo4j-graph-algorithms apoc-procedures neo4j-apoc-procedures 将下载下来的算法插件放入到 $NEO4J_HOME/plugins 文件夹下 Service 版修改配置文件 $NEO4J_HOME/conf/neo4j.conf 1234567891011 # 解决登入的时候报没有授权的错误dbms.security.auth_enabled=false# 添加下载的算法插件dbms.security.procedures.unrestricted=apoc.*,algo.*apoc.import.file.enabled=true#增加页缓存到至少4G，推荐20G:dbms.memory.pagecache.size=4g#JVM堆保存留内存从1G起，最大4G:dbms.memory

一、使用场景： 1、需要开放ERP数据给第三方系统对接，如APP手机端开发，MES，OA等； 2、接口按现在主流开发，restful风格，传JSON数据，跨平台，不限开发工具； 3、不限易飞ERP，支持大部分主流数据库，包括Microsoft SQL Server、Oracle、MySQL、MariaDB、PostgreSQL、DB2、SQL Anywhere、Firebird、SQLite等 二、优点 ： 1、只要会SQL就可以开放需要的数据，不需要编程基础。如图： ​ 三、测试DEMO： 下载地址： 点击 。 ​ ​ 来源： https://www.cnblogs.com/redhat588/p/11769392.html

一、使用场景： 1、需要开放ERP数据给第三方系统对接，如APP手机端开发，MES，OA等； 2、接口按现在主流开发，restful风格，传JSON数据，跨平台，不限开发工具； 3、不限易飞ERP，支持大部分主流数据库，包括Microsoft SQL Server、Oracle、MySQL、MariaDB、PostgreSQL、DB2、SQL Anywhere、Firebird、SQLite等 二、优点 ： 1、只要会SQL就可以开放需要的数据，不需要编程基础。如图： 三、测试DEMO： 下载地址： 点击 。 来源：博客园 作者： redhat588 链接：https://www.cnblogs.com/redhat588/p/11769392.html

原文： https://www.cnblogs.com/mantoudev/p/10414495.html 随着社交、电商、金融、零售、物联网等行业的快速发展，现实社会织起了了一张庞大而复杂的关系网，传统数据库很难处理关系运算。大数据行业需要处理的数据之间的关系随数据量呈几何级数增长，亟需一种支持海量复杂数据关系运算的数据库， 图数据库 应运而生。 世界上很多著名的公司都在使用图数据库。比如： 社交领域 ：Facebook, Twitter，Linkedin用它来管理社交关系，实现好友推荐 零售领域 ：eBay，沃尔玛使用它实现商品实时推荐，给买家更好的购物体验 金融领域 ：摩根大通，花旗和瑞银等银行在用图数据库做风控处理 汽车制造领域 ：沃尔沃，戴姆勒和丰田等顶级汽车制造商依靠图数据库推动创新制造解决方案 电信领域 ：Verizon, Orange和AT&T 等电信公司依靠图数据库来管理网络，控制访问并支持客户360 酒店领域 ：万豪和雅高酒店等顶级酒店公司依使用图数据库来管理复杂且快速变化的库存 既然图数据库应用这么广泛，越来越多的企业和开发者开始使用它，那它究竟什么过人之处呢，下面我们来揭开它的神秘面纱。 1. Why Graph DB? 学过数据结构这么课程的同学脑海中应该或多或少有 ͼ 的概念。 图由两个元素组成： 节点 和 关系 。 每个节点代表一个实体（人，地，事物