第二章：图数据库基础：Neo4j安装、Cypher查询语言入门、节点与关系建模
好，咱们正式开始动手了。
上一章聊了内幕交易网络的理论框架，说白了就是「谁跟谁有关系，关系是什么」。但光有理论不行，得有个地方把这些「人」和「关系」存起来、查出来。这时候，图数据库就该登场了。
我个人习惯把图数据库比作「乐高底板」。关系型数据库像Excel表格，一行一行存数据；图数据库呢，每个节点就是一块积木，关系就是积木之间的卡扣。你想想看，查内幕交易网络，最核心的就是查「A通过B认识了C，C又给D打了电话」——这种多跳查询，用SQL写出来能绕晕你，但用图数据库，几行代码搞定。
2.1 Neo4j安装：别怕，就三步
我最早接触Neo4j是在2018年，当时为了查一个跨账户对倒的案子。安装过程踩了不少坑，今天我把最稳的路径告诉你。
核心原则：生产环境用社区版（免费），别一上来就搞企业版。我见过有人花两天配置企业版集群，最后发现社区版完全够用。
2.1.1 下载与安装
去官网下载Neo4j Community Edition，目前稳定版是5.x。我建议用桌面版（Neo4j Desktop）入门，省心。
- 下载安装包：Windows选exe，Mac选dmg，Linux选tar.gz。
- 启动服务：桌面版直接点「Start」。命令行版的话，进bin目录执行
./neo4j start。 - 验证：浏览器打开
http://localhost:7474，看到Neo4j Browser界面就算成了。
小技巧：我第一次装的时候，死活连不上7474端口。后来发现是Java版本不对。Neo4j 5.x需要JDK 17以上。你可以在终端敲 java -version 确认一下。
2.1.2 避坑指南
我曾经遇到过一个问题：Neo4j启动后，浏览器访问显示「Connection refused」。排查了半天，发现是防火墙把7474端口封了。Windows用户记得去防火墙设置里放行一下。
另外，内存配置别贪多。默认堆内存512M够用了。你非要调成4G，反而可能因为GC停顿导致查询变慢。
2.2 Cypher查询语言入门：像说话一样查数据
Cypher是Neo4j的查询语言。我第一次看到它的时候，第一反应是「这玩意儿也太像自然语言了吧？」
举个例子：你想查「张三给李四打了电话」，在SQL里你得写JOIN，在Cypher里呢？
MATCH (a:Person {name: '张三'})-[r:打电话]->(b:Person {name: '李四'})
RETURN a, r, b你看，MATCH就是「匹配」，(a:Person)是节点，-[r:打电话]->是关系。读起来就是「匹配一个人叫张三，他打电话给另一个人叫李四，返回他们俩和电话记录」。
是不是很直观？
2.2.1 核心语法速览
| 操作 | Cypher写法 | 说明 |
|---|---|---|
| 创建节点 | CREATE (n:Person {name: '张三'}) |
创建一个标签为Person、属性name为张三的节点 |
| 创建关系 | CREATE (a)-[r:认识]->(b) |
在a和b之间创建一条「认识」关系 |
| 查询节点 | MATCH (n:Person) RETURN n |
查询所有Person标签的节点 |
| 查询关系 | MATCH (a)-[r]->(b) RETURN a, r, b |
查询所有关系及其两端节点 |
| 条件过滤 | WHERE n.age > 30 |
筛选年龄大于30的节点 |
| 删除节点 | DETACH DELETE n |
删除节点及其所有关系 |
重点：在反欺诈场景里，最常用的是 MATCH...WHERE...RETURN 组合。比如查「所有给张三打过电话、且通话时长超过5分钟的人」：
MATCH (a:Person)-[r:打电话]->(b:Person {name: '张三'})
WHERE r.时长 > 300
RETURN a, r2.2.2 多跳查询：图数据库的杀手锏
内幕交易网络最怕什么？怕「间接关联」。A和C没有直接联系，但A认识B，B认识C。这种多跳关系，在关系型数据库里查起来非常痛苦，但在Cypher里，一行搞定。
MATCH (a:Person {name: '张三'})-[:认识*1..3]->(c:Person)
RETURN a, c这个 [:认识*1..3] 的意思是「沿着认识关系，走1到3步」。也就是说，查所有张三直接认识的人、朋友的朋友、以及朋友的朋友的朋友。
嗯，这里要注意：跳数别设太大。我见过有人设 *1..10，结果查询跑了5分钟没出来。图数据库虽然擅长多跳，但跳数太多，中间节点呈指数级增长，性能扛不住。一般反欺诈场景，3到4跳就够用了。
2.3 节点与关系建模：把现实世界「翻译」成图
这是整个课程里最核心的部分。模型建得好，后面分析就顺；模型建得烂，后面全是坑。
我自己的经验是：建模之前，先画一张草图。拿内幕交易来说，你想想看，现实世界里有哪些「实体」和「关系」？
2.3.1 实体（节点）设计
常见的实体有：
- 人（Person）：内幕交易的核心参与者。属性包括姓名、身份证号、手机号、邮箱、职业等。
- 公司（Company）：被交易的标的。属性包括公司名称、股票代码、行业等。
- 账户（Account）：交易发生的载体。属性包括账户号、开户行、交易时间等。
- 设备（Device）：操作交易的终端。属性包括设备ID、IP地址、MAC地址等。
我个人习惯：给每个节点加一个 id 属性作为唯一标识，别依赖Neo4j自带的内部ID。内部ID在数据迁移时会变，容易出问题。
2.3.2 关系（边）设计
关系是图数据库的灵魂。内幕交易里，常见的关系有：
| 关系类型 | 示例 | 属性 |
|---|---|---|
| 认识 | 张三 -[认识]-> 李四 | 认识时间、关系亲密度 |
| 通话 | 张三 -[打电话]-> 李四 | 通话时间、时长、频次 |
| 交易 | 张三 -[买入]-> 某公司股票 | 交易时间、金额、数量 |
| 设备关联 | 张三 -[使用]-> 某设备 | 首次使用时间、使用频次 |
2.3.3 建模实战：一个内幕交易小案例
假设我们有这么个场景：张三和李四是大学同学，张三在某上市公司当高管，李四是个散户。张三在公布财报前，给李四打了个电话。李四随后用自己账户买入了该公司股票。
用图模型怎么表示？
// 创建节点
CREATE (zs:Person {name: '张三', 职业: '高管', 公司: 'XX科技'})
CREATE (ls:Person {name: '李四', 职业: '散户'})
CREATE (comp:Company {name: 'XX科技', 股票代码: '000001'})
CREATE (acc:Account {账户号: '622202****1234', 开户行: '工商银行'})
// 创建关系
CREATE (zs)-[:认识 {时间: '2019-01-01', 关系: '大学同学'}]->(ls)
CREATE (zs)-[:任职于]->(comp)
CREATE (ls)-[:使用]->(acc)
CREATE (ls)-[:买入 {时间: '2019-03-15', 金额: 500000, 数量: 10000}]->(comp)你看，这个模型把「人-人-公司-账户」串起来了。后面查的时候，只要沿着关系走，就能发现异常模式。
我曾经犯过一个错误：把所有关系都设计成无向的。比如「认识」关系，我用了 [:认识] 而不是 [:认识]->。结果查方向性关系（比如「谁给谁打电话」）时，数据全乱了。记住：关系一定要有方向，哪怕语义上是双向的，也建议用有向边表示。
2.4 本章知识体系总览
下面这张图，是我自己画的，把本章的核心逻辑串起来了。你一看就明白：
这张图把本章的三个模块串起来了：先装好Neo4j，再学会Cypher，最后设计出合理的图模型。顺序别搞反，我见过有人先建模再学Cypher，结果发现语法不支持，又回头改模型，浪费时间。
总结一下：
- Neo4j安装不难，注意Java版本和端口就行。
- Cypher语法像说话，多跳查询是核心优势。
- 建模时，实体和关系要分开设计，关系一定要有方向。
下一章，咱们就用这些知识，开始构建第一个内幕交易网络图谱。到时候我会拿一个真实脱敏的案例，带你们一步步走通全流程。