寫在前面
- 態度決定高度！讓優秀成為一種習慣！
- 世界上沒有什么事兒是加一次班解決不了的，如果有，就加兩次?。? - -茂強）
前瞻
一說到圖數據庫，大家估計最先想到的是neo4j，不錯，neo4j在圖數據庫中做的是相當成功，但是在你用的時候，你就會考慮其是否開源，是否免費，你要知道，在公司（不是以圖數據作為業務主要驅動的公司）對于你的一個小小的項目，公司給你買一個數據庫，這是不是很扯淡，所以，你就很想知道，是否有開源的圖數據庫，當然有。但是今天我是要說一個個人比較喜歡的圖數據庫，就是cayley，是完全開源的，項目地址是在google旗下
項目地址：https://github.com/cayleygraph/cayley
一步一步的建立起自己的cayley
- 首先你需要下載你所在環境的包
地址：https://github.com/cayleygraph/cayley/releases
選擇你需要的平臺包
cayley平臺包
我是windows測試的，所以就選了windows包
當然你也可以選擇源碼，進行自行編譯部署
mkdir -p ~/cayley && cd ~/cayley
export GOPATH=pwd
export PATH=$PATH:~/cayley/bin
mkdir -p bin pkg src/github.com/cayleygraph
cd src/github.com/cayleygraph
git clone https://github.com/cayleygraph/cayley
cd cayley
curl https://glide.sh/get | sh
glide install
go build ./cmd/cayley
編譯好了就可以測試一下，切換到命令目錄
./cayley repl -i data/testdata.nq
當然也可以用http模式
./cayley http -i data/testdata.nq
- 解壓文件夾到指定目錄（自己指定）
找到加壓后文件夾中的cayley.exe，這個就是我們需要操作的對象，
通過官方我們知道cayley需要指定（依賴）三方數據庫，如：
KVs: Bolt, LevelDB
NoSQL: MongoDB
SQL: PostgreSQL, CockroachDB, MySQL
n-memory, ephemeral
這里我們選擇levelDB - 把cayley.cfg.example文件重命名為cayley.cfg
這一步可以不用，因為不影響，我個人比較喜歡標準一點，所以就改了 - cayley.cfg內容配置
{
"database": "leveldb",
"db_path": "d:/cayley/cayley_db",
"read_only": false
}
這里db_path就是cayley需要創建的levelDB的路徑，其他的都是字面意思，如果你想依賴起的數據庫，比如 Bolt數據庫你可以用一下的配置
{
"database": "bolt",
"db_path": "/tmp/demodb",
"read_only": false
}
更多的配置信息：https://github.com/cayleygraph/cayley/blob/master/docs/Configuration.md - 初始化cayley依賴的levelDB
我們在cmd里邊切換到cayley.exe所在的文件夾下
執行命令：
cayley.exe init --config=cayley.cfg
或者用：
cayley.exe init --db=leveldb --dbpath=d:/cayley/cayley_db
都可以，這樣cayley就會在d:/cayley/cayley_db下初始化一個levelDB數據庫了，不信你去文件夾下看看
當然，你也許會用到其他的數據庫，比如 Bolt那你可以用
cayley.exe init --db=bolt --dbpath=tmp/testdb
如果是MongoDB那就要用
cayley.exe init --db=mongo --dbpath=”<HOSTNAME>:<PORT>
其中，HOSTNAME和PORT指向你的Mongo實例
依賴的數據庫建好了之后，那就給里邊添加點數據吧 -
向cayley里邊添加數據
首先讓我們看一下數據的具體格式，在data目錄下有個testdata.nq的文本，打開后就是如下的數據
<alice> <follows> <bob> .
<bob> <follows> <fred> .
<bob> <status> "cool_person" .
<charlie> <follows> <bob> .
<charlie> <follows> <dani> .
<dani> <follows> <bob> .
<dani> <follows> <greg> .
<dani> <status> "cool_person" .
<emily> <follows> <fred> .
<fred> <follows> <greg> .
<greg> <status> "cool_person" .
<predicates> <are> <follows> .
<predicates> <are> <status> .
<emily> <status> "smart_person" <smart_graph> .
<greg> <status> "smart_person" <smart_graph> .
這個就是人的關系數據，第一個是主語subject，第二個是謂語predicate，第三個是賓語object，最后以 . 號結束，其中還有，主題還有一個屬性status可以從下圖來理解
關系圖（版權歸原創）
圖中箭頭表示follows的關系，而#括起來的人名表示，這些人有status為cool_person
下邊我們把它加載到我們剛才初始化的levelDB中
cayley.exe load --config=cayley.cfg --quads=data/testdata.nq
這樣數據就加載到了levelDB中了 -
啟動cayley
cayley的啟動方式有兩種，一種是REPL另一種是HTTP
第一種：REPL
cayley.exe repl --config=cayley.cfg
啟動后是命令行模式
cayley的repl啟動
第二種：HTTP
cayley.exe http --config=cayley.cfg
啟動后控制臺
cayley的http啟動
這樣你就可以在瀏覽器中打開了
cayley的增刪查
cayley只有增、刪、查，不同于其他的數據庫，cayley少了改的操作，其實大家都知道，所謂的改就是先刪在增
- cayley的增
比如我要添加一個人叫“leon”，他關注了“alice”，并且他也是一個“cool_person”，那么輸入這樣的命令即可：
:a leon follows alice .
:a leon status cool_person . - cayley的刪
比如我剛才添加的“leon”，現在他不想關注“alice”了，那么這樣就可以刪除剛才建立的關系了：
:d leon follows alice . - cayley的查
cayley的查提供了兩種形式的語言，一種和javascript類似，一種是簡化的MQL，這里選擇js的查詢來闡述一下
graph對象：graph對象簡稱g，它是唯一存在的，并由它來說產生query對象，通過query返回各種查詢結果，執行方式如下：
graph.Vertex([nodeId],[nodeId]…) 簡寫為 g.V
參數：nodeId（可選）：一個字符串，或者字符串列表，代表了查詢的起始節點
返回：query 對象
從給定的頂點（集）開始一個查詢路徑，如果沒有參數，則認為是圖中所有的頂點。
來看例子：
g.V().All() //我想看目前圖中所有的頂點
g.V("<alice>").GetLimit(1) //獲得alice這個節點
其中All()方法是query對象的方法，用它可以遍歷query對象中，所有的數據。GetLimit(number)也是query對象的方法，它獲得迭代集里限定數目的數據。
getAll
graph.Morphism() 簡寫為 g.M()
無參數
返回：path對象
path 對象，它是query對象的父類對象
path對象由 g.V() 和 g.M() 創建，其中 g.V() 創建了query對象，它是path對象的子類。
path.Out([predicatePath],[tags])
參數：predicatePath（可選）下列其中之一
空或者undifined：所有從這個節點出去的predicate
一個字符串：從這個節點出去的predicate名字
字符串列表：從這個節點出去的多個predicate名字
一個query path 對象： 該對象指向一個predicate集合（跟隨者）
tags（可選參數）：下列其中之一
空或者undifined：沒有tags
一個字符串：向輸出集使用的指明predicate的標簽
字符串列表：添加多個tags，這些tags當作keys保存指向輸出集的predicate
例子：
// 查看charlie follows了誰。結果是 bob and dani
g.V("<charlie>").Out("<follows>").All()
// 查看alice follows的人，他們又follows了誰。結果是 fred
g.V("<alice>").Out("<follows>").Out("<follows>").All()
// 從dani出去的路徑都指向了哪里。 結果是 bob, greg 和 cool_person
g.V("<dani>").Out().All()
// 找到所有dani通過follows和status指向的節點。
// 結果是 bob, greg 和 cool_person
g.V("<dani>").Out(["<follows>", "<status>"]).All()
// 找到所有dani通過status指向的節點，并加上tag。
// 結果是 {"id": cool_person, "pred": "status"}
g.V("<dani>").Out(g.V("<status>"), "pred").All()
path.In([predicatePath],[tags])
與path.Out()用法上相同，只不過是一個是出，一個是入
// Find the cool people, bob, dani and greg
g.V("cool_person").In("<status>").All()
// Find who follows bob, in this case, alice, charlie, and dani
g.V("<bob>").In("<follows>").All()
// Find who follows the people emily follows, namely, bob and emily
g.V("<emily>").Out("<follows>").In("<follows>").All()
path.InPredicates()
獲得指向一個節點的一個predicates列表
// bob only has "<follows>" predicates pointing inward
// returns "<follows>"
g.V("<bob>").InPredicates().All()
path.Both([predicatePath],[tags])
這個就是in和out的合并，出入同查
g.V("<fred>").Both("<follows>").All()
path.Count()
返回結果總數
path.Except(path)
與path.Difference(path)是一樣的效果，就是一種排除查詢
var cFollows = g.V("<charlie>").Out("<follows>")var dFollows = g.V("<dani>").Out("<follows>")
// People followed by both charlie (bob and dani) and dani (bob and greg) -- returns bob.
cFollows.Except(dFollows).All() // The set (dani) -- what charlie follows that dani does not also follow.
// Equivalently, g.V("<charlie>").Out("<follows>").Except(g.V("<dani>").Out("<follows>")).All()
path.Filter(args)
過濾，可以通過傳入區間或者匹配字符串來過濾
path.Intersect(path)
求交集
var cFollows = g.V("<charlie>").Out("<follows>")
var dFollows = g.V("<dani>").Out("<follows>")
// People followed by both charlie (bob and dani) and dani (bob and greg) -- returns bob.
cFollows.Intersect(dFollows).All()
// Equivalently, g.V("<charlie>").Out("<follows>").And(g.V("<dani>").Out("<follows>")).All()
其他的查詢方法就不多說了，如果想了解去這里看看
https://github.com/cayleygraph/cayley/blob/master/docs/GizmoAPI.md
關系圖可視化
這個需要在http模式
- Query Shape
- Visualize
這里要說明一下，0.6.1版本對于可視化頁面支持有問題，圖形展示不出來，而且query也查不出來數據，不知是否是瀏覽器問題（我的是chrome），但是0.6.0就可以展示。
下邊將用實例介紹如何用cayley做知識圖譜，敬請期待！
