Neo4j JDBC 驱动项目教程
1. 项目介绍
Neo4j JDBC 驱动是一个开源项目,旨在为 Java 生态系统中的平台和工具提供与 Neo4j 图数据库的集成。该项目由 Neo4j 官方支持,并遵循 Apache 2.0 许可证。Neo4j JDBC 驱动版本 6 是一个独立的驱动程序,不依赖于 Neo4j 的通用 Java 驱动程序,而是直接基于 Bolt 协议实现 JDBC 规范。
该驱动的主要目标是:
- 实现 JDBC 规范,以便与现有的 Java 工具和平台集成。
- 提供从 SQL 到 Cypher 的翻译功能,使得熟悉 SQL 的用户可以更容易地使用 Neo4j。
- 支持 Neo4j AuraDB 和任何 Neo4j 5 集群解决方案,包括 SSL 和多种认证模式。
2. 项目快速启动
2.1 下载与安装
首先,您可以通过 Maven 或 Gradle 将 Neo4j JDBC 驱动添加到您的项目中。
Maven 依赖:
<dependency>
<groupId>org.neo4j</groupId>
<artifactId>neo4j-jdbc-full-bundle</artifactId>
<version>6.0.0-M05</version>
</dependency>
Gradle 依赖:
dependencies {
implementation 'org.neo4j:neo4j-jdbc-full-bundle:6.0.0-M05'
}
2.2 快速启动示例
以下是一个简单的示例,展示如何使用 Neo4j JDBC 驱动连接到 Neo4j 数据库并执行查询。
import java.sql.Connection;
import java.sql.DriverManager;
import java.sql.ResultSet;
import java.sql.Statement;
public class Neo4jJDBCExample {
public static void main(String[] args) {
String url = "jdbc:neo4j:bolt://localhost:7687";
String user = "neo4j";
String password = "password";
try (Connection conn = DriverManager.getConnection(url, user, password)) {
Statement stmt = conn.createStatement();
ResultSet rs = stmt.executeQuery("MATCH (n:Person) RETURN n.name");
while (rs.next()) {
System.out.println(rs.getString("n.name"));
}
} catch (Exception e) {
e.printStackTrace();
}
}
}
3. 应用案例和最佳实践
3.1 集成 ETL 工具
Neo4j JDBC 驱动可以与各种 ETL(Extract, Transform, Load)工具集成,如 Apache NiFi、KNime 和 Tableau。通过 JDBC 接口,这些工具可以直接从 Neo4j 数据库中提取数据,进行转换和加载到其他系统中。
3.2 使用 SQL 查询 Neo4j
虽然 Neo4j 是一个图数据库,但它支持通过 JDBC 驱动使用 SQL 进行查询。驱动内置了一个 SQL 到 Cypher 的翻译器,可以将 SQL 查询转换为 Cypher 查询,从而利用 Neo4j 的图数据库功能。
String sqlQuery = "SELECT p.name FROM Person p";
String cypherQuery = conn.nativeSQL(sqlQuery);
ResultSet rs = stmt.executeQuery(cypherQuery);
3.3 在 Jakarta EE 中使用
Neo4j JDBC 驱动可以与 Jakarta EE 生态系统集成,特别是与事务管理器一起使用。这使得开发者可以在熟悉的环境中使用 Neo4j,而无需重写现有的应用程序。
4. 典型生态项目
4.1 Apache NiFi
Apache NiFi 是一个强大的数据流工具,支持通过 JDBC 连接到各种数据库。Neo4j JDBC 驱动可以与 NiFi 集成,实现从 Neo4j 数据库中提取数据并进行流处理。
4.2 KNime
KNime 是一个开源的数据分析平台,支持通过 JDBC 连接到数据库。Neo4j JDBC 驱动可以与 KNime 集成,使得数据科学家可以直接在 KNime 中分析 Neo4j 数据库中的数据。
4.3 Tableau
Tableau 是一个流行的商业智能工具,支持通过 JDBC 连接到数据库。Neo4j JDBC 驱动可以与 Tableau 集成,使得业务分析师可以使用 Tableau 的强大可视化功能来分析 Neo4j 数据库中的数据。
通过这些集成,Neo4j JDBC 驱动为开发者提供了灵活的方式来利用 Neo4j 的图数据库功能,同时保持与现有工具和平台的兼容性。
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
unified-cache-managementUnified Cache Manager(推理记忆数据管理器),是一款以KV Cache为中心的推理加速套件,其融合了多类型缓存加速算法工具,分级管理并持久化推理过程中产生的KV Cache记忆数据,扩大推理上下文窗口,以实现高吞吐、低时延的推理体验,降低每Token推理成本。Python03
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
Spark-Prover-7BSpark-Prover-7B is a 7B-parameter large language model developed by iFLYTEK for automated theorem proving in Lean4. It generates complete formal proofs for mathematical theorems using a three-stage training framework combining pre-training, supervised fine-tuning, and reinforcement learning. The model achieves strong formal reasoning performance and state-of-the-art results across multiple theorem-proving benchmarksPython00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer-7B is a 7B-parameter large language model by iFLYTEK for mathematical auto-formalization. It translates natural-language math problems into precise Lean4 formal statements, achieving high accuracy and logical consistency. The model is trained with a two-stage strategy combining large-scale pre-training and supervised fine-tuning for robust formal reasoning.Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00- HHowToCook程序员在家做饭方法指南。Programmer's guide about how to cook at home (Chinese only).Dockerfile014
Spark-Scilit-X1-13B科大讯飞Spark Scilit-X1-13B基于最新一代科大讯飞基础模型,并针对源自科学文献的多项核心任务进行了训练。作为一款专为学术研究场景打造的大型语言模型,它在论文辅助阅读、学术翻译、英语润色和评论生成等方面均表现出色,旨在为研究人员、教师和学生提供高效、精准的智能辅助。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00