Cypher Query Builder 使用教程
2024-09-12 05:17:14作者:明树来
项目介绍
Cypher Query Builder 是一个灵活且直观的查询构建器,专为 Neo4j 和 Cypher 设计。它允许开发者使用 JavaScript 编写查询,就像在 Cypher 中编写查询一样。该库提供了流畅的接口,支持使用 observables 流式传输记录,并且完全包含 TypeScript 声明。
项目快速启动
安装
你可以通过 npm 或 yarn 安装 Cypher Query Builder:
npm install --save cypher-query-builder
或
yarn add cypher-query-builder
导入
在项目中导入 Cypher Query Builder:
const cypher = require('cypher-query-builder');
或使用 ES6 模块导入:
import { Connection, greaterThan } from 'cypher-query-builder';
连接数据库
创建与 Neo4j 数据库的连接:
const db = new cypher.Connection('bolt://localhost', {
username: 'root',
password: 'password',
});
编写查询
使用 Cypher Query Builder 编写查询:
db.matchNode('projects', 'Project')
.return('projects')
.run()
.then(function (results) {
// 处理查询结果
});
应用案例和最佳实践
示例:获取项目列表
以下是一个简单的示例,展示如何使用 Cypher Query Builder 获取项目列表:
db.matchNode('projects', 'Project')
.return('projects')
.run()
.then(function (results) {
results.forEach(row => {
console.log(row.projects.properties.name);
});
});
最佳实践
- 使用流式传输:对于大型数据集,建议使用
stream方法以流式方式处理结果,以提高效率。 - 类型安全:使用 TypeScript 可以确保查询的类型安全,减少运行时错误。
- 参数化查询:避免直接在查询中嵌入用户输入,使用参数化查询以防止 SQL 注入。
典型生态项目
Neo4j
Neo4j 是一个高性能的 NoSQL 图形数据库,支持 ACID 事务。Cypher Query Builder 是与 Neo4j 配合使用的理想工具,提供了便捷的查询构建接口。
TypeScript
TypeScript 是 JavaScript 的超集,提供了静态类型检查。Cypher Query Builder 完全支持 TypeScript,使得开发者可以在编写查询时享受类型检查的好处。
RxJS
RxJS 是一个用于处理异步事件流的库。Cypher Query Builder 支持使用 observables 流式传输查询结果,与 RxJS 结合使用可以实现高效的异步数据处理。
通过以上内容,你可以快速上手使用 Cypher Query Builder,并了解其在实际项目中的应用和最佳实践。
登录后查看全文
热门项目推荐
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。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
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
HunyuanWorld-Mirror混元3D世界重建模型,支持多模态先验注入和多任务统一输出Python00
Kimi-K2-ThinkingKimi-K2-Thinking是最新开源思维模型,作为能动态调用工具的推理代理,通过深度多步推理和稳定工具调用(200-300次连续调用),在HLE、BrowseComp等基准测试中刷新纪录。原生INT4量化模型,256k上下文窗口,实现推理延迟和GPU内存使用的无损降低,支持自主研究、编码和写作等工作流。【此简介由AI生成】Python00
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
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-Chemistry-X1-13B科大讯飞星火化学-X1-13B (iFLYTEK Spark Chemistry-X1-13B) 是一款专为化学领域优化的大语言模型。它由星火-X1 (Spark-X1) 基础模型微调而来,在化学知识问答、分子性质预测、化学名称转换和科学推理方面展现出强大的能力,同时保持了强大的通用语言理解与生成能力。Python00- PpathwayPathway is an open framework for high-throughput and low-latency real-time data processing.Python00
项目优选
收起
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
297
2.64 K
Ascend Extension for PyTorch
Python
128
151
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
607
190
React Native鸿蒙化仓库
JavaScript
228
307
暂无简介
Dart
590
127
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.05 K
612
仓颉编译器源码及 cjdb 调试工具。
C++
122
489
本项目是CANN提供的是一款高效、可靠的Transformer加速库,基于华为Ascend AI处理器,专门为Transformer模型的训练和推理而设计。
C++
47
77
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
179
64
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.02 K
456