Database Reference
In-Depth Information
categories
wines_categories
id
name
wine_id
category_id
wines
id
name
year
articles
id
publish_date
title
content
wines_articles
wine_id
article_id
Abbildung 30: Wein-Empfehlungsschema in relationalem UML
Ein relationales Modell könnte eine Kategorie-Tabelle verwenden und eine
M-zu-M-Beziehung zwischen den einzelnen Weinen eines Winzers und eine
Kombination aus Kategorien und anderen Daten aufbauen. Doch das ent-
spricht nicht ganz dem, wie wir Menschen Daten im Geiste modellieren. Ver-
gleichen Sie die beiden Abbildungen in Abbildung 30,
Wein-Empfehlungssche-
ma in relationalem UML
und Abbildung 31,
Wein-Empfehlung auf dem White-
board
, auf Seite 239 miteinander. Ein altes Sprichtwort aus der relationalen
Welt besagt:
Auf einer ausreichend langen Zeitachse werden alle Felder optio-
nal
. Neo4j handhabt das implizit, indem es Werte und Strukturen nur bei
Bedarf zur Verfügung stellt. Wenn es für einen Wein keinen Jahrgang gibt,
verwenden Sie stattdessen ein Jahr für die Flasche und lassen den Jahr-
gang auf den Wein-Knoten zeigen. Es gibt kein Schema, das man anpassen
müsste.
In den nächsten drei Tagen werden wir lernen, wie man mit Neo4j über die
Console und über REST sowie über Such-Indizes interagiert. Wir werden
einige größere Graphen mit Graph-Algorithmen bearbeiten. Abschließend
werden wir an Tag 3 einen Blick auf die Tools werfen, die Neo4j für unterneh-
menskritische Anwendungen bereitstellt. Sie reichen von vollständig ACID-
konformen Transaktionen über Hochverfügbarkeits-Cluster bis hin zu inkre-
mentellen Backups.
In diesem Kapitel verwenden wir die Enterprise Edition Neo4j 1.7. Die meis-
ten Aktionen können wir auch mit der GPL Community-Edition durchführen,
doch für Tag 3 benötigen wir etwas Enterprise-Funktionalität: Hochverfüg-
barkeit.
