Upgrade to Pro — share decks privately, control downloads, hide ads and more …

Von relationalen Datenbanken zu Datenbanken mit...

Von relationalen Datenbanken zu Datenbanken mit Beziehungen

Verkürzte Version fürs JavaLand 2019. Links zu allen Ressourcen befinden sich am Ende der Präsentation.

Michael Simons

March 20, 2019
Tweet

More Decks by Michael Simons

Other Decks in Programming

Transcript

  1. • Über Neo4j • Mein Domain-Modell • Neo4j mit Daten

    füllen • Auf der JVM mit Neo4j zu kommunizieren • Spring Data Neo4j Agenda 2
  2. Ecosystem Neo4j Professional Services 300+ partners 47,000 group members 61,000

    trained engineers 3.5M downloads Mindset “Graph Thinking” is all about considering connections in data as important as the data itself. Native Graph Platform Neo4j is an internet-scale, native graph database which executes connected workloads faster than any other database management system. Neo4j 3
  3. • Neo4j seit Juli 2018 (OGM und Spring Data Neo4j)

    • Java Champion • Gründer und aktueller Leiter der Java User Group EuregJUG • Autor (Spring Boot 2 und Arc42 by example) Über mich 4 First contact to Neo4j through
  4. Logisches vs physikalisches Model • Logisches Model als ER-Diagram entworfen

    • Dann beginnt die Normalisierung (Redundanzfreiheit als Ziel): • UNF (Nicht normalisiert) • 1NF: Atomare Spalten • 2NF: + Keine teilweisen Abhängigkeiten • 3NF: + Keine transitiven Abhängigkeiten • Und einige mehr… Fremdschlüssel zwischen Tabellen sind keine Relationen! 
 Tabellen und Ergebnismengen von Abfragen sind Relationen. 7
  5. Das „Whiteboard“ Modell
 entspricht dem physikalischen • Bands wurden in

    Ländern gegründet und 
 Solokünstler geboren • Einige Künstler sind mit anderen Künstler
 assoziiert und 
 Bands haben Mitglieder • Künstler veröffentlichen
 Alben :Artist
 :Band
 :SoloArtist :Country :FOUNDED_IN
 :BORN_IN :ASSOCIATED_WITH
 :HAS_MEMBER :Album :RELEASED_BY 9
  6. Das „Whiteboard“ Modell
 entspricht dem physikalischen Queen United Kingdom :FOUNDED_IN

    Innuendo :RELEASED_BY Freddie Brian John Roger :HAS_MEMBER 10
  7. Ein „Property Graph“ :Band :Country :SoloArtist Knoten (Nodes) repräsentieren Objekte

    :FOUNDED_IN :HAS_MEMBER
 joinedIn: 1970
 leftIn: 1991 name: Freddie
 role: Lead Singer Beziehungen (Relations) verbinden Knoten und
 repräsentieren Handlungen (Verben) Knoten und Beziehungen
 haben beide Eigenschaften 11
  8. Cypher • Cypher ist für Neo4j was SQL für relationale

    Datenbanken ist: 
 Eine deklarative Abfragesprache • https://www.opencypher.org MATCH (b:Band) <-[:RELEASED_BY]- (a:Album), (c) <-[:FOUNDED_IN]- (b) -[:HAS_MEMBER]-> (m) -[:BORN_IN]-> (c2) WHERE a.name = 'Innuendo' RETURN a, b, m, c, c2 12
  9. Einige Cypher-Klauseln 13 CREATE / MERGE Erstellen von Nodes und

    Relationships MATCH Finden von Nodes und Relationships WHERE Constraints für MATCH oder Filter der WITH-Klausel DELETE Löschen von Nodes und Relationships SET Setzen von Eigenschaften REMOVE Löschen von Eigenschaften WITH „Chaining“ von Abfragen
  10. LOAD CSV Name;Founded in Slayer;US Die Ärzte;DE Die Toten Hosen;DE

    Pink Floyd;GB LOAD CSV WITH HEADERS FROM 'http://localhost:8001/data/artists.csv'
 AS line FIELDTERMINATOR ';' MERGE (a:Artist {name: line.Name}) MERGE (c:Country {code: line.`Founded in`}) MERGE (a) -[:FOUNDED_IN]-> (c) RETURN * 16
  11. APOC • „A Package Of Components“ for Neo4j • „Awesome

    Procedures on Cypher“ Eine Sammlung von Erweiterungen für Neo4j
 https://neo4j-contrib.github.io/neo4j-apoc- procedures/ 18
  12. apoc.load.* • apoc.load.json • apoc.load.xml • apoc.load.jdbc • Funktioniert für

    komplette Tabellen • Oder mit eigenen SQL-Statements 19
  13. apoc.load.jdbc WITH "jdbc:postgresql://localhost:5432/bootiful-music?user=statsdb-dev&password=dev" as url, "SELECT DISTINCT a.name as artist_name,

    t.album, g.name as genre_name, t.year FROM tracks t JOIN artists a ON a.id = t.artist_id JOIN genres g ON g.id = t.genre_id WHERE t.compilation = 'f'" as sql CALL apoc.load.jdbc(url,sql) YIELD row MERGE (decade:Decade {value: row.year-row.year%10}) MERGE (year:Year {value: row.year}) MERGE (year) -[:PART_OF]-> (decade) MERGE (artist:Artist {name: row.artist_name}) MERGE (album:Album {name: row.album}) -[:RELEASED_BY]-> (artist) MERGE (genre:Genre {name: row.genre_name}) MERGE (album) -[:HAS]-> (genre) MERGE (album) -[:RELEASED_IN]-> (year) 20
  14. apoc.load.jdbc WITH "jdbc:postgresql://localhost:5432/bootiful-music?user=statsdb-dev&password=dev" as url, "SELECT DISTINCT a.name as artist_name,

    t.album, g.name as genre_name, t.year FROM tracks t JOIN artists a ON a.id = t.artist_id JOIN genres g ON g.id = t.genre_id WHERE t.compilation = 'f'" as sql CALL apoc.load.jdbc(url,sql) YIELD row MERGE (decade:Decade {value: row.year-row.year%10}) MERGE (year:Year {value: row.year}) MERGE (year) -[:PART_OF]-> (decade) MERGE (artist:Artist {name: row.artist_name}) MERGE (album:Album {name: row.album}) -[:RELEASED_BY]-> (artist) MERGE (genre:Genre {name: row.genre_name}) MERGE (album) -[:HAS]-> (genre) MERGE (album) -[:RELEASED_IN]-> (year) 20
  15. Verschiedene Endpunkte • Neo4j als eingebettete Datenbank • Neo4j über

    HTTP • Oder über das binäre Bolt Protokoll • Treiber für Java, Go, C#, Seabolt (C), Python, JavaScript 23
  16. Direkt über den Treiber try ( Driver driver = GraphDatabase.driver(uri,

    AuthTokens.basic(user, password)); Session session = driver.session() ) { List<String> artistNames = session .readTransaction(tx -> tx.run("MATCH (a:Artist) RETURN a", emptyMap())) .list(record -> record.get("a").get("name").asString()); } 24
  17. Neo4j-OGM • Einheitliche Konfiguration für alle Endpunkte • Annotationen •

    Abbildung des Graphen auf die Domain • Datenzugriff entweder • Domain basiert • Oder mit eigenen Abfragen 26
  18. Annotationen @NodeEntity("Band") public class BandEntity extends ArtistEntity { @Id @GeneratedValue

    private Long id; private String name; @Relationship("FOUNDED_IN") private CountryEntity foundedIn; @Relationship("ACTIVE_SINCE") private YearEntity activeSince; @Relationship("HAS_MEMBER") private List<Member> member = new ArrayList<>(); } 27
  19. @RelationshipEntity("HAS_MEMBER") public static class Member { @Id @GeneratedValue private Long

    memberId; @StartNode private BandEntity band; @EndNode private SoloArtistEntity artist; @Convert(YearConverter.class) private Year joinedIn; @Convert(YearConverter.class) private Year leftIn; } :Band :Country :SoloArtist :FOUNDED_IN :HAS_MEMBER
 joinedIn: 1970
 leftIn: 1991 28 Annotationen
  20. Zugriff über Domain-Klassen var artist = new BandEntity("Queen"); artist.addMember(new SoloArtistEntity("Freddie

    Mercury")); var session = sessionFactory.openSession(); session.save(artist); 29
  21. Eigene Abfragen var britishBands = session.query( ArtistEntity.class, "MATCH (b:Band) -[:FOUNDED_IN]->

    (:Country {code: 'GB'})", emptyMap()); Result result = session.query( "MATCH (b:Artist) <-[r:RELEASED_BY]- (a:Album) -[:RELEASED_IN]-> () - [:PART_OF]-> (:Decade {value: $decade})" "WHERE b.name = $name" + "RETURN b, r, a", Map.of("decade", 1970, "name", "Queen") ); 31
  22. Spring Data Neo4j • Sehr frühes Spring Data Module •

    First Version ~2010 (Emil Eifrem, Rod Johnson) • Basiert vollständig auf Neo4j-OGM • Community-Modul, aber Teil des Spring Data Release-Train • Integriert in Spring Boot 34
  23. Spring Data Neo4j • Kann ohne Wissen über den Store

    und Cypher genutzt werden
 (von Repository oder CrudRepository erben) • Oder „Graph aware“ • Mit eigenen Cypher-Abfragen • @Depth nutzen um Fetch-Tiefe zu begrenzen • von Neo4jRepository erben (Optional!!) 35
  24. Spring Data Neo4j: All das, was ihr so von Spring

    Data gewohnt seit • Derived finder methods mit vielen Operatoren
 (u.a. Equals, Like, Regex, And, Or, Between, LessThan, LessThanEqual, GreaterThanEqual, Greater u.a.) • Projektionen 
 (entweder über Interfaces oder als @QueryResult) • PlatformTransactionManager • @Transactional-Support • TransactionTemplate • Domain-Events • Auditing 36
  25. interface BandRepository extends Repository<BandEntity, Long> { } Zugriff über Repository-Klassen

    var artist = new BandEntity("Queen"); artist.addMember(new SoloArtistEntity("Freddie Mercury")); artist = bandRepository.save(artist); artist = bandRepository.findByName("Nickelback") artist.ifPresent(bandRepository::delete); 37
  26. Spring Boot: „Test-Slices“ @DataNeo4jTest class CountryRepositoryTest { private final Session

    session; private final CountryRepository countryRepository; @Autowired CountryRepositoryTest(Session session, CountryRepository countryRepository) { this.session = session; this.countryRepository = countryRepository; } @BeforeAll static void createTestData() {} @Test void getStatisticsForCountryShouldWork() {} } 40
  27. Spring Data Neo4j: Don'ts • Nicht geeignet für Batch-Verarbeitung •

    „Derived finder“ nicht missbrauchen!
 i.e. Optional<AlbumEntity> findOneByArtistNameAndNameAndLiveIsTrueAndReleasedInValue(String artistName, String name, long year) • Nicht blindlings den Graphen in der Anwendung nachbauen • Das Graph-Model im Sinne der gewünschten Abfragen aufbauen • Das Domain-Model nach Anwendungs-Usecase 41
  28. Nicht blindlings den Graphen in der Anwendung nachbauen 42 @NodeEntity("Artist")

    public class ArtistEntity { private String name; @Relationship( value = "RELEASED_BY", direction = INCOMING) private List<AlbumEntity> albums; } @NodeEntity("Album") public class AlbumEntity { @Relationship("RELEASED_BY") private ArtistEntity artist; @Relationship("CONTAINS") private List<TrackEntity> tracks; } @NodeEntity("Track") public class TrackEntity { @Relationship( value = "CONTAINS", direction = INCOMING) private List<AlbumEntity> tracks; }
  29. Besserer Ansatz 43 @NodeEntity("Artist") public class ArtistEntity { private String

    name; } @NodeEntity("Album") public class AlbumEntity { @Relationship("RELEASED_BY") private ArtistEntity artist; } @QueryResult public class AlbumTrack { private String name; private Long trackNumber; } interface AlbumRepository extends Repository<AlbumEntity, Long> { List<AlbumEntity> findAllByArtistNameMatchesRegex( String artistName, Sort sort); @Query(value = " MATCH (album:Album) - [c:CONTAINS] -> (track:Track) " + " WHERE id(album) = $albumId" + " RETURN track.name AS name, c.trackNumber AS trackNumber" + " ORDER BY c.discNumber ASC, c.trackNumber ASC" ) List<AlbumTrack> findAllAlbumTracks(long albumId); }
  30. Neo4j https://www.zdnet.com/article/using-graph-database-technology-to-tackle-diabetes/ „In biology or medicine, data is connected. You

    know that entities are connected -- they are dependent on each other. The reason why we chose graph technology and Neo4j is because all the entities are connected.“ Dr Alexander Jarasch, DZD German centre of diabetic research 49
  31. Neo4j • https://neo4j.com/download/ • Neo4j Desktop (Analyst centric) • Neo4j

    Server (Community and Enterprise Edition)
 Community Edition: GPLv3
 Enterprise Edition: Proprietary 51
  32. Neo4j Datasets • https://neo4j.com/sandbox-v2/ • Preconfigured instance with several different

    datasets • https://neo4j.com/graphgists/ • Neo4j Graph Gists, Example Models and Cypher Queries • https://offshoreleaks.icij.org/ • Data convolutes mentioned early 52
  33. • Demo: 
 github.com/michael-simons/bootiful-music • Eine Reihe von Blog Posts:

    „From relational databases to databases with relations“
 https://info.michael-simons.eu/2018/10/11/from-relational-databases-to-databases-with- relations/ • Folien: speakerdeck.com/michaelsimons • Kuratierte Liste von Neo4j, Neo4j-OGM und SDN Tipps:
 https://github.com/michael-simons/neo4j-sdn-ogm-tips • (German) Spring Boot Book
 @SpringBootBuch // springbootbuch.de Demo, Doku und Slides 53
  34. • Titel: https://unsplash.com/photos/HVNcT5N_2Tc • Medical graph: DZD German centre of

    diabetic research • Codd: Wikipedia • Demo: https://unsplash.com/photos/FlPc9_VocJ4 • Und nun: https://unsplash.com/photos/_tH3YCjPCCE Bildquellen 55