本文主要讲解图数据库在真实项目中的实践应用，取自于笔者参与的实际项目代码。
后端用的是图数据库neo4j来存节点和关系，前端用的是D3来画图。前后端交互是通过json数据来完成的，即neo4j查出的结果组装成json后，传递给D3来画图。
Neo4j
首先看一下pom文件相关代码，如下：
如图所示，笔者用的是neo4j-java-driver连接的neo4j，当然也可以选择其他方式。例如Spring-Data-Neo4j等连接方式（只不过笔者所在项目中的spring版本和Spring-Data-Neo4j版本冲突，所以不能使用）。这里需要注意的是在spring中已经有neo4j的相关支持了。本来程序一直连接不上，项目启动报错。后来发现是因为neo4j-harness包中的neo4j-server、junit，和spring中相关包有冲突。所以用exclusion去掉依赖即可。
然后是加载驱动的代码如下：
java连接neo4j的方式有三种：bolt、http和https，笔者选用的是bolt协议。同时为了方便，将neo4j的url、用户名和密码做成properties文件来读取。
最后就是具体的调用代码了。如下所示：
@Override
public Map<Set<String>, Set<String>> searchAllPathsOfTwoNodes(String firstLabel, String firstName,
String secondLabel, String secondName) {
Map<Set<String>, Set<String>> searchResults = null;
Driver driver = driverManager.getDriver();
try (Session session = driver.session()) {
searchResults = session.readTransaction(tx -> {
return standardGraphDao.searchAllPathsOfTwoNodes(tx, firstLabel, firstName, secondLabel, secondName);
});
} catch (Exception e) {
logger.info(e.getMessage());
}
return searchResults;
}
用内部类和lambda表达式的方式调用dao层的代码。正如在之前文章中所提，应避免写出循环开闭事务的代码，应将循环放进dao层里。dao层相关代码如下：
/**
*
* <p>Title: searchAllPathsOfTwoNodes </p>
* <p>Description: 查找某两个节点是否有关系（全部路径） </p>
* @param tx
* @param firstLabel
* @param firstName
* @param secondLabel
* @param secondName
* @return 参数说明
* @author houyishuang
* @date 2018年1月21日
*/
public Map<Set<String>, Set<String>> searchAllPathsOfTwoNodes(Transaction tx, String firstLabel, String firstName, String secondLabel, String secondName) {
Map<Set<String>, Set<String>> returnMap = new HashMap<>(16);
String cypher = "MATCH (a:" + firstLabel + "{name:$firstName}), (b:" + secondLabel + "{name:$secondName}), p = allShortestPaths((a)-[*]-(b)) RETURN p";
List<Record> records = tx.run(cypher, parameters("firstName", firstName, "secondName", secondName)).list();
if (!records.isEmpty()) {
for (Record searchResult : records) {
Map<Set<String>, Set<String>> map = StandardGraphUtils.getIdsFromPath(searchResult.values().get(0).toString());
returnMap = StandardGraphUtils.pathMapMerge(returnMap, map);
}
}
return returnMap;
}
该方法实现的功能是查询两个节点之间的全部路径。可以看到，直接用传过来的参数拼装成cypher语句，到neo4j中查询出结果，然后组装成想要的格式返回即可。
D3
之所以决定要用D3而不是ECharts，主要是觉得D3的灵活性更大一些，可以做一些定制化的需求。而ECharts的功能都已经给你提供了，想要定制化比较困难一些。当然，D3相对于来说更难上手，所以这里先普及一些D3的基本概念。
D3是一个JavaScript的函数库，是用来做数据可视化的。D3的全称是Data-Driven Document，数据驱动的文档。D3的核心是数据和元素之间的绑定，这点需要读者自行进行理解。下面讲解一个核心概念：update、enter和exit。
既然D3做的是数据和元素之间的绑定，那如果数组长度和元素数量不一致，就会带来三个选择集：update、enter和exit，如下图所示：
由图可知，没有被元素绑定的多余数据叫做enter；没有数据对应、多余的元素叫做exit；元素和数据一一对应的部分叫做update。
enter代表没有足够的元素，因此处理方法是添加元素；如果存在多余的元素，没有数据与之对应，那么就需要删除元素。所以可以看到，在D3中，数据是最为重要的。可以删元素，但是不能删除数据。
但是如果不知道数组的长度，如何为update、enter、exit提供处理方案呢？其实，数组长度和元素数量的大小并不重要。在多数可视化中，无论哪一边大，
<1>update所代表的元素都该“更新”。
<2>enter所代表的元素都该“添加”。
<3>exit所代表的元素都该“删除”。
因此，这种数据绑定（Data-Join）允许开发者在不知道新数据长度的情况下更新图形。将这种类似的处理方案总结为一个模板，代码如下：
需要注意的是exit.remove方法。D3中将数据和元素进行绑定，默认采用的是从上到下的顺序。也就是说来一个数据，就和一个元素绑定。这在没有exit.remove出现的场景中是没有问题的。但当有删除元素的情况出现的话，默认的绑定规则可能会出错。比如说原来是a对1、b对2、c对3，我删除了数据2，理论上应该变成a对1、c对3、b没有数据对应，所以是exit。但是，如前所说，默认绑定规则是从上到下，所以实际上变成了a对1、b对3、c没有数据与之对应。结果c变成了exit，导致了错误。解决办法就是不采用默认的绑定规则，改用按照某种规律进行绑定，如下：
如上所示nodes是按照inst_cd进行绑定，这样再删除数据的时候，就不会出现删除元素错误的情况出现了。
明白了update、enter和exit这三个概念，再来理解D3就容易多了。本例用的是D3的力导向图（Force-Directed Graph）。力导向图是绘图的一种算法，在二维或三维空间里配置节点，节点之间用线连接，称为连线。各连线的长度几乎相等，且尽可能不相交。节点和连线都被施加了力的作用，力是根据节点和连线的相对位置计算的。根据力的作用，来计算节点和连线的运动轨迹，并不断降低它们能量，最终达到一种能量很低的安定状态。
function showInfo(metaID,analyseType){
var height = 1500;
var width = 1500;
nodes_data =[];
edges_data =[];
edgeWidth = 2;
r1 = 40;
r2 = 20;
color = d3.scale.category20();
$.ajax({
type:"post",
url:__contextPath+"/standard/standardGraph/initGraph.d",
async:true,
cache:false,
success:function(result){
if(result==null || result==""){
return "";
}else{
arr=eval('('+result+')');
}
nodes_data=arr.nodes;
edges_data=arr.links;
edges_data.forEach(function (link) {
nodes_data.forEach(function(node){
if(link.source==node.inst_cd){
link.source=node;
}
if(link.target==node.inst_cd){
link.target=node;
}
})
});
svg = d3.select("#standardgraph").append("svg")
.attr("width", width)
.attr("height", height);
force = d3.layout.force()
.nodes(nodes_data)
.links(edges_data)
.size([width, height])
.linkDistance(function(d){
if(d.target.model =="CommonCodeRoot" || d.target.model =="InfoSubject"){
return 300;
}else{
return 100;
}
})
// .friction(0.8)
.charge(-1000)
.on("start",forceStart)
.on("tick", tick)
.start();
// 箭头
drawMarker();
drawLinks();
drawNodes();
// 标签
drawNodes_lables();
drawLinks_text();
function zoomed(){
// svg.attr("transform","translate("+d3.event.translate+")scale("+d3.event.scale+")")
svg.attr("transform","translate("+d3.event.translate+")")
} // d3.event.translate 是平移的坐标值，d3.event.scale 是缩放的值
var zoom = d3.behavior.zoom()
.scaleExtent([-10,10])// 用于设置最小和最大的缩放比例
.on("zoom",zoomed);
// svg.call(zoom);
}
})
}
上图所示是笔者在实际项目中参与完成的、用D3力导向图画出图形的部分代码。后台向前台传进json数据，前台拿到json数据进行处理画图（代码不做讲解，感兴趣的读者可以自行查看D3力导向图的相关知识）。
展示
最后的成果如下：
