背景描述

使用 tqdm 显示，处理的速度；

笔者使用 py2neo库，调用 neo4j 的API 完成节点插入；
有80万条数据需要插入到neo4j图数据中，在前期处理速度200条每秒，随着程序的运行处理速度越来越慢，200 -> 100 -> 50 -> 30，速度一直降低到每秒处理30条数据；

如果保持原来的速度，1个小时就处理完了，现在就得花费8个小时才能处理完成；

分析

那么到底是什么原因导致速度会越来越慢？
笔者分析之后是因为：笔者会给节点创建关系，首先需要在neo4j图数据库中查询到该节点，再给该节点创建关系。随着图数据库中的节点数量越来越多，就导致查询时间过长，从而形成了随着程序运行插入节点速度变慢的现象。

解决

有很多种办法解决这个问题：

• 记忆背包
  采用记忆背包的办法，将已经创建过的节点，保存在字典中。再给该节点创建关系或者属性时，不再从图谱中查询，而是直接从字典中获取；

• 减少重复查询操作
  尽量减少多次重复的查询操作。
  假如有一个实体的属性表、有一个关系表；为了保证代码的低耦合，通常咱们先往知识图谱中，插入完成属性表；再查询节点，再给该实体插入关系。很明显第二次的节点查询就是重复的查询。
  完全可以考虑，一次性就完成节点属性添加和关系链接操作，这就能减少了一次查询操作；

• 是否需要创建新实体
  通常创建实体时，先在图谱中查询是否有该节点，如果图谱中有则不创建，使用查询得到的节点；
  如果咱们只是想表示某个节点他有哪些关系，那么节点不唯一也可以考虑，那么便不再理会图谱中是否已有该节点，直接创建该节点，然后建立关系即可。

代码参考

我使用下述代码，一次性完成属性添加、孩子节点创建与关系链接；从而实现减少图谱的查询操作；
实现了将原本需要耗费8个小时以上的时间，缩短到2个小时完成neo4j图数据库的插入；

neo4j 工具类

我写的neo4j 工具类如下

• Neo4jDriver: 可以直接拿去使用；
• GuihuaNeo4jClass: 笔者自己项目的一个类，无法直接供大家使用，供大家参考；

Neo4jDriver

import json
from dataclasses import dataclass

from py2neo import Graph, Node, NodeMatcher, RelationshipMatcher, Relationship

from settings import domain_class_name, summary_class_name, ner_schema


# 连接到Neo4j数据库
class Neo4jDriver:
    def __init__(self, url, username, password):
        self.graph = Graph(url, auth=(username, password))
        self.node_matcher = NodeMatcher(self.graph)
        self.relationship_matcher = RelationshipMatcher(self.graph)

    def query_node(self, class_, **kwargs):
        if node := self.node_matcher.match(class_, **kwargs):
            # 节点存在，则获取
            return node.first()

    def create_query_node(self, class_, **kwargs):
        """
        不创建重复节点
        """
        # 节点存在，则获取
        if node := self.query_node(class_, **kwargs):
            return node
        # 节点不存在，则创建
        node = Node(class_, **kwargs)
        self.graph.create(node)
        return node
    
    def create_node(self, class_, **kwargs):
        node = Node(class_, **kwargs)
        self.graph.create(node)
        return node
        
    def query_relationship(self, start_node, rel, end_node):
        r = self.relationship_matcher.match([start_node, end_node], r_type=rel)
        return r.first()

    def create_query_relationship(self, start_node, rel, end_node):
        if r := self.query_relationship(start_node, rel, end_node):
            return r
        self.graph.create(Relationship(start_node, rel, end_node))
    
    def create_relationship(self, start_node, rel, end_node):
        self.graph.create(Relationship(start_node, rel, end_node))

知识图谱构建效果

上图的schema如下：

保山市： file
加快建...是：sentence
最右侧的一列节点是sentence的下面的实体

GuihuaNeo4jClass

简要给大家分享一下，编写GuihuaNeo4jClass的思路：

all_file_node = {}
all_sents_node = {}
all_ner_node = {} # key: (ner_class, name)

如下字典为所有 GuihuaNeo4jClass 实例共有(都可以访问)的字典，用于存储在构建neo4j的过程中，创建的一些节点，这样就无需走neo4j的查询，直接走本地字典的查询，速度会快一点；

下述为创建GuihuaNeo4jClass类，初始化时，需要传入的一些参数：

driver: Neo4jDriver
text: str
prov: str
city: str
filename: str

方法讲解：
get_file_node

def get_file_node(self):
		# 首先在self.all_file_node，查询是否已经有该节点，如果有则直接从字典获取该节点
    if self.filename in self.all_file_node.keys():
        return self.all_file_node[self.filename]
    
    # 字典中没有该节点，表示该节点还没有创建过，准备创建该节点
    # data 字典里面存储的是该节点的一些属性信息
    data = {"name": self.filename, "prov": self.prov, "city": self.city}
    self.file_node = self.driver.create_node("file", **data)

    # 新节点创建完成，将该节点保存到 GuihuaNeo4jClass 的文件字典 self.all_file_node中；
    # self.all_file_node 是每个实例共享的一个类字典；
    self.all_file_node[self.filename] = self.file_node
    return self.file_node

get_sentence_node: 与get_file_node 类似；
add_class: 创建sentence节点，并创建 file -> sentence的关系；
add_ner: 创建在schema定义的一些实体节点，并创建 sentence -> ner_node 的关系；

@dataclass()
class GuihuaNeo4jClass:
    all_file_node = {}
    all_sents_node = {}
    all_ner_node = {} # key: (ner_class, name)


    driver: Neo4jDriver
    text: str
    prov: str
    city: str
    filename: str

    def get_file_node(self):
        if self.filename in self.all_file_node.keys():
            return self.all_file_node[self.filename]
        
        data = {"name": self.filename, "prov": self.prov, "city": self.city}
        self.file_node = self.driver.create_node("file", **data)

        # save
        self.all_file_node[self.filename] = self.file_node
        return self.file_node
        

    def get_sentence_node(self, **kwargs):
        if self.text in self.all_sents_node.keys():
            return self.all_sents_node[self.text]
        
        for key in kwargs.keys():
            assert key in [domain_class_name, summary_class_name]
        data = {
            "sentence": self.text,
        }
        data.update(kwargs)
        node = self.driver.create_node("sentence", **data)
        self.sent_node = node

        # save
        self.all_sents_node[self.text] = self.sent_node
        return self.sent_node

    def add_class(self, domain_info, summary_info):
        self.file_node = self.get_file_node()
        # 给file下面添加text, rel: has_rel
        domain_output = domain_info.outputs[0].text
        summary_output = summary_info.outputs[0].text
        class_data = {
            domain_class_name: domain_output,
            summary_class_name: summary_output,
        }
        self.sent_node = self.get_sentence_node(**class_data)
        self.driver.create_relationship(self.file_node, "has_sentence", self.sent_node)

    def add_ner(self, ner_info):
        """
            给文本句创建节点
            建立一个静态的 llm_ner_label
        """
        try:
            llm_ner_label = ner_info.outputs[0].text
            llm_ner_label = json.loads(llm_ner_label)
        except:
            return
        if not isinstance(llm_ner_label, dict):
            return
        for key, values in llm_ner_label.items():
            if not key in ner_schema:
                continue
            for name in values:
                if (key, name) in self.all_ner_node.keys():
                    ner_node = self.all_ner_node[(key, name)]
                else:
                    ner_node = self.driver.create_node(key, name=name)
                    # save
                    self.all_ner_node[(key, name)] = ner_node
                self.driver.create_relationship(self.sent_node, 'has_ner', ner_node)