Introduction
Les bases de données graphe sont maintenant au coeur des piles technologiques utilisées par les entreprises traitant des données hautement connectées.
Les graphes business, graphes sociaux, graphes de connaissances, graphes d’intérêts et graphes de médias sont des termes quotidiennement retrouvés dans les nouvelles technologiques.
Et ceci pour une bonne raison. Le modèle graphe vous offre une manière flexible de traiter les relations qui existent dans vos données. Et les bases de données graphes vous offrent une solution rapide et efficace pour stocker, retrouver et interroger ces données.
Neo4j, la base de données graphe la plus populaire, a prouvé son abilité à traiter de larges quantitiés de données ultra-connectées dans beaucoup de cas d’usage. Durant la dernière édition du GraphConnect, des compagnies comme TomTom et Ebay’s Shutlle ont démontré le gain que leur apportait l’adoption de Neo4j afin d’offrir une expérience utilisateur unique à leurs clients ou editer des mappings de cartographie.
Neo4j est développé et supporté par Neo Technology, une startup qui est devenue une société respectée dans le monde des bases de données.
Qu’est-ce qu’un graphe ?
Un graphe est une structure de données générique, composée de noeuds (entités) reliées par des relations. Dans le modèle de graphe à propriétés, chaque noeud et relation peut être libellée et contenir plusieurs propriétés les décrivant.
Qu’est-ce qu’une base de données graphe ?
Une base de données graphe est une base de données optimisée pour les opérations sur les données connectées.
Les bases de données graphe fournissent une performance de haut niveau pour des opérations en ligne en utilisant des structures de stockage dédiées aux noeuds et relations. Elles ne doivent pas calculer les relations (JOINTURES) au moment de la requête mais les enregistrent efficacement comme part entière de votre donnée.
Prenons un cas d’usage classique, où des utilisateurs suivent d’autres utilisateurs.
Un utilisateur sera représentée par un noeud et peut avoir un libellé et des propriétés. Les libellés peuvent servir à définir les différents rôles de vos noeuds.
Le lien entre ces deux utilisateurs sera représenté par une Relation, qui peut également avoir des propriétés et un type représentant la nature de cette relation. Les relations ajoutent une signification sémantique à vos données.
En analysant le graphe, nous pouvons nous rendre compte qu’il est naturel de représenter nos données dans un graphe et de l’enregistrer dans une base de données graphe.
Cypher, le langage de requêtes Neo4j
Requêter un graphe peut sembler difficile au premier abord. Afin de simplifier ce processus, Neo4j a développé Cypher, un langage de requêtes déclaratif orienté graphes, optimisé pour la lisibilité and la facilité d’expression humaine pour les développeurs, administrateurs et les experts de domaines.
Etant déclaratif, Cypher se tourne sur l’expression de demander que retrouver dans le graphe et non comment le retrouver.
Le langage se compose de plusieurs clauses distinctes. Vous pouvez en apprendre d’avantage dans le manuel Neo4j.
Voici une liste non-exhaustive des clauses quotidiennement utilisées pour lire et mettre à jour le graphe :
| MATCH | Trouve un “exemple” de motif que vous définissez dans le graphe. |
| WHERE | Filtre les résultats avec des prédicats, comme en SQL. Il y a beaucoup de prédicats en Cypher cependants, incluant les opérations de collection et les MATCH de graphes. |
| RETURN | Retourne un résultat de requête sous la forme demandée, valeurs scalaires, éléments de graph, chemins, collections ou même documents. |
| CREATE | Crée des éléments de graphe (noeuds ou relations) avec les libellés et propriétés. |
| MERGE | Trouve ou crée des motifs. C’est une combinaison de MATCH et CREATE. |
Cypher est avant-tout orienté motifs, signifiant que vous décrivez une représentation visuelle que vous avez déjà vues en texte (ASCii-art). Il utilise les parenthèses pour définir les noeuds (comme (u:User)) et des flèches (comme -→ ou -[:SUIT]→ ) pour les relations.
En regardant le dernier graphes des utilisateurs, une requête demandant de retrouver Hannah Hilpert et les utilisateurs la suivant peut être écrite de la façon suivante :
MATCH (user:User {name:'Hannah Hilpert'})<-[:FOLLOWS]-(follower)
RETURN user, followerQuelques notions de Franglais
La communauté Neo4j est magnifique, composée de personnes vraiment très compétentes et super sympathiques. Beaucoup de ressources sont disponibles sur Internet mais peu malheureusement sont en Français.
L’initiative de la traduction du manuel, dont je suis à l’origine, a pour l’instant été stoppée jusqu’à ce qu’un processus de traduction efficace soit mis en place.
Afin donc de ne pas vous perdre sur la toile, voici quelques notions Français ⇒ Anglais qui pourront vous être utiles afin de trouver des informations sur le net.
| Noeud | Node Représentant une entité dans votre graphe |
| Libellé | Label Permet de grouper les noeuds par utilisation, par exemple les labels User, Person, Category, Color, … |
| Type | Type de la relation, permet d’ajouter un sens à vos relations, par exemple :CONNAIS, :SUIT, :TRAVAILLE_CHEZ, :AIME_PRODUIT |
| Chemin | Path Séquence de noeuds et de relations entre deux points du graphe |
Cas d’usages classiques
1. Recommandation de produits
Dans l’exemple de modèle suivant, nous traçons l’achat de produits par des utilisateurs. Le schéma classique est
- Un noeud Personne
- Un noeud Produit
- Une relation :ACHETE entre Personne et Produit
Il suffit d’une simple visualisation du graphe pour s’apercevoir que Ambrose et Noemie ont acheté deux produits en commun. Nous pourrions donc recommander à Ambrose les autres produits que Noemie a acheté.
Et en Cypher, il est tout aussi facile de le faire que de le dire :
MATCH (ambrose:Personne {firstname:'Ambrose'})
MATCH (noemie:Personne {firstname:'Noemie'})
MATCH (ambrose)-[:ACHETE]->(produit:Produit)<-[:ACHETE]-(noemie)-[:ACHETE]->(produit2)
WHERE NOT (ambrose)-[:ACHETE]->(produit2)
RETURN ambrose, produit2 as recommandationsLe résultat suivant est retourné :
2. Analyse d’impact réseau
Dans ce deuxième exemple, prenons un cas (simplifié) où des clients de service internet sont reliés à des routeurs qui eux sont reliés à des centrales.
Comme pour le cas précendent, visualiser le graphe ne vous demande aucun effort et cette visualisation en graphe vous permet de mieux comprendre vos données.
Nous pouvons analyser directement quels clients seront touchés en cas de travaux ou une panne sur un des routeurs ou une centrale.
Conclusion
Le but de ce billet était de titiller votre curiosité et de vous faire découvrir les bases de données graphe, et particulièrement Neo4j. Nous avons pu constater que le traitement de données connectées est naturel dans un graphe et que vous pouvez avoir un aperçu direct de l’impact de ces relations.
Si vous avez hâte d’utiliser Neo4j, vous pouvez l’installer en version embarquée pour Java ou en version serveur disponible ici. La version serveur propose une API ReST et vous trouverez un driver en fonction de votre langage de programmation sur cette page.
Vous pouvez consulter le net (ou attendre mon prochain billet) pour en découvrir d’avantage sur Neo4j et ces multiples cas d’usage.
J’en profite aussi pour vous inviter à assister à un de nos nombreux meetups en France ou en Belgique dont voici la liste des liens :
- Neo4j GraphDB Paris
- Neo4j GraphDB Lyon
- Neo4j GraphDB Lille
- Neo4j GraphDB Bordeaux
- Neo4j GraphDB Toulouse
- Neo4j GraphDB Nantes
- Neo4j GraphDB Montpellier
- Neo4j GraphDB Bruxelles
Merci pour votre lecture, et je vous dis à bientôt.
Vous avez trouvé une faute ? N’hésitez pas à me le signaler ou en la corrigeant ici.
Arghh il n’y a pas de systèmes de commentaires ! Je sais je pourrais facilement ajouter un bloc disqus ou similaire, mais afin de ne pas devoir regarder partout à la fois, je vous propose de poser vos questions sur le Forum Neo4j FR ou sur StackOverflow en taggant votre question avec “neo4j”.
Si vous avez aimé mon billet, n’hésitez pas à le partager sur la toile.