Banco de Grafos Neo4j

O modelo relacional de banco de dados é provavelmente o mais utilizado pelas aplicações para a grande maioria das soluções de software, mas como vimos no post sobre Nosql existem outras alternativas para os problemas em que o relacional não atende bem. Uma dessas alternativas é o banco de grafos que foca nos relacionamentos dos registros, ajudando a obter informações complexas muito rapidamente. Nesse artigo será mostrada uma introdução sobre banco de grafos e o Neo4j, dando uma idéia sobre a tecnologia.

“É um erro terrível teorizar antes de termos informação.”

– Arthur Conan Doyle

História

A teoria dos grafos surgiu pela primeira vez em 1736 por Leonhard Euler para resolver um problema chamado de as 7 pontes de Königsberg (atual Kaliningrado). Seis delas interligavam duas ilhas às margens do Rio Pregel e uma que fazia a ligação entre as duas ilhas. O problema consistia na seguinte questão: como seria possível fazer um passeio a pé pela cidade para se passar uma única vez por cada uma das sete pontes e retornar ao ponto de partida?

Sete pontes de Königsberg

Euler focou apenas no problema removendo todos os detalhes geométricos do mesmo (distância, tamanho das pontes, formas etc) e apresentou uma solução que além de provar que não era possível passar apenas uma vez por cada ponte, como a forma de solução poderia ser aplicada a outros problemas semelhantes. Assim surgiu a teoria dos grafos.

Definição de grafo

E o que é um grafo? São vértices unidos por arestas (linhas):

Grafo

Essa composição do grafo foi adaptada e trazida para a ótica do banco de dados que mudou um pouco os conceitos para * nós* e relacionamentos. Em uma base de grafos o nó armazena as informações de uma entidade e os relacionamentos as informações de como as entidades se relacionam.

Quando o Relacional não Atende

Como citado anteriormente o modelo relacional atende a maioria dos problemas, mas cria muitas dficuldades para o desenvolvedor quando há um grande aumento da coleção dos dados (performance) e/ou quando a normalização introduz complexidade (mapeamento do código para o modelo de dados).

No caso do aumento de dados e queda de performance o desenvolvedor pode criar índices nas colunas de junção (joins), mas cada vez que for necessário utilizar uma coluna que não tenha índice a performance irá cair, e a cada criação de índice será utilizado cada vez mais espaço em disco para os índices, criando um ciclo vicioso difícl de se administrar.

E a complexidade introduzida pela normalização? Quando é necessário criar joins entre mais de cinco tabelas ou alterar a forma de criar o código da aplicação para cada mudança de esquema do banco, isso faz com que o desenvolvedor distancie o modelo de código do mundo real e o adapte para o modelo do banco.

Grafos são Bons para tratar Complexidade

Os bancos relacionais são excelentes para responder perguntas como “quem comprou esse produto?”, mas não tão bons quando queremos perguntar “quem comprou este produto que também comprou este produto?”, quando queremos extrair mais e mais informações relacionadas de forma transversal aumentamos a clomplexidade das consultas, para esses casos podemos utilizar o banco de grafos, pois a representação por um gráfico não se afasta muito real e é fácil de entender.

Hoje o mundo real apresenta domínios ricos, complexos, conectados e muitas vezes semi estruturados. O banco de dados de grafos além de representar melhor dados e relacionamentos, possui uma performance superior aos bancos relacionais para consultas complexas com vários níveis de relações.

Gráfico versus Relacional

Observando a imagem anterior dá pra perceber qual modelo é mais natural?

Banco de Dados de Grafos

O banco de grafos é uma base de dados que armazena explicitamente uma estrutura em grafo onde cada nó conhece os nós adjacentes. Devido à forma de como os nós estamos estruturados ao ter aumento no número de registros, o custo de busca se mantém o mesmo.

O Neo4j

Principal banco de grafos do mercado, foi criado em 2003 pela Neo Technology possui código aberto escrito sobre a JVM ( com Scala e Java). O Neo4j é escalável, é ACID, possui suporte a alta disponibilidade (na versão enterprise), pode ser utilizado embarcado ou como servidor, fornece uma API REST para operações e possui uma linguagem própria de consulta chamada Cypher.

A Linguagem Cypher

É uma linguagem declarativa inspirada no SQL e utiliza uma sintaxe ascii-art para representar padrões de nós e relações no gráfico. O Cypher possui conceito de variáveis que representam elementos e parâmetros. A linguagem permite criar, atualizar e remover nós, relacionamentos, rótulos e propriedades, além de gerenciar índices e restrições.

Exemplo de query em Cypher

Definir uma variável permite utilizar a mesma posteriormente para acessar determinada propriedade, exemplo:

MATCH (node:Label) RETURN node.property

MATCH (node1:Label1)-->(node2:Label2)
WHERE node1.propertyA = {value}
RETURN node2.propertyA, node2.propertyB

Você pode testar o Cypher on-line através do Console Neo4j em console.neo4j.org e ler a documentação completa e utilizar o cartão de referência da linguagem.

Concluindo

Conhecer outras formas de armazenar e recuperar dados irá ajudar nas suas soluções, permitindo utilizar o melhor das várias tecnologias existentes para o caso mais adequado. Torna-se um poliglota de persistência permite escolher a fonte (ou fontes) de dados mais adequadas para o seu software.

Aprenda Mais

Caso tenha se interessado e queira se aprofundar, recomendo que além da documentação procure as fontes a seguir, pois além de ensinarem sobre o Neo4J são ótimas referências para aprender sobre banco de dados de grafos.

Fontes