Neo4j导入400万条FOLLOWING关系过慢，排查及优化咨询

你的导入速度慢确实和当前查询语句存在直接关系，同时还有配置和操作层面的优化空间，具体如下：

一、查询语句的核心问题 #

1. MATCH未指定节点标签
   当前的MATCH语句MATCH (u1 {id: row._s}), (u2 {id: row._t})没有明确指定:User标签。这种情况下，Neo4j无法精准调用已创建的User.id索引，可能触发全节点扫描——即使索引存在，数据库也不知道你要匹配的是哪种标签的节点。

2. 并行MERGE的锁竞争
   开启parallel: true后，多线程同时处理关系创建时，若CSV中存在大量重复的u1→u2关系组合，线程间会频繁竞争关系锁，导致大量等待时间，反而拖慢导入速度。

二、针对性优化措施 #

1. 修正MATCH语句，强制使用索引 #

给MATCH语句加上:User标签，确保数据库直接利用索引快速定位节点：

CALL apoc.periodic.iterate(
"LOAD CSV WITH HEADERS FROM 'file:///cleaned_follows_output.csv' AS row RETURN row",
"MATCH (u1:User {id: row._s}), (u2:User {id: row._t}) MERGE (u1)-[:FOLLOWING]->(u2)",
{batchSize: 10000, parallel: true}
);

2. 调整批量大小与并行设置 #

• 若CSV中重复关系较多，建议关闭并行：将parallel: false，避免锁竞争。
• 根据服务器内存情况调整batchSize，比如提升到20000或50000（需确保内存充足，避免内存溢出）。

3. 预处理CSV去重 #

用Python、SQL等工具提前对CSV中的_s和_t组合去重，减少MERGE的重复判断操作，能大幅提升导入效率。

4. 检查数据类型一致性 #

确认CSV中row._s、row._t的数据类型与User节点的id属性完全一致（如均为整数或均为字符串）。类型不匹配会导致索引失效，触发全表扫描。

5. 离线导入（超大数据量推荐） #

若数据库可停机维护，使用neo4j-admin import工具进行离线导入，这是Neo4j官方最快的导入方式，比APOC迭代导入速度快数倍。示例命令（需提前准备好节点和关系CSV）：

neo4j-admin import \
  --nodes=User=users.csv \
  --relationships=FOLLOWING=cleaned_follows_output.csv \
  --database=your-db-name

6. 调整数据库内存配置 #

修改Neo4j配置文件（neo4j.conf），加大堆内存和页缓存：

dbms.memory.heap.max_size=16G
dbms.memory.pagecache.size=24G

具体数值根据服务器总内存调整，一般堆内存占总内存的1/4~1/3，页缓存占剩余大部分资源。

内容的提问来源于stack exchange，提问作者osaro