Neo4j查询仅占用单核，如何实现多核并行处理100万关系数据

核心问题说明 #

你当前使用的原生Cypher查询默认单线程执行，因此只能调用单核资源，加上无上限的可变长度路径[r*]会产生巨量计算开销，是运行慢的核心原因。

并行实现方案 #

社区版方案（无需升级，用APOC实现） #

apoc.cypher.parallel2支持社区版使用，使用前需要先修改neo4j.conf配置文件，追加以下配置后重启实例：

dbms.security.procedures.unrestricted=apoc.*
apoc.import.file.enabled=true

核心思路是把所有起始:address节点拆成多个批次，多线程并行执行每个批次的路径查询，优化后的代码如下：

// 收集所有起始地址节点ID，分批并行计算
MATCH (a:address)
WITH collect(id(a)) AS allAIds
CALL apoc.cypher.parallel2(
  '
  MATCH p=(a:address)-[r*]->(b:address)
  WHERE id(a) IN $batchAIds AND NOT (b)-[]->(:address)
  WITH a, LAST(nodes(p)) AS c, length(p) AS depth
  RETURN a.add_id AS a_id, c.add_id AS c_id, max(depth) AS max_depth
  ',
  {batchAIds: $batch},
  {batchSize: 2000, parallel: true}
) YIELD value
RETURN value.a_id, value.c_id, value.max_depth
ORDER BY value.a_id

• batchSize可根据机器配置调整，推荐1000~10000区间，数值过小会增加调度开销，过大则单批次计算时间过长。

企业版方案（升级后最优解） #

升级到Neo4j企业版后，自带并行运行时，不需要修改查询逻辑，只需要在查询开头加一行参数即可自动调用所有CPU核心执行：

CYPHER runtime=parallel
MATCH p=(a:address)-[r*]->(b:address)
WHERE NOT (b)-[]->(:address)
WITH a, LAST(nodes(p)) as c,length(p) as depth
RETURN a.add_id, c.add_id,max(depth)
ORDER BY a.add_id
;

该方案适配性更强，不需要手动分片，性能提升幅度比社区版用APOC更高。

额外优化建议 #

• 给可变长度路径增加上限，比如[r*1..10]，如果业务允许的话可以避免无意义的长路径递归，性能提升非常明显。
• 提前创建索引加速查询和排序：CREATE INDEX idx_address_add_id FOR (n:address) ON (n.add_id);
• 原查询中WITH子句的b变量和LAST(nodes(p))完全等价，可以直接删除冗余的b变量，减少内存占用。

内容的提问来源于stack exchange，提问作者zulfi123786