2

我正在尝试使用 Neo4j 构建 MDM。我只是想用一些属性来模拟我们的客户数据库，比如电子邮件、documentNumber、地址、电话、手机等。

问题是我们的数据库太脏了。例如，我有具有相同 documentNumber 的用户（它就像一个 ssn。）。当我查看这些注册表时，我可以看到它们实际上是同一个人。

为了通过关系发现模式，我需要删除/清理记录。但是我担心在重复记录时会丢失信息。

第一种方法：

<customer>
    <name>Maria da Silva</name>
    <document>108518037-92</document>
    <phone>
        <areaCode>21</areaCode>
        <number>2247223A<number>
    <phone>
</customer>

<customer>
    <name>Maria da S.</name>
    <document>10851803792</document>
    <phone>
        <areaCode>21</areaCode>
        <number>2247-2236<number>
    <phone>
</customer>

所以我可以存储图表：（使用“密码”语言）

person1:Person {name:"Maria da Silva", document:"108518037-92"}
phone1:Phone {areaCode:"21", number:"2247223A"}
person1-[owns]->phone1

person2:Person {name:"Maria da S", document:"10851803792"}
phone2:Phone {areaCode:"21", number:"2247-2236"}
person2-[owns]->phone2

然后我可以创建一个规范化/清理过的节点：

person_mdm:PersonMdm {name:"MARIA DA SILVA", document:"10851803792"} // now i have to choose a name
phone_mdm:PhoneMdm {areaCode:"21", number:"22472236"} // and choose a phone too

然后将原始节点链接到规范化节点：

person_mdm-[references]->person1
person_mdm-[references]->person2

phone_mdm-[references]->phone1
phone_mdm-[references]->phone2
person_mdm-[owns]->phone_mdm

第二种方法

将 mdm 节点与包含哈希的属性列表一起存储。这些哈希引用了其他数据库（例如 MongoDB）中的记录：

person_mdm:PersonMdm {name:"MARIA DA SILVA", document:"10851803792", hash:[XXX, YYY]}
phone_mdm:PhoneMdm {areaCode:"21", number:"22472236", hash: [ZZZ, KKK]} 
person_mdm-[owns]->phone_mdm

第一种方法：

(+) 与第二种方法相比，它易于实现

(+) 我将所有节点都放在一个数据库中

(-) 节点数爆炸

(-) 查询更复杂

第二种方法：

(+) 查询简洁明了

(-) MDM 信息存储在两个不同的数据库中（维护）

(-) 必须维护两个独立的数据库

4

1 回答 1

2

我们通常采用第一种方法。类似的东西

person1:Person {name:"Maria da Silva", document:"108518037-92"}
phone1:Phone {areaCode:"21", number:"2247223A"}
person1-[:OWNS]->phone1

person2:Person {name:"Maria da S", document:"10851803792"}
phone2:Phone {areaCode:"21", number:"2247-2236"}
person2-[:OWNS]->phone2

person1-[:SAME_AS]->person2

只要您没有数十亿，我就不会担心节点的数量。Neo4j 可以处理很多节点，因为它们占用的空间非常小。

当然，查询会变得更复杂一些。但另一方面，您必须在某处进行清理/重复数据删除，并且在查询时执行此操作可确保您不会丢失任何原始信息。它还使您可以灵活地更改/发展重复数据删除逻辑，甚至每个用例都有不同的逻辑。

于 2015-12-08T08:02:24.763 回答