下面是一个介绍基本概念的例子，参考链接Graph database concepts：
（1） Nodes（节点）
图谱的基本单位主要是节点和关系，他们都可以包含属性，一个节点就是一行数据，一个关系也是一行数据，里面的属性就是数据库里面的row里面的字段。
除了属性之外，关系和节点还可以有零到多个标签，标签也可以认为是一个特殊分组方式。
（2） Relationships（关系）
关系的功能是组织和连接节点，一个关系连接2个节点，一个开始节点和一个结束节点。当所有的点被连接起来，就形成了一张图谱，通过关系可以组织节点形成任意的结构，比如list，tree，map，tuple，或者更复杂的结构。关系拥有方向进和出，代表一种指向。
（3） Properties（属性）
属性非常类似数据库里面的字段，只有节点和关系可以拥有0到多个属性，属性类型基本和java的数据类型一致，分为 数值，字符串，布尔，以及其他的一些类型，字段名必须是字符串。
（4） Labels（标签）
标签通过形容一种角色或者给节点加上一种类型，一个节点可以有多个类型，通过类型区分一类节点，这样在查询时候可以更加方便和高效，除此之外标签在给属性建立索引或者约束时候也会用到。label名称必须是非空的unicode字符串，另外lables最大标记容量是int的最大值，近似21亿。
（5） Traversal（遍历）
查询时候通常是遍历图谱然后找到路径，在遍历时通常会有一个开始节点，然后根据cpyher提供的查询语句，遍历相关路径上的节点和关系，从而得到最终的结果。
（6） Paths（路径）
路径是一个或多个节点通过关系连接起来的产物，例如得到图谱查询或者遍历的结果。
（7） Schema（模式，类似存储数据的结构）
neo4j是一个无模式或者less模式的图谱数据库，像mongodb，solr，lucene或者es一样，你可以使用它不需要定义任何schema，
Indexes（索引）
遍历图通过需要大量的随机读写，如果没有索引，则可能意味着每次都是全图扫描，这样效率非常低下，为了获得更好的性能，我们可以在字段属性上构建索引，这样任何查询操作都会使用索引，从而大幅度提升seek性能，
构建索引是一个异步请求，并不会立刻生效，会再后台创建直至成功后，才能最终生效。如果创建失败，可以重建索引，先删除索引，在创建即可，然后从log里面找出创建失败的原因然后分析。
Constraints（约束）
约束可以定义在某个字段上，限制字段值唯一，创建约束会自动创建索引。
常用的Cypher语句：
删除节点及关系
MATCH (n)-[r]-()
DELETE n,r单纯删除所以节点,注意：如果存在关系的话，先先删关系，才能删除节点：
match (n)
delete n在使用load csv方式批量增加节点时，会考虑到以下问题：如果节点存在，更新或者增加节点属性；如果节点不存在，创建节点，并设置属性：
MERGE (n:user { id: ‘1’ })
ON CREATE SET n.name= ‘quan’
ON MATCH SET n.name= ‘quan’如何根据一个节点返回关于这个节点的所有信息
MATCH (user:User) WHERE user.id = 460
CALL apoc.path.subgraphAll(user, {maxLevel:4}) YIELD nodes, relationships
RETURN nodes, relationships;