Neo4j导入数据有几种方式：
- Cypher creater语句，既通过语句创建导入，同insert一样，每一条数据写一个create
- Cypher load csv语句，将数据转成CSV格式，通过LOAD CSV读取数据
- 官方提供的neo4j-import工具，现在被neo4j-admin import代替
- 大牛编写的 batch-import 工具
- neo4j-apocload.csv +apoc.load.relationship
关于Neo4j导入数据的问题？
当我们在create创建语句导入数据时，因为这样的数据导入是在Neo4j事物处理框架内执行的，如果对大量数据进行操作时，需要根据具体情况选择导入方式。如果大批量初始化，则用Neo4j-import自带的高性能导入工具；增量数据的同步加载又不想暂停数据库服务，那就要用load csv，也是Neo4j自带的导入工具；如果可以忍受服务器的短暂关闭，可以用batch-import方式。
Create语句
一般情况下会很少使用create语句的方式去导入数据，create除了比较麻烦之外还比较耗费系统的资源，且在写入时是一条数据一条数据的方式进行写入，所以效率方面异常的慢，这里就不做太多的介绍(可参考官方方法，官方文档见文章末尾链接)。
Load csv方式【链接】
Load CSV也是Neo4j官方给出的一种导入数据的工具，适合中小型数据量的导入，大概千万级别，官网给出的事例方法：
USING PERIODIC COMMIT 10000 LOAD CSV WITH HEADERS FROM "file:customers.csv" AS row CREATE (:Customer {companyName: row.CompanyName, customerID: row.CustomerID, fax: row.Fax, phone: row.Phone});- 导入之前可以先建立索引
通常我们在导入数据之前可以创建INDEX，能够适当的提高导入效率。
事例语句：
CREATE INDEX ON :Product(productID);
实际建立索引过程：
CREATE INDEX ON :phone(phone_no)导入我们事先准备好的详单通话数据，数据可以放在neo4j目录下的import文件夹下。
具体本地neo4j的导入语法为：
USING PERIODIC COMMIT 100000 LOAD CSV WITH HEADERS FROM "file:///neo4j_phone.csv" AS row CREATE (:phone {phone_no: row.pnone_no});这里的CREATE也可以换成MERGE，使用MERGE时可以避免导入的数据重复，这里还需要注意一个点为，如果我们的CSV文件的行是列名，就可以用以上语法with herders来确认行的列名，如果行直接就为需要导入的数据，则需要对语法进行简单的修改。
USING PERIODIC COMMIT 100000 LOAD CSV FROM "file:///neo4j_phone.csv" AS row CREATE (:phone {phone_no: row[0]});以上18万的节点（节点不带任何的属性）花费时间为5384MS，5.3秒，平均3W/S
- 接下来我们导入节点之间的关系数据，关系数据同节点数据都在同一个文件夹下
官方事例导入关系数据语法：
USING PERIODIC COMMITLOAD CSV WITH HEADERS FROM "file:orders.csv" AS rowMATCH (order:Order {orderID: row.OrderID}) MATCH (product:Product {productID: row.ProductID}) MERGE (order)-[pu:PRODUCT]->(product)ON CREATE SET pu.unitPrice = toFloat(row.UnitPrice), pu.quantity = toFloat(row.Quantity);实际操作过程中导入语法为：
USING PERIODIC COMMIT 100000 LOAD CSV WITH HEADERS FROM "file:///neo4j_relationship.csv" AS row MATCH (from:phone{phone_no: row.mobile}),(to:phone{phone_no: row.another_nm}) MERGE (from)-[c:call{call_count:row.call_count,comm_time_sum:row.comm_time_sum,start_time_min:row.start_time_min,start_time_max:row.start_time_max}]->(to)同样的，如果文件开头带有列名可以按照以上方式导入，如果文件开头直接为数据，可参考以下语法进行导入。
USING PERIODIC COMMIT 100000 LOAD CSV FROM "file:///neo4j_relationship.csv" AS row MATCH (from:phone{phone_no: row[0]}),(to:phone{phone_no: row[1]}) MERGE (from)-[c:call{call_count:row[2],comm_time_sum:row[3],start_time_min:row[4],start_time_max:row[5]}]->(to)created 206813 relationships, completed after 20368 ms。创建20万条边共花费20秒，性能在1W/s。
总结：对于LOAD CSV工具，性能上表现中规中矩，不算快也不算很慢，对于处理中小型数据量的数据有优势，不用停机可实时导入，利用MERGE可以防止重复数据的导入，在做每日增量数据的导入时是一个不错的方案，还需要注意的是，在commit提交数据的过程中可以限制1W或者10W提交一次，以防对内存的消耗过大或占用太多资源而影响到库的其他服务。
Batch-import方式
Batch-import的原项目地址为：链接，此工具是在neo4j自带批量导入工具基础上的进一步优化，在使用内存和增量导入上做了优化。
环境准备：jdk7以上java环境，maven环境，java项目IDE工具（IDEA），Neo4j版本3.1.1以下版本。
- 从github上down下代码，用maven进行打包，将打完包的jar文件与项目本身以来的jar一起放在lib文件夹下。
- 对项目目录中的Importer对象进行打包。将打包完成的jar包和项目本身以来jar一起放在lib文件夹下，或者也可以将所有jar打包成一个大的jar包，batch.properties文件和执行导入的脚本放在lib同级目录下，具体如下：
- 组装CSV文件，节点csv文件的列是固定的，列值为此节点的label名称，第二列为index，它的列头为id:string:indexName格式，id为列名可以自己定义，string为数据类型，indexName是Neo4j数据库所要导入的索引名称。
具体的节点文件格式为：
l:label,phone_no:String:phoneID
phone,18768883717关系csv文件需要注意的是列是关系的起始节点，第二列是关系的结束节点，第三列是关系类型，后面的就是关系的属性，只需要注意前三列就可以了。
:string:phoneID,:string:phone_to,call_count:int,comm_time_sum:int,start_time_min:string,start_time_max:string
13141285294,4008200588,5.0,11.716666666666669,2016-06-26 12:56:39,2016-07-10 12:05:14
13141285294,13811495517,1.0,1.6666666666666663,2016-06-21 12:06:06,2016-06-21 12:06:06- 修改batch.properties文件，主要修改两个地方，如果在现有的库中导入，batch_import.keep_db=true，将节点csv文件中的所有索引名称加入到文件中，比如上面的phoneID，那就在文件中加入batch_import.node_index.buyerId=exact。
- 导入，import.bat和import.sh都可以进行导入执行命令：
Sh Import.sh XXX.db node.cvs rel.csv
其中db是图数据库的db文件夹。再导入过程中需要注意neo4j的版本不能太高，目前此工具支持到高版本的neo4j是3.1.1所以这里要注意一下。
import方式导入
具体方法可以参见Neo4j的官网，这里就不做赘述。
Apoc方式
首先需要安装apoc，具体安装可以下载apoc-all的jar包，将jar包放在neo4j安装目录的installation-3.5.0\plugins文件夹下，另外在conf文件夹下的conf文件中加入以下内容：
#apoc配置内容
dbms.security.procedures.unrestricted=apoc.*
apoc.import.file.enabled=true
apoc.export.file.enabled=true重启neo4j服务即可，界面运行return apoc.version()验证是否安装成功
接下来就可以使用apoc进行数据的导入，语法上和load csv没有太大的区别，并且apoc还带有其他的一些功能可以使用：
Load csv from “filepath” as line filedterminator ‘,’ Merge (n1:phone {phone_no:line[0]}) Merge (n2:phone {phone_no:line[1]}) With n1, n2 line Call apoc.create.relationship(n1, line[2], {}, n2) yield rel Return count(rel);后续会有单独的一章介绍apoc工具。
参考文档：
Awesome Procedures On Cypher来自
Efficient Graph Algorithms for Neo4j
Batch-import导入数据：
https://my.oschina.net/u/2538940/blog/883829
