使用 Go 批量向 Neo4j 插入 1000+ 节点时，避免逐节点并发执行单条 CREATE，应采用参数化 UNWIND 批处理方案，配合现代驱动（如 go-cq），可将耗时从 8 秒降至数百毫秒。
使用 go 批量向 neo4j 插入 1000+ 节点时，避免逐节点并发执行单条 `create`，应采用参数化 `unwind` 批处理方案，配合现代驱动（如 `go-cq`），可将耗时从 8 秒降至数百毫秒。
在 Go 生态中操作 Neo4j，性能瓶颈往往不在于网络或数据库本身，而在于客户端调用模式。原始代码中对每个节点启动 goroutine 并单独执行 Cypher 查询，不仅引入高并发开销（连接争用、事务频繁启停），还因未复用会话、未批量提交，导致大量 HTTP 请求与解析开销——1000 次独立 CREATE 即使并发，仍可能触发 Neo4j 的事务日志压力与驱动序列化瓶颈。
推荐方案：单次请求 + UNWIND 批量写入
Neo4j 原生支持通过 UNWIND 将参数列表展开为多行数据，实现“一次请求、千条创建”。以下为基于现代驱动 go-cq（替代已停滞的 neoism）的优化实现：
import (
"context"
"fmt"
"time"
"github.com/go-cq/cq"
)
// 假设 items 是 []map[string]interface{} 类型的属性切片
func batchInsertItems(db *cq.Driver, items []map[string]interface{}, label string) error {
ctx, cancel := context.WithTimeout(context.Background(), 30*time.Second)
defer cancel()
// 构建 UNWIND 查询：将整个 items 切片作为参数传入
query := fmt.Sprintf(`
UNWIND $data AS props
CREATE (n:%s) SET n = props
RETURN count(n) AS createdCount`, label)
params := map[string]interface{}{
"data": items, // 自动序列化为 JSON 数组，如 [{"name":"A"},{"name":"B"}]
}
var result struct {
CreatedCount int `json:"createdCount"`
}
if err := db.Run(ctx, query, params, &result); err != nil {
return fmt.Errorf("batch insert failed: %w", err)
}
fmt.Printf("✅ Successfully inserted %d nodes in %.2f ms\n",
result.CreatedCount,
float64(time.Since(start).Milliseconds()))
return nil
}
关键优化点说明：
- ✅ 单次网络往返：1000 节点仅需 1 次 HTTP/HTTPS 请求，消除 TCP 连接与 TLS 握手开销；
- ✅ 服务端高效执行：UNWIND 由 Neo4j 查询引擎原生优化，比循环 CREATE 快 5–10 倍；
- ✅ 事务原子性：整个批次在单个事务中提交，保障一致性（失败则全部回滚）；
- ✅ 驱动现代化：go-cq 支持 Bolt 协议 v4+、上下文取消、结构化错误处理，远优于 neoism（仅支持旧版 REST API 且无维护）。
注意事项：
- 单批次不宜过大（建议 ≤ 10,000 节点），避免内存溢出或查询超时；超量数据请分块（如每 500–2000 条一批）；
- 若节点含关系，可扩展为 UNWIND $data AS row CREATE (n:Label) SET n = row.node WITH n, row MATCH (m:Other) WHERE m.id = row.relToId CREATE (n)-[:REL]->(m)；
- 生产环境务必启用连接池（cq.NewDriver("bolt://...", cq.PoolSize(16))），并配置合理 MaxIdleConns 和 MaxOpenConns；
- 首次导入大量数据前，建议禁用约束检查（db.Run(ctx, "CALL db.awaitIndex('...', '...')", nil, nil) 后再建索引），加速写入。
综上，摒弃“为每个节点起 goroutine + 单条查询”的反模式，转向参数化批量 UNWIND，是 Go 操作 Neo4j 实现高性能数据导入的核心实践。
