專為連接性設計的查詢語言 – Cypher

Q: 學過 SQL 之後學 Cypher 會很難嗎?

不會。兩者的關鍵字概念（`MATCH` 對應 `SELECT`、`WHERE` 篩選、`RETURN` 對應輸出欄位）高度相似，主要差異在於 Cypher 用箭頭符號直接表達關係方向，不必靠 JOIN 拼接。

Cypher 是 Neo4j 圖形資料庫的查詢語言，設計靈感來自 SQL，但操作對象從表格換成了節點（Node）和關係（Relationship）。同樣是要問「誰的主管是誰」這種問題，SQL 需要靠好幾層 JOIN 才能拼出答案，Cypher 直接把關係寫進查詢語法裡，讀起來更接近你腦中原本的那張關係圖。

Cypher 跟 SQL 有什麼不一樣？

SQL 針對的是表格資料，關聯要靠外鍵和 JOIN 一層層串起來；Cypher 針對的是圖形資料，關係本身就是查詢的一部分，用箭頭符號直接畫出節點之間怎麼連。查一個組織的主管鏈就是最直接的例子，兩種語言的差異一比就懂：

SELECT *
FROM employees e
JOIN departments d ON e.department_id = d.department_id
JOIN locations l ON d.location_id = l.location_id
WHERE e.manager_id IS NULL;

換成 Cypher，同樣的查詢意圖寫成這樣：

MATCH (e:Employee)-[:MANAGES*0..]->(m:Employee)
WHERE m.manager_id IS NULL
RETURN e

-[:MANAGES*0..]-> 這段語法直接表達「沿著 MANAGES 關係走任意層」，不需要額外的 JOIN 去拼表格。資料本身如果就是高度連結的（社交網路、組織架構、推薦系統），這種寫法會比 SQL 省事很多。

Cypher 查詢的基本組成有哪些？

Cypher 把圖形資料的操作拆成幾個關鍵字，各自負責一件事：

CREATE：建立節點和關係。
MATCH：尋找符合特定模式的節點和關係。
WHERE：對 MATCH 或其他操作的結果加上篩選條件。
RETURN：指定要回傳的資料。
SET：更新節點或關係的屬性。
DELETE：刪除節點或關係。

這幾個關鍵字組合起來，就能涵蓋從建模到查詢的完整流程。

如何用 Cypher 建立節點和關係？

先建立兩個節點，一個是人、一個是學校：

CREATE (p:Person {name: "John", age: 25})
CREATE (s:School {name: "Stanford University", location: "California"})

Person 和 School 是節點標籤，用來標示節點的類型；花括號裡的是這個節點的屬性。接著把兩者連起來：

MATCH (p:Person {name: "John"}), (s:School {name: "Stanford University"})
CREATE (p)-[:STUDIED_AT]->(s)

MATCH 先找出名字是 John 的人和名字是 Stanford University 的學校，CREATE 再建立一條叫 STUDIED_AT 的關係，方向是從人指向學校。這個「先找節點、再建關係」的順序，是 Cypher 建模時最常見的寫法。

怎麼從既有的 CSV 資料批次匯入？

手動一筆一筆 CREATE 只適合示範，實際資料通常是現成的 CSV。Cypher 提供 LOAD CSV 直接讀檔匯入：

LOAD CSV WITH HEADERS FROM 'file:///path_to_your_file.csv' AS line
CREATE (:Person {name: line.name, age: toInteger(line.age)})

這行會依照 CSV 每一列的資料建立一個 Person 節點，line.name、line.age 對應到 CSV 的欄位名稱，toInteger() 則負責把字串型態的年齡欄位轉成數字。資料量大的時候通常會搭配 USING PERIODIC COMMIT 分批提交，避免單一交易吃掉太多記憶體。

匯入完成後可以用查詢驗證資料是否正確落地，例如列出所有學生和他們就讀的學校：

MATCH (p:Person)-[:STUDIED_AT]->(s:School)
RETURN p.name, s.name

如何更新節點屬性和篩選查詢結果？

更新一個已存在節點的屬性，用 MATCH 找到目標，再用 SET 賦值：

MATCH (n:Person {name: 'Ann'})
SET n.age = 26

篩選條件則交給 WHERE，例如找出所有 2000 年後上映的電影：

MATCH (movie:Movie)
WHERE movie.releaseDate >= 2000
RETURN movie

WHERE 可以疊加多個條件，處理起來跟 SQL 的邏輯運算子（AND、OR、NOT）用法一致，差別只在於篩選對象是圖上的節點或關係，而不是表格的欄位。

Cypher 的聚合函數跟 SQL 有什麼不同?

SQL 做聚合查詢必須明確寫 GROUP BY 指定分組欄位，Cypher 不用——查詢裡沒被聚合函數包住的欄位會自動變成分組依據。例如統計每個演員參演了幾部電影：

MATCH (actor:Person)-[:ACTED_IN]->(movie:Movie)
RETURN actor.name, COUNT(movie)

actor.name 沒有被聚合函數包住，Cypher 就自動拿它當分組鍵；COUNT(movie) 算出每個分組裡電影節點的數量。少了一行 GROUP BY，查詢讀起來更精簡，但也代表你得清楚自己 RETURN 了哪些欄位，才不會不小心分出多餘的組。

常見問題

QCypher 只能用在 Neo4j 嗎?

Cypher 最初是 Neo4j 開發的查詢語言，目前也透過 openCypher 專案被其他圖形資料庫採用，但主流使用場景仍然集中在 Neo4j。

Q學過 SQL 之後學 Cypher 會很難嗎?

不會。兩者的關鍵字概念（MATCH 對應 SELECT、WHERE 篩選、RETURN 對應輸出欄位）高度相似，主要差異在於 Cypher 用箭頭符號直接表達關係方向，不必靠 JOIN 拼接。

Q什麼情況該選圖形資料庫而不是關聯式資料庫?

當資料本身的重點是「關係」而不是「屬性」——例如社交網路的好友鏈、推薦系統的關聯路徑、組織架構的層級查詢——圖形資料庫和 Cypher 通常比關聯式資料庫加多層 JOIN 更直接、也更容易維護。

參考資料

Neo4j, Inc.，Cypher Manual：Introduction，存取日期：2026-08-27。https://neo4j.com/docs/cypher-manual/current/introduction/

關於作者

Claire Chang ｜企業 AI 導入與流程轉型顧問。專注於 AI Agent 架構設計、ERP 系統整合與企業 AI 治理。

首次發布：2024-07-24