根据图数据库底层存储模式对图数据库产品进行分类，可以分为原生（Native）图存储和非原生（Non-Native）图存储两种。
其中原生图存储数据存储模式专门为存储和处理图而设计优化，可支持各类图算法的快速遍历；非原生图存储则采用关系数据库、面向对象数据库或其它通用数据存储策略存储数据，未专门优化存储方式。
Neo4j 是 Native 的图数据库，所谓 Native 图数据库，中文一般翻译为 “原生图数据库”，指从一开始便是为了解决图类数据结构而设计的数据库。对了解数据结构的同学来看，这里的 “原生” 的体现，其实主要就在两个方面：
- 图数据结构的存储
- 图数据的处理和查询
- 图数据结构的存储
不管是什么数据库，mysql，sql server，mongo，neo4j 等等，其存储的数据，最终都要落地到文件系统上的，那 neo4j 落地的文件大概都是什么样的呢？这里我以本地的一个应用的数据库来介绍一下。
上面是我的本地一个图数据库的数据库文件，可以看出 Neo4j 把其数据库文件分为四大类来分类存储：
标签
节点
属性
关系
其实按照我们图论中的一般说法，其实对于一个图数据结构来说，只需要存储节点和关系就可以了，如下面这个图数据一样：
这里是我们应用中一个实际案例，大家看看我们对标签和属性的划分：
– 这里咱们先看看这个语句表达的什么意思，这是 Neo4j 专用的查询语言 Cypher
– 下面这个查询语句含义如下：
– step 1: 首先查询一个具有标签为 “沪深股市”，且有一个属性对 “{name: “sha_600610”}” 的节点，
– step 2: 然后查找这个节点的所有双向关系
– step 3: 在这些关系的中，要求另外一个节点具有 “人物_公司股东” 这个标签
– step 4: 返回这个节点，以及满足要求的关系和相关节点
MATCH (node1:沪深股市 {name: “sha_600610”})-[relation]-(node2:人物_公司股东)
RETURN node1, node2, relation
