<?xml version="1.0" encoding="utf-8" standalone="yes"?><rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom"><channel><title>导入优化 on PlumePHP</title><link>https://plumephp.com/tags/%E5%AF%BC%E5%85%A5%E4%BC%98%E5%8C%96/</link><description>Recent content in 导入优化 on PlumePHP</description><generator>Hugo</generator><language>zh-CN</language><lastBuildDate>Mon, 28 Sep 2026 12:00:00 +0800</lastBuildDate><atom:link href="https://plumephp.com/tags/%E5%AF%BC%E5%85%A5%E4%BC%98%E5%8C%96/index.xml" rel="self" type="application/rss+xml"/><item><title>图数据导入与 ETL：批量导入、流式同步与数据质量校验</title><link>https://plumephp.com/graphdb-graph-import-etl/</link><pubDate>Mon, 28 Sep 2026 12:00:00 +0800</pubDate><guid>https://plumephp.com/graphdb-graph-import-etl/</guid><description>&lt;h2 id="引言"&gt;引言&lt;/h2&gt;
&lt;p&gt;把数据灌进图数据库往往比写查询更磨人：关系型表、CSV/JSON 文件、Kafka 流，各有各的格式与坑。本文讲图数据导入的完整工程：先讲导入前的建模准备（怎么把表和字段映射成节点/关系），再讲离线批量导入的三条路线（LOAD CSV / neo4j-admin import / APOC 过程），然后是流式同步（CDC / Kafka 变更流）与增量更新，接着是幂等设计（重复导入不产生脏数据）、实体匹配与去重（避免重复节点）、数据质量校验与观测，最后给导入性能优化清单。目标：你能把任意来源的数据稳定、可重复地灌进图库，并知道每一步的性能与一致性权衡。&lt;/p&gt;</description></item></channel></rss>