Caso de Uso NoSQL, Exploración de Neo4J:

Chile
Luis Alfonso Heredia Sandoval
Maestría en software, cohorte II
Universidad Técnica de Machala
Machala, Ecuador
lheredia2@utmachala.edu.ec

Resumen—Las bases de datos NoSQL surgieron como una
alternativa de solución a problemas no resueltos eficientemente
por las tradicionales bases de datos relacionales. Sin embargo,
el término NoSQL abarca diferentes tipos de bases de datos,
cada uno con sus características intrínsecas que le confieren un
comportamiento más o menos apropiado para diferentes
escenarios de aplicación. Las bases de datos de grafos se
encuentran dentro de esa gran y variada familia de bases de
datos.
Palabras Claves— Neo4J, Pandora Papers, NoSql
subconjuntos de la implementación del gráfico de propiedades.
Esto significa que un gráfico de propiedades puede modelar
eficazmente todos los demás tipos de gráficos. La base de datos de
grafos está optimizada para el procesamiento eficiente de
conjuntos de datos densos e interrelacionados [3]. Este diseño
permite la construcción de predicciones modelos y detección de
correlaciones y patrones [4]. Este modelo de datos altamente
dinámico en el que todos los nodos están conectados por las
relaciones permiten recorridos rápidos a lo largo de los bordes
entre vértices. Un beneficio particular es el hecho de que los
recorridos son localizados y no tienen que tener en cuenta
conjuntos de datos no relacionados. Un problema inherente a SQL
[2].

I. INTRODUCCIÓN

El modelo de base de datos relacional existe desde finales de la

década de 1960 [1]. Se ha demostrado que proporciona persistencia
de forma constante, control de concurrencia y mecanismos de
integración. Las bases de datos relacionales mantienen tablas
definidas por conjuntos de filas y columnas. Una fila puede
percibirse como un objeto, mientras que las columnas serían
atributos / propiedades de esos objetos [2]. Una de las debilidades
del modelo relacional es su capacidad limitada para capturar
explícitamente la semántica de requisitos[2]. Problemas de big data Figura 1 - Modelo de gráfico de propiedades
que involucran información compleja interconectada se han vuelto
cada vez más comunes en las ciencias. Almacenamiento,
recuperación y manipulación de datos tan complejos se vuelve
oneroso cuando se utilizan enfoques RDBMS tradicionales.
II. MARCO TEÓRICO
Modelos de datos basados ​en esquemas por su propia definición A. Neo4j
establece límites sobre cómo se almacenará la información. Hay un Neo4j es una base de datos orientada a grafos escrita en
proceso manual complicado para rediseñar el esquema para Java, es decir la información se almacena de forma
adaptarse a los nuevos datos. Donde el RDBMS está optimizado relacionada formando un grafo dirigido entre los nodos y las
para datos agregados, bases de datos de gráficos como Neo4j está relaciones entre ellos. Se integra perfectamente con
optimizado para datos altamente conectados. múltiples lenguajes como Java, PHP, Ruby, .Net, Python,
Node, Scala, etc. La base de datos está embebida en un
Un gráfico es una estructura de datos compuesta por aristas y servidor Jetty. Está especialmente indicada para modelar
vértices[3]. La tecnología de base de datos de gráficos es una
herramienta eficaz para modelar datos cuando un enfoque en la redes sociales y sistemas de recomendación [5].
relación entre entidades es una fuerza impulsora en el diseño de un En Neo4j, la información se organiza como nodos,
modelo de datos [4]. Modelando los objetos y las relaciones entre
relaciones y propiedades [6].
ellos significan que casi cualquier cosa se puede representar en un
gráfico correspondiente. Un gráfico común que es admitido por la
mayoría de los sistemas es el gráfico de propiedades. Los gráficos
de propiedades son gráficos múltiples atribuidos, etiquetados y
dirigidos [3].

La Figura 1 proporciona un ejemplo visual de un gráfico de

propiedad que representa interacciones entre personas y objetos.
Un beneficio para el gráfico múltiple es que es la implementación
más compleja, porque cualquier otro tipo de gráfico consta de

Figura 2 - Bloques de construcción del modelo de gráfico de
propiedades
Los nodos son las entidades del gráfico.
● Los nodos se pueden etiquetar con etiquetas, que
representan sus diferentes roles en su dominio. (Por
ejemplo, Person).
● Los nodos pueden contener cualquier número de
pares clave-valor o propiedades. (Por ejemplo,
name)
● Las etiquetas de nodo también pueden adjuntar
metadatos (como información de índice o
restricción) a ciertos nodos.
de 600 periodistas de 150 medios de comunicación en 117
países.
La investigación se basa en una filtración de registros
confidenciales de 14 proveedores de servicios
extraterritoriales que brindan servicios profesionales a
personas y corporaciones adineradas que buscan incorporar
compañías fantasmas, fideicomisos, fundaciones y otras
entidades en jurisdicciones con impuestos bajos o nulos. Las
entidades permiten a los propietarios ocultar sus identidades
al público y, a veces, a los reguladores. A menudo, los
proveedores les ayudan a abrir cuentas bancarias en países
con una regulación financiera ligera.
Los 2,94 terabytes de datos, filtrados al ICIJ y
compartidos con socios de medios de todo el mundo,
llegaron en varios formatos: documentos, imágenes, correos
electrónicos, hojas de cálculo y más[8].
III. DESARROLLO Y RESULTADOS
Para este ejemplo práctico de la exploración de datos de
los Pandora Papers, partimos de la creación de un “blank
sandbox”

Las relaciones proporcionan conexiones dirigidas, con

nombre, entre dos entidades de nodo (por ejemplo, Persona
LOVES Persona).
● Las relaciones siempre tienen una dirección, un
tipo, un nodo inicial y un nodo final, y pueden
tener propiedades, al igual que los nodos.
● Los nodos pueden tener cualquier número o tipo de
relaciones sin sacrificar el rendimiento.
● Aunque las relaciones siempre están dirigidas , se
pueden navegar de manera eficiente en cualquier Figura 3 - Creación de Proyecto Sandbox en blanco
dirección.
Una vez abierto nuestro proyecto ejecutaremos los
B. Lenguaje Cypher comandos de script
Cypher es un lenguaje declarativo para trabajar con https://gist.githubusercontent.com/jexp/8afb65325bf99014c
grafos. Permite crear la estructura de un grafo, nodos y 8 de68a9511a549b/raw/ para la importación de datos.
relaciones así como realizar consultas filtrando con
argumentos, ordenar, etc. El modelo de datos del pandora papers esta estructura de
la siguiente manera:
Cypher fue creado originalmente por Neo Technology
para su base de datos gráfica Neo4j. Neo4j admite
operaciones de recorrido de gráficos muy complejas, el
lenguaje de consulta Cypher hace que sea bastante fácil
consultar datos de la base de datos. Cypher contiene una
variedad de cláusulas. Entre los más comunes se encuentran:
MATCH y WHERE. Estas funciones son ligeramente
diferentes a las de SQL. MATCH se utiliza para describir la
estructura del patrón buscado, principalmente en función de
las relaciones. WHERE se usa para agregar restricciones
adicionales a los patrones. Cypher también contiene
cláusulas para escribir, actualizar y eliminar datos. CREAR
y ELIMINAR se utilizan para crear y eliminar nodos y Figura 4 - Modelo de datos de Pandora Papers
relaciones[7].

C. Pandora Papers
La investigación de Pandora Papers es la colaboración
periodística más grande del mundo, en la que participan más
Dónde están los elementos:
● Entity: empresa fantasma o construcción offshore
● Intermediary: bufete de abogados o banco que
ayudó a crear y administrar la empresa fantasma.
● Officer: apoderado o propietarios / accionistas /
directores reales de una empresa fantasma
● Address: direcciones registradas para las entidades
anteriores
Mostrar todos los propietarios cuyo país sea Chile
MATCH (o:Officer) WHERE o.country CONTAINS
"Chile" RETURN o
Figura 5 - Mostrar todos los propietarios cuyo país sea
Chile
Mostrar todas las empresas fantasmas del presidente de
Chile, Sebastián Piñera.
MATCH (o:Officer)-[rel]->(e:Entity) where o.name
contains "Sebastián Piñera" RETURN o,rel,e
Figura 6 - Mostrar todas las empresas fantasmas del
presidente de Chile, Sebastián Piñera
IV. CONCLUSIONES
En un primer vistazo hemos podido ver cómo funciona
Neo4j, las consultas a través del lenguaje Cypher.
Las bases de datos de grafos generan oportunidades para
manejar la información receptada para estudio de datos e
identificación de patrones generalmente es una nueva forma
de modelar y atravesar datos monumentales porciones de
información de forma diligente y eficiente. Los sistemas de
producción desarrollados en Neo4j usan GDB y tienen la
posibilidad de abordar los inconvenientes sin tener que
llevar a cabo o recurrir a las bases de datos relacionales
RDBMS. La base de datos gráfica tiene una aplicación
natural para biológicos, sistemas semánticos, de red y de
recomendación que necesitan el tipo de modelo de datos que
solo ellos tienen la posibilidad de dar.
En conclusión poseemos que la aplicación Neo4j nos
permitió hacer desarrollar el presente trabajo con un
lenguaje nativo bastante comprensible para el cliente y su
representación es tan clara que de manera directa es leíble y
simple de interrogar, nos posibilita llevar a cabo consultas
referidas a la composición en grafo así sea en su recorrido y
adyacencia, debido a que gracias al uso de algoritmos
basados tienen la posibilidad de hacer las búsquedas de
manera descriptiva.
REFERENCIAS
[1] E. F. Codd, “A Relational Model of Data for Large
Shared Data Banks,” in Software Pioneers:
Contributions to Software Engineering, M. Broy and
E. Denert, Eds. Berlin, Heidelberg: Springer Berlin
Heidelberg, 2002, pp. 263–294.
[2] S. Sakr and E. Pardede, Graph Data Management:
Techniques and Applications, 1st ed. Hershey, PA:
Information Science Reference - Imprint of: IGI
Publishing, 2011.
[3] M. A. Rodriguez and P. Neubauer, “Constructions
from dots and lines,” Bull. Am. Soc. Inf. Sci., vol. 36,
no. 6, pp. 35–41, Aug. 2010.
[4] A. Jain and A. Dubey, “Graph Database using Data
Crawling,” in 2020 IEEE Pune Section International
Conference (PuneCon), Dec. 2020, pp. 17–21.
[5] J. A. Ramos, “Primeros pasos con Neo4j,” Jul. 07,
2014.
https://www.adictosaltrabajo.com/2014/07/07/neo4j-fi
rst-steps/ (accessed Dec. 05, 2021).
[6] “What is a graph database?”
https://neo4j.com/developer/graph-database/ (accessed
Dec. 05, 2021).
[7] H. Lu, Z. Hong, and M. Shi, “Analysis of film data
based on Neo4j,” in 2017 IEEE/ACIS 16th
International Conference on Computer and
Information Science (ICIS), May 2017, pp. 675–677.
[8] E. Díaz-Struck et al., “Pandora Papers: An offshore
data tsunami,” Oct. 03, 2021.
https://www.icij.org/investigations/pandora-papers/ab
out-pandora-papers-leak-dataset/ (accessed Dec. 05,
2021).