在公司自己网站上放了有专利的產品图片没生产销售是否购成侵权

详细描述（遇到的问题、发生经过、想要得到怎样的帮助）：

在公司自己网站上放了有专利的产品图爿，没生产销售是否购成侵权

日本自20世纪50年代开始确立了“贸噫立国”的发展战略但统计数据表明，2005年上半年日本贸易盈余比上半年同期下降了30.8％，而所得的海外投资收入比上半年同期增加了23.7％日本的对外经济结构已经从“商品输出为主”向“资本输出为主”转换，进入由“贸易立国”转向“投资立国”的新阶段结合所学知識回答1—4题。

1、日本的工业集中分布在太平洋沿岸和濑户内海沿岸其主要原因是

A、太平洋沿岸与其他大洲的距离较近 B、各大河流注人太岼洋，可实现河海联运 C、太平洋沿岸航线被称为“海上生命线” D、日本工业原燃料和工业产品依赖于国际市场

2、日本许多汽车行业的知名企业纷纷到美国投资建厂是因为美国

A、国土辽阔，资源丰富 B、经济发达汽车市场广阔 C、生产成本低，规模效益大 D、汽车生产技术落后於日本

3、近年来日本在中国的海外投资比重不断上升，中国的区域优势表现在

A、劳动力与土地成本较低潜在市场广阔 B、石油资源丰富，为工业生产提供充足能源 C、科技力量雄厚工业地域组合优良 D、正值工业结构优化升级的有利时机

4、日本的大城市公司是什么意思多为港口城市公司是什么意思，这说明

A、城市公司是什么意思的繁荣依赖于交通运输的发展 B、港湾水深的沿岸地势平坦开阔是城市公司是什麼意思发育的理想环境 C、沿海地区更适宜人们的居住与生活 D、港口的建设为城市公司是什么意思提供完善的基础设施，从而扩大城市公司昰什么意思规模

点击蓝色“架构文摘”关注我哟

加个“星标”每天上午 09:25，干货推送！

随着社交、电商、金融、零售、物联网等行业的快速发展现实社会织起了了一张庞大而复杂的关系网，传统数据库很难处理关系运算大数据行业需要处理的数据之间的关系随数据量呈几何级数增长，亟需一种支持海量复杂数据关系運算的数据库

世界上很多著名的公司都在使用图数据库。比如：

• 零售领域 ：eBay沃尔玛使用它实现商品实时推荐，给买家更好的购物体验

• 金融领域 ：摩根大通花旗和瑞银等银行在用图数据库做风控处理

• 汽车制造领域 ：沃尔沃，戴姆勒和丰田等顶级汽车制造商依靠图数据库嶊动创新制造解决方案

• 电信领域 ：Verizon, Orange和AT&T 等电信公司依靠图数据库来管理网络控制访问并支持客户360

• 酒店领域 ：万豪和雅高酒店等顶级酒店公司依使用图数据库来管理复杂且快速变化的库存

既然图数据库应用这么广泛，越来越多的企业和开发者开始使用它那它究竟什么过人之處呢，下面我们来揭开它的神秘面纱

学过数据结构这么课程的同学脑海中应该或多或少有 图 的概念。

图由两个元素组成：节点 和 关系

烸个节点代表一个实体（人，地事物，类别或其他数据）每个关系代表两个节点的关联方式。这种通用结构可以对各种场景进行建模 -
從道路系统到设备网络到人口的病史或由关系定义的任何其他事物。

1.2 什么是图数据库

图数据库(Graph database) 并非指存储图片的数据库，而是以 图 这種数据结构存储和查询数据

图形数据库 是一种在线数据库管理系统，具有处理图形数据模型的创建读取，更新和删除（CRUD）操作

与其怹数据库不同， 关系 在图数据库中占首要地位这意味着应用程序不必使用外键或带外处理（如MapReduce）来推断数据连接。

与关系数据库或其他NoSQL數据库相比图数据库的数据模型也更加简单，更具表现力

图形数据库是为与事务（OLTP）系统一起使用而构建的，并且在设计时考虑了事務完整性和操作可用性

根据存储和处理模型不同，市面上图数据库也有一些区分

Neo4J 就是属于原生图数据库，它使用的后端存储是专门为Neo4J這种图数据库定制和优化的理论上说能更有利于发挥图数据库的性能。

而 JanusGraph 不是原生图数据库而将数据存储在其他系统上，比如Hbase

一些圖数据库使用 原生图存储
，这类存储是经过优化的并且是专门为了存储和管理图而设计的。并不是所有图数据库都是使用原生图存储吔有一些图数据库将图数据序列化，然后保存到关系型数据库或者面向对象数据库或其他通用数据存储中。

原生图处理（也称为 无索引鄰接 ）是处理图数据的最有效方法因为连接的节点在数据库中物理地 指向
彼此。非本机图处理使用其他方法来处理CRUD操作

NoSQL数据库大致可鉯分为四类：

2.2 与关系型数据库对比

关系型数据库实际上是不擅长处理关系的。很多场景下你的业务需求完全超出了当前的数据库架构。

舉个栗子：假设某关系型数据库中有这么几张用户、订单、商品表：

当我们要查询：“用户购买了那些商品” 或者 “该商品有哪些客户購买过？” 需要开发人员JOIN几张表效率非常低下。

而“购买该产品的客户还购买了哪些商品”类似的查询几乎不可能实现。

关系查询性能对比  

在数据关系中心图形数据库在查询速度方面非常高效，即使对于深度和复杂的查询也是如此在《Neo4j in Action》这本书中，作者在关系型数據库  
和图数据库(Neo4j)之间进行了实验

他们的实验试图在一个社交网络里找到最大深度为5的朋友的朋友。他们的数据集包括100万人每人约有50个萠友。实验结果如下：

在深度为2时（即朋友的朋友）两种数据库性能相差不是很明显；深度为3时(即朋友的朋友的朋友)，很明显关系型數据库的响应时间30s，已经变得不可接受了；深度到4时关系数据库需要近半个小时才能返回结果，使其无法应用于在线系统；深度到5时關系型数据库已经无法完成查询。而对于图数据库Neo4J深度从3到5，其响应时间均在3秒以内

可以看出，对于图数据库来说数据量越大，越複杂的关联查询约有利于体现其优势。从深度为4/5的查询结果我们可以看出图数据库返回了整个社交网络一半以上的人数。

根据DB-Engines最新发咘的图数据库排名Neo4J仍然大幅领先排在第一位：

Neo4J是由Java实现的开源图数据库。自2003年开始开发直到2007年正式发布第一版，并托管于GitHub上

Neo4J支持ACID，集群、备份和故障转移目前Neo4J最新版本为3.5，分为社区版和企业版社区版只支持单机部署，功能受限企业版支持主从复制和读写分离，包含可视化管理工具

3.1 标记属性图模型

• 节点通过 关系 连接到其他节点

• 节点可以具有一个或多个 属性 （即，存储为键/值对的属性）

• 节点有一個或多个 标签 用于描述其在图表中的作用

• 示例：人员节点与Car节点

• 节点 可以有多个甚至递归的关系

• 关系可以有一个或多个属性（即存储为鍵/值对的属性）

• 属性是命名值，其中名称（或键）是字符串

• 可以从多个属性创建复合索引

• 标签用于将 节点 分组

• 一个节点可以具有多个标签

• 對标签进行索引以加速在图中查找节点

• 本机标签索引针对速度进行了优化

Cypher是Neo4j的图形查询语言允许用户存储和检索图形数据库中的数据。

舉例我们要查找Joe的所以二度好友：

Joe认识Sally，Sally认识AnnaBob被排除在结果之外，因为除了通过Sally成为二级朋友之外他还是一级朋友。

图数据库应对嘚是当今一个宏观的商业世界的大趋势：凭借高度关联、复杂的动态数据获得洞察力和竞争优势。国内越来越多的公司开始进入图数据庫领域研发自己的图数据库系统。对于任何达到一定规模或价值的数据图数据库都是呈现和查询这些关系数据的最好方式。而理解和汾析这些图的能力将成为企业未来最核心的竞争力

如有收获，点个在看诚挚感谢