社交网站是一种网络服务（SNS, Social Networking Services）网站，以六度分割理论[1]为基础，构建好友圈并通过“好友的好友”来无限扩张人脉。为用户拓展社交圈正是大型社交网络吸引用户，保证网络活力的基本功能，因此在社交网络中“好友推荐”这一功能的可用性及高效性就显得尤为重要。 目前SNS网站主要采用客户机/服务器模式，关系型数据库对于网络中的数据及其之间关系的存储和处理发挥了十分重要的作用。但在SNS网络中，数据量不仅庞大，而且结构多异，而关系型数据库在半结构化、网络图形数据关系、稀疏表存取处理上还是有很大不足。其他可用技术，如Berkeley DB Key-Value数据模型、社交网络数据库Cassandra、分布式Dynamo数据系统以及Facebook Query Language等，尽管都有各自的优势和特点，但都没有从根本上解决社交网络中数据处理的难题。 本论文首先探讨了图形数据库在处理非结构化数据中的优势，并在此基础上研究Neo4j图形数据库在社交网络中应用的理论可行性，推出了Neo4j与社交网络网站的高契合度，及其在好友推荐功能中可能会有的优异表现；并给出了好友推荐的核心代码，构建了模型社交网站，再通过测试数据集进行了对核心代码的实验，证明了本文观点的正确性，以期为SNS网站的发展提供相关建议。