Question

我有一个用例，我需要在每个级别获得具有特定类型的顶点数量，直到定义的级别。例如：

A有边缘到B（管理员），C（用户），D（管理员）

B（管理员）已将边缘输出到E（用户），F（用户），G（用户），H（管理员）

C（用户）有Edges到I（管理员），J（用户），K（管理员），L（管理员），   M（管理员）

K（管理员）已将边缘移至N（管理员），O（用户），P（管理员），Q（管理员），   R（管理员），S（用户），T（用户）

如果levels = 3，并且主题顶点为A，则结果应该是（格式可以不同）：

level = 1，users = 1，admins = 2，total = 3

level = 2，users = 4，admins = 5，total = 9

level = 3，users = 3，admins = 4，total = 7

我有查询为我这样做，但由于我有大数据时的repeat（），它确实很慢。

for (int i = 0; i < levels; i++) {
     Map<Object, Long> next = 
     graphTraversalSource.V().hasLabel(GraphDbConnection.USER)
           .has(GraphDbConnection.UUID, "uuidValue").until(loops().is(i)).repeat(out()) 
     .out().values(GraphDbConnection.MEMBER_TYPE).groupCount().next();
     MemberSponsorMetrics memberSponsorMetrics = new MemberSponsorMetrics();
     memberSponsorMetrics.setLevel(i + 1);
     int users = next.getOrDefault(UserType.USER.ordinal(), (long) 0).intValue();
     memberSponsorMetrics.setUsers(users);
     int admins = next.getOrDefault(UserType.ADMIN.ordinal(), (long) 0).intValue();
     memberSponsorMetrics.setAdmins(admins);
     memberSponsorMetrics.setTotal(users + admins);
     memberSponsorMetricsList.add(memberSponsorMetrics);
}

如何以有效的方式实现这些结果？我可以使用或其他什么特定的索引类型吗？我在顶点属性上有多个基本索引，但我不认为它们在这里很有用。

Answer 1

示例图

g = TinkerGraph.open().traversal()
g.addV("person").property(id, "A").as("a").
  addV("person").property("memberType", 1).property(id, "B").as("b").
  addV("person").property("memberType", 0).property(id, "C").as("c").
  addV("person").property("memberType", 1).property(id, "D").as("d").
  addV("person").property("memberType", 0).property(id, "E").as("e").
  addV("person").property("memberType", 0).property(id, "F").as("f").
  addV("person").property("memberType", 0).property(id, "G").as("g").
  addV("person").property("memberType", 1).property(id, "H").as("h").
  addV("person").property("memberType", 1).property(id, "I").as("i").
  addV("person").property("memberType", 0).property(id, "J").as("j").
  addV("person").property("memberType", 1).property(id, "K").as("k").
  addV("person").property("memberType", 1).property(id, "L").as("l").
  addV("person").property("memberType", 1).property(id, "M").as("m").
  addV("person").property("memberType", 1).property(id, "N").as("n").
  addV("person").property("memberType", 0).property(id, "O").as("o").
  addV("person").property("memberType", 1).property(id, "P").as("p").
  addV("person").property("memberType", 1).property(id, "Q").as("q").
  addV("person").property("memberType", 1).property(id, "R").as("r").
  addV("person").property("memberType", 0).property(id, "S").as("s").
  addV("person").property("memberType", 0).property(id, "T").as("t").
  addE("link").from("a").to("b").
  addE("link").from("a").to("c").
  addE("link").from("a").to("d").
  addE("link").from("b").to("e").
  addE("link").from("b").to("f").
  addE("link").from("b").to("g").
  addE("link").from("b").to("h").
  addE("link").from("c").to("i").
  addE("link").from("c").to("j").
  addE("link").from("c").to("k").
  addE("link").from("c").to("l").
  addE("link").from("c").to("m").
  addE("link").from("k").to("n").
  addE("link").from("k").to("o").
  addE("link").from("k").to("p").
  addE("link").from("k").to("q").
  addE("link").from("k").to("r").
  addE("link").from("k").to("s").
  addE("link").from("k").to("t").iterate()

现在可以使用单次遍历来收集您正在寻找的结果，实际上不需要一遍又一遍地执行几乎相同的遍历（只需更改循环次数）。

gremlin> g.V("A").
           repeat(out("link").
                  group("x").
                    by(loops()).
                    by(groupCount().
                         by(branch(values("memberType")).
                              option(0, constant("user")).
                              option(1, constant("admin"))))).
             times(3).
           cap("x")
==>[0:[admin:2,user:1],1:[admin:5,user:4],2:[admin:4,user:3]]

外部地图的键基本上是-1级。

此查询在TinkerGraph上大约需要1毫秒。所以除非你的分支因子要高得多，否则你应该很快得到结果。但是，如果分支因子很高并且您实际要处理数千个顶点，则应考虑在OLAP中运行此查询。

Gremlin repeat（）查询需要很长时间

1 个答案: