查找与其他人购买相同游戏的人

Question

我正在使用 Amazon Neptune 创建和查询一个简单的图形数据库。我目前正在 AWS Jupyter Notebook 中运行我的代码，但最终会将代码移至 Python (gremlin_python)。正如您可能猜到的那样，我对 Gremlin 和图形数据库很陌生。

我有以下数据

g.addV('person').property(id, 'john')
 .addV('person').property(id, 'jim')
 .addV('person').property(id, 'pam')
 .addV('game').property(id, 'G1')
 .addV('game').property(id, 'G2')
 .addV('game').property(id, 'G3').iterate() 

g.V('john').as('p').V('G1').addE('bought').from('p').iterate()
g.V('john').as('p').V('G2').addE('bought').from('p').iterate()
g.V('john').as('p').V('G3').addE('bought').from('p').iterate()

g.V('jim').as('p').V('G1').addE('bought').from('p').iterate()
g.V('jim').as('p').V('G2').addE('bought').from('p').iterate()

g.V('pam').as('p').V('G1').addE('bought').from('p').iterate()

数据库中有 3 个人和 3 个游戏。我的目标是，给定一个人，告诉我哪些人购买了与他们相同的游戏，以及哪些游戏是那些

查看示例代码（主要来自https://tinkerpop.apache.org/docs/current/recipes/#recommendation）后，我有以下代码尝试查找购买的游戏

g.V('john').as('target')   Target person we are interested in comparing against
.out('bought').aggregate('target_games') // Games bought by target
.in('bought').where(P.neq('target')).dedup() // Persons who bought same games as target (excluding target and without duplicates)
.group().by().by(out("bought").where(P.within("target_games")).count()) // Find persons, group by number of co owned games
.unfold().order().by(values, desc).toList() // Unfold to create list, order by greatest number of common games

这给了我结果：

• {v[jim]: 2}
• {v[pam]: 1}

这告诉我 jim 有 2 个与 john 相同的游戏，而 pam 只有 1 个。但我希望我的查询返回他们共同拥有的实际游戏（仍按最常见游戏的顺序排列）：

• {v[jim]: ['G1', 'G2']}
• {v[pam]: ['G1]}

感谢您的帮助。

Answer 1

这个查询有几种不同的写法。这是一种使用中间遍历 V 步骤的方法，该步骤已找到 John 的游戏来查找所有其他非 John 的人，查看他们的游戏并查看他们是否与 John 拥有的游戏相交。

gremlin> g.V('john').as('j').
......1>   out().
......2>   aggregate('owns').
......3>   V().
......4>   hasLabel('person').
......5>   where(neq('j')).
......6>   group().
......7>     by(id).
......8>     by(out('bought').where(within('owns')).dedup().fold())

==>[pam:[v[G1]],jim:[v[G1],v[G2]]]       

但是，中间遍历 V 方法并不是真正需要的，因为您可以只查看 Jown 拥有的游戏的传入顶点

gremlin> g.V('john').as('j').
......1>   out().
......2>   aggregate('owns').
......3>   in('bought').
......4>   where(neq('j')).
......5>   group().
......6>     by(id).
......7>     by(out('bought').where(within('owns')).dedup().fold())

==>[pam:[v[G1]],jim:[v[G1],v[G2]]]         
                   

最后，这是第三种方式，更快地应用dedup 步骤。这可能是三者中效率最高的。

gremlin> g.V('john').as('j').
......1>   out().
......2>   aggregate('owns').
......3>   in('bought').
......4>   where(neq('j')).
......5>   dedup().
......6>   group().
......7>     by(id).
......8>     by(out('bought').where(within('owns')).fold())

==>[pam:[v[G1]],jim:[v[G1],v[G2]]]    

根据 cmets 讨论更新。我不确定这是一个更简单的查询，但您可以从如下投影中提取 group：

gremlin> g.V('john').as('j').
......1>   out().as('johnGames').
......2>   in('bought').
......3>   where(neq('j')).as('personPurchasedJohnGames').
......4>   project('johnGames','personPurchasedJohnGames').
......5>     by(select('johnGames')).
......6>     by(select('personPurchasedJohnGames')).
......7>   group().
......8>     by(select('personPurchasedJohnGames')).
......9>     by(select('johnGames').fold())

==>[v[pam]:[v[G1]],v[jim]:[v[G1],v[G2]]]      

但实际上你可以进一步减少到

gremlin> g.V('john').as('j').
......1>   out().as('johnGames').
......2>   in('bought').
......3>   where(neq('j')).as('personPurchasedJohnGames').
......4>   group().
......5>     by(select('personPurchasedJohnGames')).
......6>     by(select('johnGames').fold())

==>[v[pam]:[v[G1]],v[jim]:[v[G1],v[G2]]]        

所以现在我们有很多选择！测量这些并查看是否有任何比其他更快会很有趣。一般来说，我倾向于避免使用as 步骤，因为这会导致路径跟踪被打开（耗尽内存），但因为我们在其他查询中已经有了as('j')，这并不是什么大问题。

再次编辑以添加结果排序

g.V('john').as('j').
   out().as('johnGames').
   in('bought').
   where(neq('j')).as('personPurchasedJohnGames').
   group().
     by(select('personPurchasedJohnGames')).
     by(select('johnGames').fold()).
   unfold().
   order().
    by(select(values).count(local),desc)

{v[jim]: [v[G1], v[G2]]}
{v[pam]: [v[G1]]}