查找具有精确边匹配的顶点，遍历子节点

Question

我的设置：

我将 OrientDB 与大型人物顶点图一起使用。我正在使用 gremlin java 驱动程序来访问这个数据库，因为我想最终切换到不同的图形数据库。

我的数据库：

每个人都有特定的偏好顶点（通过描述该偏好关系的标记边连接）。然后所有偏好都连接到核心概念顶点。

我要解决的问题：

我正在尝试找到一种方法（如果它像 Gremlin 查询一样简单，则值得称赞）从 Person 顶点开始，并通过核心概念遍历所有具有相同偏好的人。

这是一个匹配案例的虚构示例。当从人 A 开始时，人 B 将在完美匹配的人列表中返回。我忘了在这张图片上画出这些边缘的方向：/ 看看不匹配的情况以查看方向。

这是一个不匹配的例子。人 B 不会在人的完美匹配列表中返回。为什么？因为人 B 上的所有出边都不会解析为人 A 上相同匹配的边；在这种情况下，A 拒绝吃苹果，但 B 没有列出他们拒绝吃的任何东西的类似偏好。

上例中的另一个不匹配情况：如果 A 拒绝吃苹果而 B 拒绝吃香蕉——它们将不匹配。

如果 B 最喜欢 Fries 而最不喜欢 Cheeseburgers，这也是不匹配的情况。

我最初的想法（我不确定如何实现）使用查询

1. 我会从 A 人开始
2. 查找到偏好顶点的所有传出边，并存储某种“标记”或映射到带有边标签的偏好顶点。
3. 从这些顶点向下遍历所有 SimilarTo 标记的边。将这些标记从偏好顶点复制到概念顶点。
4. 反转线：概念顶点 -> 偏好顶点（从概念到偏好顶点的复制制作者）
5. ...然后以某种方式将所有边缘与这些标记匹配...
6. 从结果中排除人员 a

有什么想法吗？

Answer 1

让我们从创建示例图开始：

gremlin> g = TinkerGraph.open().traversal()
==>graphtraversalsource[tinkergraph[vertices:0 edges:0], standard]
gremlin> g.addV("person").property("name", "Person A").as("pa").
......1>   addV("person").property("name", "Person B").as("pb").
......2>   addV("food").property("name", "Hamburgers").as("hb").
......3>   addV("food").property("name", "Chips").as("c").
......4>   addV("food").property("name", "Cheeseburgers").as("cb").
......5>   addV("food").property("name", "Fries").as("f").
......6>   addV("category").property("name", "Burgers").as("b").
......7>   addV("category").property("name", "Appetizers").as("a").
......8>   addE("most").from("pa").to("hb").
......9>   addE("most").from("pb").to("cb").
.....10>   addE("least").from("pa").to("c").
.....11>   addE("least").from("pb").to("f").
.....12>   addE("similar").from("hb").to("b").
.....13>   addE("similar").from("cb").to("b").
.....14>   addE("similar").from("c").to("a").
.....15>   addE("similar").from("f").to("a").iterate()

您正在寻找的查询如下（我将在后面解释每个步骤）：

gremlin> g.V().has("person", "name", "Person A").as("p").
......1>   outE("most","least","refuses").as("e").inV().out("similar").
......2>   store("x").by(constant(1)).
......3>   in("similar").inE().where(eq("e")).by(label).outV().where(neq("p")).
......4>   groupCount().as("m").
......5>   select("x").by(count(local)).as("c").
......6>   select("m").unfold().
......7>   where(select(values).as("c")).select(keys).values("name")
==>Person B

现在，当我们添加“拒绝吃苹果”关系时：

gremlin> g.V().has("person", "name", "Person A").as("p").
......1>   addV("food").property("name", "Apples").as("a").
......2>   addV("category").property("name", "Fruits").as("f").
......3>   addE("refuses").from("p").to("a").
......4>   addE("similar").from("a").to("f").iterate()

...B 不再匹配：

gremlin> g.V().has("person", "name", "Person A").as("p").
......1>   outE("most","least","refuses").as("e").inV().out("similar").
......2>   store("x").by(constant(1)).
......3>   in("similar").inE().where(eq("e")).by(label).outV().where(neq("p")).
......4>   groupCount().as("m").
......5>   select("x").by(count(local)).as("c").
......6>   select("m").unfold().
......7>   where(select(values).as("c")).select(keys).values("name")
gremlin>

让我们一步一步/一行一行的看一遍查询：

g.V().has("person", "name", "Person A").as("p").

这应该很清楚：从人 A 开始。

outE("most","least","refuses").as("e").inV().out("similar").

遍历出边并设置一个标记，以便我们以后可以参考这些边。然后遍历到我称之为category的顶点。

store("x").by(constant(1)).

为每个category 顶点添加一个1 到内部集合。您也可以存储顶点本身，但这会浪费内存，因为我们不需要来自顶点的任何信息。

in("similar").inE().where(eq("e")).by(label).outV().where(neq("p")).

沿similar 边缘向另一个方向移动到food，然后沿与标记边缘具有相同标签的那些边缘从头开始。最后忽略遍历开始的人（人A）。

groupCount().as("m").

计算到达每个人顶点的遍历器数量。

select("x").by(count(local)).as("c").

计算Category 顶点的数量（1s）。

select("m").unfold().

展开人员计数器，因此键将是人员顶点，值将是到达此顶点的遍历器的数量。

where(select(values).as("c")).select(keys).values("name")

最终，交叉的category 顶点的数量必须与person 顶点上的遍历器数量相匹配。如果是这样，我们就有了比赛。

注意，similar 边缘必须与 Apples 顶点发生事件。