如何在 Gremlin/Tinkerpop 3 中查询多个顶点及其关系计数？答案

【问题标题】：How to query for multiple vertices and counts of their relationships in Gremlin/Tinkerpop 3?如何在 Gremlin/Tinkerpop 3 中查询多个顶点及其关系计数？
【发布时间】：2015-06-02 03:25:10
【问题描述】：

我正在使用 Gremlin/Tinkerpop 3 来查询存储在 TitanDB 中的图形。

该图包含具有属性的用户顶点，例如“描述”，以及表示用户之间关系的边。

我想使用 Gremlin 来获取 1) 用户的属性和 2) 与其他用户（例如，id = 123）的关系数量（在这种情况下为任何类型）。为了实现这一点，我使用了 Gremlin 3 中的 match 操作，如下所示：

g.V().match('user',__.as('user').has('description',new P(CONTAINS,'developer')),
__.as('user').out().hasId(123).values('name').groupCount('a').cap('a').as('relationships'))
.select()

此查询工作正常，除非返回多个用户顶点，例如，因为多个用户的描述中包含“开发者”一词。在这种情况下，关系计数是所有返回用户与 id 为 123 的用户之间的所有关系的总和，而不是根据需要，每个返回用户的单独计数。

是我做错了什么还是这可能是一个错误？

PS：这个问题与我前段时间在 Tinkerpop 2 中发布的一个类似查询有关，在那里我遇到了另一个问题：How to select optional graph structures with Gremlin?

【问题讨论】：

标签： graph-databases titan gremlin

【解决方案1】：

这是我使用的示例数据：

graph = TinkerGraph.open()
g = graph.traversal()
v123=graph.addVertex(id,123,"description","developer","name","bob")
v124=graph.addVertex(id,124,"description","developer","name","bill")
v125=graph.addVertex(id,125,"description","developer","name","brandy")
v126=graph.addVertex(id,126,"description","developer","name","beatrice")
v124.addEdge('follows',v125)
v124.addEdge('follows',v123)
v124.addEdge('likes',v126)
v125.addEdge('follows',v123)
v125.addEdge('likes',v123)
v126.addEdge('follows',v123)
v126.addEdge('follows',v124)

我的第一个想法是：“我们真的需要match step”吗？其次，当然，我想以 TP3 方式编写它，而不是使用 lambda/closure。我在第一次迭代中尝试了各种方法，我得到的最接近的是来自 Daniel Kuppitz 的这样的东西：

gremlin> g.V().as('user').local(out().hasId(123).values('name')
              .groupCount()).as('relationships').select()
==>[relationships:[:]]
==>[relationships:[bob:1]]
==>[relationships:[bob:2]]
==>[relationships:[bob:1]]

所以这里我们使用local 步骤将local 内的遍历限制为当前元素。这可行，但我们丢失了select 中的“用户”标签。为什么？ groupCount 是 ReducingBarrierStep，在这些步骤之后路径会丢失。

好吧，让我们回到match。我想我可以尝试使用local 进行match 步进遍历：

gremlin> g.V().match('user',__.as('user').has('description','developer'),
gremlin>             __.as('user').local(out().hasId(123).values('name').groupCount()).as('relationships')).select()
==>[relationships:[:], user:v[123]]
==>[relationships:[bob:1], user:v[124]]
==>[relationships:[bob:2], user:v[125]]
==>[relationships:[bob:1], user:v[126]]

好的 - 成功 - 这就是我们想要的：没有 lambda 和本地计数。但是，它仍然让我觉得：“我们真的需要匹配步骤吗”？那时，Kuppitz 先生结束了最终答案，该答案大量使用了by 步骤：

gremlin> g.V().has('description','developer').as("user","relationships").select().by()
              .by(out().hasId(123).values("name").groupCount())
==>[user:v[123], relationships:[:]]
==>[user:v[124], relationships:[bob:1]]
==>[user:v[125], relationships:[bob:2]]
==>[user:v[126], relationships:[bob:1]]

如您所见，by 可以链接（在某些步骤上）。第一个by 按顶点分组，第二个by 使用“本地”groupCount 处理分组元素。

【讨论】：

感谢您（也）回答这个问题！我决定将match 与local 结合起来，这正是我想要的。
虽然输出是等效的 - 我不清楚的一件事是 match 和多重 by 方法之间的性能差异。我想您应该对其进行测试，以至少确保它们具有可比性。如果您进行比较，请考虑在您的发现中发表评论。
好的，我会的。我个人认为match 有一些论据： 1) 我发现它的声明性质很容易掌握（我之前使用过 SPARQL）——我告诉图表我想要什么，而不是如何表现。 2) match 非常适合以编程方式创建查询（例如，我结合了许多约束，如描述之一）。 3）据我了解，匹配允许查询优化。这不应该对性能有好处吗？
在我的数据中，我反复执行以下查询：g.V().match('user',__.as('user').has('type','user'),__.as('user').out('written').has('name','Paper A'),__.as('user').local(__().out('knows').in('knows').or(hasId(319528),hasId(41377928)).values('name').groupCount()).as('foaf')).select() ...和：g.V().and(has('type','user'),out('written').has('name','Paper A')).as('user','foaf').select().by().by(out('knows').in('knows').or(hasId(319528),hasId(41377928)).values('name').groupCount()) 平均查询时间：match = ~4.5 秒，by = ~5.2 秒。就我而言，match 更快。
是的，它允许查询优化，我并不是要让它听起来好像我对它没有信心。我只是没有看到它在使用中足以说明它何时会更快/更好/等于其他查询选项。如果你来自 SPARQL - 我明白你为什么喜欢它。我是从小精灵出生的，所以它对我来说立刻看起来很陌生。 :)