在非常大的图上收集和排序节点的查询优化

Question

我有一个相当大的图表（18 亿个节点和大致相同数量的关系），我正在执行以下查询：

MATCH (n:Article)
WHERE n.id IN $pmids
MATCH (n)-[:HAS_MENTION]->(m:Mention)
WITH n, collect(m) as mentions
RETURN n.id as pmid, mentions
ORDER BY pmid

其中 $pmids 是字符串列表，例如["1234", "4567"] 这个列表的长度在 100-500 之间变化。

我目前将数据保存在 neo4j docker 社区实例中，并进行了以下配置修改：NEO4J_dbms_memory_pagecache_size=32G，NEO4J_dbms_memory_heap_max__size=32G。已为 Article.id 创建索引。

此查询的运行速度很慢（大约 5 秒），我想优化以加快运行速度。作为工作的一部分，我可以访问 neo4j 企业，因此一种方法是将这些数据作为 neo4j 企业帐户的一部分提取，我可以在其中调整高级配置设置。

一般来说，是否有人对我如何提高性能有任何提示，无论是优化密码查询本身、增加工作人员还是 neo4j.conf 中的其他设置？

提前致谢。

对于任何感兴趣的人 - 我也在 neo4j forums 中提出了这个问题，并且已经有一些有趣的优化建议（尤其是围绕“类型提示”来触发向后索引，并使用模式理解而不是 collect()

Answer 1

最初的想法

• 您正在使用字符串字段来存储 PMID，但 PMID 是数字，它可能会减小数据库大小，并且如果存储为 int（并且索引为 int，搜索为 int）可能会更好地执行
• 如果 PMID 列表通常很大，并且服务器有超过 6 个内核，则可能值得研究 apoc 并行密码函数
• 您真的需要提及节点中的每个属性吗？如果不尝试收集你需要的东西
• 数据库的大小（以 GB 为单位）是多少？ （在内存设置方面需要一些上下文），neo4j-admin memrec 有什么建议？
• 如果始终如此使用 db，则 sql 数据库可能会更好，并且在构建该 sql db 时，将提及项收集到一个字段中（一次完成）

注意：去 PubMed！