Question

要了解使用Neo4J进行朋友关系的优势，我在MySQL数据库上创建了一个人员表（“人员”，20900个数据集）：

id     | name
--------------
 1     | Peter
 2     | Max
 3     | Sam
 ...   | ...
 20900 | Rudi

和一个关系表（“友谊”，每个人有50到100个朋友）：

personen_id_1 | personen_id_2
-------------------------
 1         | 2
 1         | 3
 2         | 56
 ...       | ...
 20900     | 201

所以，有大约120万个关系。

现在我想成为id = 1的Person的朋友朋友，所以我精心设计了这样的查询：

select distinct P.name
from Friendships f
join Friendships f2 ON f.personen_id_2 = f2.personen_id_1
join Friendships f3 ON f2.personen_id_2 = f3.personen_id_1
join Friendships f4 ON f3.personen_id_2 = f4.personen_id_1
join Persons P ON f4.personen_id_2 = P.id
where f.personen_id_1 = 1

对于user-id 1

，查询占用了大约30秒

在Neo4J中，我为每个人创建了一个具有一个名称属性的节点（20900节点）。所有节点的连接都与MySQL中的Friendships表相同，因此有120万个关系。

在这里得到相同的frinedset，我输入gremlin：

gremlin> g.v(1).outE.inV.loop(2){ it.loops <= 4 }.name.dedup.map()

这需要1分钟左右。我根本没想到这个！

我的比较也正确吗？如果是，如何修改此示例以显示使用neo4j执行此任务的优势？

Answer 1

如果您知道自己正在进行4次循环，请执行以下操作：

g.v(1).out.out.out.out.name.dedup.map

Gremlin中存在一个已知的语义错误，其中loop（）将转变为广度优先查询。 https://github.com/tinkerpop/pipes/issues/25

此外，如果你不需要，不要做outE.inV。等价物已经出来了。此外，意识到你正在进行4步搜索，即大规模计算（组合爆炸）。这是图数据库不擅长的东西。您将需要查看像Faunus这样的批量分析框架 - http://thinkaurelius.github.com/faunus/。有理由，请参阅http://thinkaurelius.com/2012/04/21/loopy-lattices/

图形数据库针对本地遍历进行了优化，通过4个步骤，您触摸（最有可能）整个数据集并使用“get get get”风格的数据库访问，这样做效率不高。

HTH，马尔科。

Answer 2

我对Gremlin并不过分熟悉，但我生成了一个类似大小的数据集（下面的统计数据）并在Cypher中运行了一个等效的查询：

START person=node:user(name={name})
MATCH person-[:FRIEND]-()-[:FRIEND]-()-[:FRIEND]-()-[:FRIEND]-friend
RETURN friend.name AS name

我针对数据集运行了1000次，每次选择不同的用户作为起点。在运行测试之前我没有给缓存加热，所以这是从一开始就开始的。平均响应时间：33毫秒。

在MacBook Pro上运行，2.2 GHz Intel Core i7,8 GB RAM，4 GB堆

以下是图表统计信息：

+----------------------------------------------+
| user           | 20900                       |
+----------------------------------------------+
|                | Average |    High |     Low |
+----------------------------------------------+
| FRIEND                                       |
+----------------------------------------------+
|       OUTGOING |      74 |     100 |      48 |
|       incoming |      74 |     123 |      31 |
+----------------------------------------------+

+----------------------------------------------+
| _UNKNOWN       | 1                           |
+----------------------------------------------+
|                | Average |    High |     Low |
+----------------------------------------------+

+----------------------------------------------+
| Totals                                       |
+----------------------------------------------+
| Nodes          | 20901                       |
| Relationships  | 1565787                     |
+----------------------------------------------+
| FRIEND         | 1565787                     |
+----------------------------------------------+

比较MySQL和Neo4J中的朋友之间的朋友关系

2 个答案: