我正在处理RDF文件导入程序，但我遇到了问题，我的数据文件有重复的节点。出于这个原因，我使用大的ID来使用批量插入器插入节点，但进程很慢。当迈克尔建议使用索引时，我已经看到了这个post，但过程仍然很慢。
另一种选择是合并重复的节点，但我认为在Neo4J中没有自动选项。我错了吗？
有人能帮帮我吗？ ：）
谢谢！
答案 0 :(得分：0)
完美:)数据将具有以下结构：
chembl_activity：CHEMBL_ACT_102540 bao：BAO_0000208 bao：BAO_0002146。
chembl_document：CHEMBL1129248 cco：hasActivity chembl_activity：CHEMBL_ACT_102551。
chembl_activity：CHEMBL_ACT_102540 cco：hasDocument chembl_document：CHEMBL1129248。
每一行对应两个节点之间的关系，我们可以看到节点 chembl_activity：CHEMBL_ACT_102540 是重复的。
我想将节点名称的哈希码保存为id，但该哈希码是一个非常大的数字，会减慢进程的速度。所以我可以检查id只能创建关系，而不是节点。
谢谢大家！ ：）
答案 1 :(得分：0)
CSV批量导入程序中没有重复处理（它计划用于下一个版本），因为它非常重要且内存昂贵。
最好去除你的副本。
不要使用外部提供的ID作为node-id，它可以从一开始就变得很大，但是不起作用。使用有效的映射（如trove）来保持密钥和node-id之间的映射。
我通常使用两遍和一个数组，然后对数组进行排序，数组索引成为node-id，排序后你可以做另一个nulls-out重复项的传递