Question

很明显，在两个顶点之间找到边缘的直接方法是：

std.range

我觉得std.algorithm步骤必须遍历所有边缘，这对于一些有很多边缘的应用来说非常慢。

另一种方式可能是：

graph.traversal().V(outVertex).bothE(edgeLabel).filter(__.otherV().is(inVertex))

我假设第二种方法可以更快，因为它将使用ID索引，这将使其比第一种方法更快。

哪一个更快更有效（就IO而言）？

我正在使用Titan，所以你也可以让你的回答特定于Titan。

修改

就时间而言，似乎第一种方法更快（边缘为20k的顶点filter

traversal = graph.traversal()
                  .V(outVertex)
                  .bothE(edgeLabel)
                  .as("x")
                  .otherV()
                  .is(outVertex) // uses index?
                  .select("x");

IO怎么样？

Answer 1

我希望第一个查询更快。但是，很少有事情：

所有查询都不是最佳的，因为它们都启用了路径计算。如果您需要在两个方向上找到连接，请使用2个查询（我将在下面给出一个示例）
当您使用clock()时，请确保iterate()您的遍历，否则您只会衡量无所作为所需的时间。

这些是我用来在两个方向上找到边缘的查询：

g.V(a).outE(edgeLabel).filter(inV().is(b))
g.V(b).outE(edgeLabel).filter(inV().is(a))

如果您希望获得最多一个优势：

edge = g.V(a).outE(edgeLabel).filter(inV().is(b)).tryNext().orElseGet {
       g.V(b).outE(edgeLabel).filter(inV().is(a)).tryNext()
}

这样你就可以摆脱路径计算。这些查询的执行方式在很大程度上取决于底层的图形数据库。 Titan的查询优化器识别出该查询模式，并且几乎没有时间返回结果。

现在，如果要测量运行时，请执行以下操作：

clock(100) {
  g.V(a).outE(edgeLabel).filter(inV().is(b)).iterate()
  g.V(b).outE(edgeLabel).filter(inV().is(a)).iterate()
}

Answer 2

如果一个人不知道顶点Id，则另一个解决方案可能是

g.V().has('propertykey','value1').outE('thatlabel').as('e').inV().has('propertykey','value2').select('e')

这也只是单向的，因此需要重新制定相反方向的查询。

Gremlin：什么是在两个顶点之间找到边缘的有效方法？

修改

2 个答案: