组织有向图数据的好方法是什么？

Question

这是我的情况。我有一个图表，在不同的时间添加不同的数据集。例如，set1可能有几千个节点，然后set2稍后出现，我们应用业务逻辑来创建从set1到set2的边（并且从set1中没有边缘到set2的任何顶点）。然后在稍后，我们得到set3，set4等等，并且在每个集合及其先前集合之间应用相同的过程。

问题，组织这个的最佳方法是什么？我之前做的是将节点命名为set1-xx，set2-xx等。我遇到的问题是当我尝试在当前集和前一集之间运行分析时，我将不得不在整个图中运行循环并查找以'setx'开头的所有节点。随着图表的增长花了很长时间，所以我想到了另一种解决方案，即创建一个名为“set1”的节点，并将其连接到该特定集的所有节点。我正在测试它，但我想知道是否有更高效的方式或处理这样的数据结构的方式？有没有办法以某种方式分割这样的数据？

我认为一般的解决方案是应用程序，但如果它有助于我使用neo4j（因此对该数据库的任何特定解决方案都会很好）。

Answer 1

您有一种非常特殊的有向图类型，称为分层图。

数据结构的选择主要取决于预期的图密度（前一组/层中有多少节点通常连接到当前集/层中的节点）以及您需要对其执行的操作大多数时候。让每个图层直接用数字索引表示（也就是说，最外面的结构将是一个集合/图层数组）绝对是一个好主意，并且大概每个图层也可以使用一个顶点数组。但是，每个顶点的边缘列表（仅出，或进出边缘集取决于您是否向后遍历图层）可以是以下任何一个：

• 顶点标识符的链接列表;如果图形非常稀疏并且经常添加/删除边缘，这是很好的。
• 排序的顶点标识符数组;如果图形非常稀疏且不可变，那么这很好。
• 由顶点标识符索引的布尔数组，确定给定顶点是否与当前顶点的边连接;如果图表密集，这很好。

“顶点标识符”可以采用多种形式。例如，它可以是下一层顶点数组的索引。

Answer 2

你的第二个解决方案是我要做的 - 创建一个setX节点并将属于该集合的所有节点连接到setX。这样，您的数据就会被分区，并且查询起来更容易。