查找与其他人购买相同游戏的人
我正在使用 Amazon Neptune 创建和查询一个简单的图形数据库。我目前正在 AWS Jupyter Notebook 中运行我的代码，但最终会将代码移至 Python (gremlin_python)。正如您可能猜到的那样，我对 Gremlin 和一般图形数据库很陌生。
我有以下数据
g.addV('person').property(id, 'john')
.addV('person').property(id, 'jim')
.addV('person').property(id, 'pam')
.addV('game').property(id, 'G1')
.addV('game').property(id, 'G2')
.addV('game').property(id, 'G3').iterate()
g.V('john').as('p').V('G1').addE('bought').from('p').iterate()
g.V('john').as('p').V('G2').addE('bought').from('p').iterate()
g.V('john').as('p').V('G3').addE('bought').from('p').iterate()
g.V('jim').as('p').V('G1').addE('bought').from('p').iterate()
g.V('jim').as('p').V('G2').addE('bought').from('p').iterate()
g.V('pam').as('p').V('G1').addE('bought').from('p').iterate()
数据库中有 3 个人和 3 个游戏。我的目标是，给定一个人，告诉我哪些人购买了与他们相同的游戏，哪些游戏是那些
查看示例代码（主要来自https://tinkerpop.apache.org/docs/current/recipes/#recommendation）后，我有以下代码尝试查找由以下用户购买的游戏
g.V('john').as('target') Target person we are interested in comparing against
.out('bought').aggregate('target_games') // Games bought by target
.in('bought').where(P.neq('target')).dedup() // Persons who bought same games as target (excluding target and without duplicates)
.group().by().by(out("bought").where(P.within("target_games")).count()) // Find persons, group by number of co owned games
.unfold().order().by(values, desc).toList() // Unfold to create list, order by greatest number of common games
这给了我结果：
- {v[吉姆]：2}
- {v[pam]: 1}
这告诉我 jim 有 2 个与 john 相同的游戏，而 pam 只有 1 个。但我希望我的查询返回他们有共同点的实际游戏（仍然按照最常见的游戏顺序）：
- {v[jim]: ['G1', 'G2']}
- {v[pam]: ['G1]}
谢谢你的帮助。
回答
有几种不同的方式可以编写此查询。这是一种使用中间遍历V步骤找到约翰的游戏来找到所有不是约翰的人的方法，查看他们的游戏，看看他们是否与约翰拥有的游戏相交。
gremlin> g.V('john').as('j').
......1> out().
......2> aggregate('owns').
......3> V().
......4> hasLabel('person').
......5> where(neq('j')).
......6> group().
......7> by(id).
......8> by(out('bought').where(within('owns')).dedup().fold())
==>[pam:[v[G1]],jim:[v[G1],v[G2]]]
但是，中间遍历V方法并不是真正需要的，因为您可以只查看 Jown 拥有的游戏的传入顶点
gremlin> g.V('john').as('j').
......1> out().
......2> aggregate('owns').
......3> in('bought').
......4> where(neq('j')).
......5> group().
......6> by(id).
......7> by(out('bought').where(within('owns')).dedup().fold())
==>[pam:[v[G1]],jim:[v[G1],v[G2]]]
最后，这里是第三种方式，该dedup步骤应用得更快。这可能是三者中最有效的。
gremlin> g.V('john').as('j').
......1> out().
......2> aggregate('owns').
......3> in('bought').
......4> where(neq('j')).
......5> dedup().
......6> group().
......7> by(id).
......8> by(out('bought').where(within('owns')).fold())
==>[pam:[v[G1]],jim:[v[G1],v[G2]]]
根据评论讨论更新。我不确定这是一个更简单的查询，但您可以group从这样的投影中提取 a ：
gremlin> g.V('john').as('j').
......1> out().as('johnGames').
......2> in('bought').
......3> where(neq('j')).as('personPurchasedJohnGames').
......4> project('johnGames','personPurchasedJohnGames').
......5> by(select('johnGames')).
......6> by(select('personPurchasedJohnGames')).
......7> group().
......8> by(select('personPurchasedJohnGames')).
......9> by(select('johnGames').fold())
==>[v[pam]:[v[G1]],v[jim]:[v[G1],v[G2]]]
但实际上你可以进一步减少这个
gremlin> g.V('john').as('j').
......1> out().as('johnGames').
......2> in('bought').
......3> where(neq('j')).as('personPurchasedJohnGames').
......4> group().
......5> by(select('personPurchasedJohnGames')).
......6> by(select('johnGames').fold())
==>[v[pam]:[v[G1]],v[jim]:[v[G1],v[G2]]]
所以现在我们有很多选择可供选择！测量这些并看看是否有比其他的更快会很有趣。一般来说，我倾向于避免使用as步骤，因为这会导致路径跟踪被打开（用完内存），但因为我们as('j')在其他查询中已经有了一个并不是什么大问题。
再次编辑以添加结果排序
g.V('john').as('j').
out().as('johnGames').
in('bought').
where(neq('j')).as('personPurchasedJohnGames').
group().
by(select('personPurchasedJohnGames')).
by(select('johnGames').fold()).
unfold().
order().
by(select(values).count(local),desc)
{v[jim]: [v[G1], v[G2]]}
{v[pam]: [v[G1]]}
- Glad it helped. Please accept the answer so others can see it is answered.