graph-databases - 有没有办法优化这个 Gremlin 查询？

Question

我有一个图形数据库，它看起来像这个(简化的)图:



每个唯一 ID 都有许多属性，这些属性表示为从 ID 到该属性的唯一值的边。基本上这意味着如果两个 ID 节点具有相同的电子邮件，那么它们的 has_email边都指向同一个节点。在图中，两个显示的 ID 共享一个名字和一个姓氏。

对于一组给定的“匹配规则”，我很难编写有效的 Gremlin 查询来查找匹配的 ID。匹配规则将由一组属性组成，这些属性必须全部相同才能将 ID 视为来自同一个人。我目前用于根据名字、姓氏和电子邮件匹配人员的查询如下所示:

g.V().match(
    __.as("id").hasId("some_id"),
    __.as("id")
        .out("has_firstName")
        .in("has_firstName")
        .as("firstName"),
    __.as("id")
        .out("has_lastName")
        .in("has_lastName")
        .as("lastName"),
    __.as("id")
        .out("has_email")
        .in("has_email")
        .as("email"),
    where("firstName", eq("lastName")),
    where("firstName", eq("email")),
    where("firstName", neq("id"))
).select("firstName")

查询返回与输入 some_id 匹配的 ID 列表.

当此查询尝试将 ID 与特别常见的名字匹配时，它会变得非常非常缓慢。我怀疑 match step 是问题所在，但到目前为止，我一直在努力寻找替代方案，但运气不佳。

Answer 1

此查询的性能将取决于图中的边缘度数。由于许多人拥有相同的名字，因此您很可能会在进入特定的 firstName 时拥有大量优势。顶点。
您可以做出假设，例如:姓氏相同的人比名字相同的人少。当然，共享同一电子邮件地址的人应该更少。有了这些知识，您就可以开始遍历具有最低度数的顶点，然后从那里进行过滤:

g.V().hasId("some_id").as("id").
  out("has_email").in("has_email").where(neq("id")).
  filter(out("has_lastName").where(__.in("has_lastName").as("id"))).
  filter(out("has_firstName").where(__.in("has_firstName").as("id")))

这样，性能将主要取决于边缘度最低的顶点。