大きなneo4jグラフで未接続ノードを高速検索

Question

したがって、私はリレーショナルデータベースからNeo4jグラフデータベースを作成しました。グラフデータベースには、約700万のノードと、ノード間の約900万の関係があります。

ここで、特定のラベルを持つノードに接続されていないノードをすべて検索したいと思います（接続されていないノードと呼ぶ）。たとえば、 "Customer"と "Order"というラベルの付いたノードがあります（これを最上位ノードと呼ぶ）。私は、これらの最上位ノードとの間に関係のないすべてのノードを見つけたいと思っています。この関係は直接的である必要はなく、ノードは他のノードを介してトップレベルノードに接続することができる。

私はこの問題を解決するCYPHERクエリを持っています。

MATCH (a) WHERE not ((a)-[*]-(:Customer)) AND not ((a)-[*]-(:Order)) RETURN a; 

あなたが想像できるように、クエリの実行には長い時間が必要になり、パフォーマンスが悪いです。ほとんどの場合、無向の関係のために、関係がいくつあるかによって問題にならないためです。しかし、関係の方向は重要ではありません。どのノードからトップレベルノードのいずれかへのパスがないことを確認する必要があります。

未接続ノードをより早く見つける方法はありますか？データベースは本当に大きく、トップレベルノードをマークする2つ以上のラベルがあることに注意してください。

Answer 1

より多くの操作が必要ですが、パフォーマンスを向上させるためにバッチで実行できます（APOCプロシージャライブラリのapoc.periodic.commit()を参照）。

考えられるのは、グラフ内のすべてのノード（apoc.periodic.commitでバッチ実行）にラベル（例：Unconnected）を適用し、そのラベルを持つ最上位ノードのバッチを取得してからサブグラフ内のすべてのノードがそれらから延びてそのラベルを削除します。

最終的に：接続されていないラベル（すべての最上位ノードとそのサブグラフにこのラベルがないことを意味します）を持つ最上位ノードが使い果たされた場合、未接続ラベル付きグラフに残っている唯一のノードは接続されませんあなたのトップレベルのノードに。

この種の操作に対するアプローチはおそらく遅くなりますが、これをバッチ処理でき、中断した場合は再開できるという利点もあります。クエリーが完了すると、関連するすべての未接続ノードには、以後の処理のためにラベルが付けられます。

また、Neo4jの無関係の関係の最後の1つの注釈は、構文（） - [*] - （）内に矢印がありません。

Answer 2

MATCH (a) 
WHERE 
not (a:Customer OR a:Order) 
AND shortestPath((a)-[*]-(:Customer)) IS NULL 
AND shortestPath((a)-[*]-(:Order)) IS NULL 
RETURN a; 

rel-typesを追加できる場合は、より高速になります。 もう1つの最適化は、ノードの顧客パス：注文ノードをチェックすることであり、その逆もあります。すなわち、一般に

NONE(n in nodes(path) WHERE n:Order)

、これはすなわち が二組 に並列にすべての注文および顧客ノードを周りに展開して2つのセットの間のオーバーラップを計算する、むしろセット動作かもしれません。

次に、ノードの総数からオーバーラップを削除します。

私はそのような機能を追加するために、ここでAPOCのための問題を追加

またはプロシージャ

https://github.com/neo4j-contrib/neo4j-apoc-procedures/issues/223