TinkerPop中的遍历：图的遍历步骤(1/3)

2019年3月16日 344次阅读 来源: 数据结构之图

from:http://www.cnblogs.com/myitroad/p/7778455.html

图遍历步骤（Graph Traversal Steps）

在最一般的层次上，Traversal

  • Step
  • TraversalStrategy: 拦截器方法来改变遍历的执行（例如查询重写）。
  • TraversalSideEffects: 键/值对，可用于存储有关遍历的全局信息。
  • Traverser

示例数据

示例数据大多出自于Modern数据，如下图：
《TinkerPop中的遍历：图的遍历步骤(1/3)》

可以通过下图加载Modern图数据，并获取图遍历引用g：

gremlin> graph = TinkerFactory.createModern()
gremlin> g = graph.traversal()

1. General Steps

Step Description
map(Traversal<S, E>) map(Function<Traverser<S>, E>) 将运行程序映射到类型E的某个对象，以便下一步处理。
flatMap(Traversal<S, E>) flatMap(Function<Traverser<S>, Iterator<E>>) 将遍历器映射到流向下一步的E对象的迭代器。
filter(Traversal<?, ?>) filter(Predicate<Traverser<S>>) 将运行程序映射为true或false，其中false将不会将运行程序传递给下一步。
sideEffect(Traversal<S, S>) sideEffect(Consumer<Traverser<S>>) 在移动器上执行一些操作，并将其传递到下一步。
branch(Traversal<S, M>) branch(Function<Traverser<S>,M>) 将移动器拆分为由M令牌索引的所有遍历。

《TinkerPop中的遍历：图的遍历步骤(1/3)》

  • filter步骤的示例

    gremlin> g.V().filter(label().is('person'))

  • map步骤的示例

    gremlin> g.V(1).out().map(values('name'))

  • sideEffect步骤的示例

    gremlin> g.V().hasLabel('person').sideEffect(System.out.&println)

  • branch步骤的示例

    gremlin> g.V().branch(values('name')).
           option('marko', values('age')).
           option(none, values('name'))

2. Terminal Steps

一些步骤不返回遍历，而是执行遍历并返回结果。这些步骤就是Terminal步骤（终端步骤），并且通过下面的示例来解释它们。

gremlin> g.V().out('created').hasNext()
==>true
gremlin> g.V().out('created').next()
==>v[3]
gremlin> g.V().out('created').next(2)
==>v[3]
==>v[5]
gremlin> g.V().out('nothing').tryNext()
==>Optional.empty
gremlin> g.V().out('created').toList()
==>v[3]
==>v[5]
==>v[3]
==>v[3]
gremlin> g.V().out('created').toSet() 
==>v[3]
==>v[5]
gremlin> g.V().out('created').toBulkSet()
==>v[3]
==>v[3]
==>v[3]
==>v[5]
gremlin> results = ['blah',3]
==>blah
==>3
gremlin> g.V().out('created').fill(results)
==>blah
==>3
==>v[3]
==>v[5]
==>v[3]
==>v[3]

注意几点：

  1. 上述tryNext()将返回一个Optional的，是一个hasNext()/next()的组合。
  2. toSet()与toBulkSet()都返回一个去重的集合，区别在于后者通过加权处理重复对象。

3. AddEdge Step

推理是明确显示数据中隐含的内容的过程。图中显式的是图形的对象，即顶点和边。图中隐含的是遍历。即，通过遍历揭示了意义，而所谓的意义是有遍历的定义来决定的。
比如定义一个遍历，找出节点的合作开发者（co-developer），并在这种关系（边）上添加属性“year”：

gremlin> g.V(1).as('a').out('created').in('created').where(neq('a')).
           addE('co-developer').from('a').property('year',2009)

如此，曾经隐含的含义可以可以通过addE()-step（map/sideEffect）来显式。

Question
这里addE()-step（map/sideEffect）意味着addE()步骤产生了map和sideEffect普通步骤的效果吗？

4. AddVertex Step

addV()步骤用于向图中添加顶点（map/sideEffect）。
增加顶点，示例如下：

gremlin> g.addV('person').property('name','stephen')
gremlin> g.V().outE('knows').addV().property('name','nothing')

Question
gremlin> g.V().outE('knows').addV().property('name','nothing')这种方式并没有增加节点之间的关联（边），那么它的意义在哪里？

5. AddProperty Step

property() 步骤用于向图形元素添加属性（sideEffect）。与addV()和addE()不同，property()是一个完全的sideEffect步骤，它不会返回其创建的属性，而是返回添加属性的元素。那么，可以推测出在addV()或addE()步骤后使用property()步骤可以在创建顶点或边的时候一次性创建多个属性。

  • 为一个节点添加一个属性

    gremlin> g.V(1).property('country','usa')

  • 为一个节点添加多个属性

    gremlin> g.V(1).property('city','santa fe').property('state','new mexico').valueMap()

  • （对顶点）添加多值属性（Cardinality.list）

    gremlin> g.V(1).property(list,'age',35)

  • 添加元属性

    gremlin> g.V(1).properties('name').property('author','inspur')

6. Aggregate Step

aggregate()步骤（sideEffect）用于将遍历特定点处的所有对象（贪婪评估方式eager evaluation）聚合到集合中。
aggregate step
《TinkerPop中的遍历：图的遍历步骤(1/3)》

gremlin> g.V(1).out('created').aggregate('x').in('created').out('created').
                where(without('x')).values('name') 
==>ripple

7. And Step

and()步骤确保所有提供的遍历产生结果（filter）。请参阅or()。

gremlin> g.V().and(
            outE('knows'),
            values('age').is(lt(30))).
              values('name')
==>marko

使用or()步骤会产生以下结果：

gremlin> g.V().or(
            outE('knows'),
            values('age').is(lt(30))).
              values('name')
==>marko
==>vadas

8. As Step

as()步骤不是一个真正的步骤，而是一个类似于by()和option()的“调节器”。使用as()，可以为步骤提供标签，后续的步骤或数据结果可以通过使用这些标签访问这些步骤。

gremlin> g.V().as('a').out('created').as('b').select('a','b')
==>[a:v[1],b:v[3]]
==>[a:v[4],b:v[5]]
==>[a:v[4],b:v[3]]
==>[a:v[6],b:v[3]]

一步可以有任何数量的与之相关联的标签。这对于在将来的步骤中多次引用相同的步骤很有用：

gremlin> g.V().hasLabel('software').as('a','b','c').
            select('a','b','c').
              by('name').
              by('lang').
              by(__.in('created').values('name').fold())
==>[a:lop,b:java,c:[marko,josh,peter]]
==>[a:ripple,b:java,c:[josh]]

Note
以上__.（两个_）通过匿名方式产生了GraphTraversal。并使用了后续介绍的fold()步骤。

9. Barrier Step

barrier() 步骤将延迟遍历管道转换为批量同步管道。可类比线程同步中的栅栏。在以下情况下，此步骤很有用：

  • 使用在需要栅栏的场景
  • 进行“膨胀优化”（bulking optimization）

膨胀优化对于某些程序执行效率的提高是非常明显的，如下示例：

gremlin> g = graph.traversal().withoutStrategies(LazyBarrierStrategy) //屏蔽默认的遍历策略
gremlin> clockWithResult(1){g.V().both().both().both().count().next()} //未使用barrier
gremlin> clockWithResult(1){g.V().both().barrier().both().barrier().both().barrier().count().next()}  //使用barrier

上述优化过程需要去掉LazyBarrierStrategy 遍历策略，即默认情况下遍历器已经使用LazyBarrierStrategy进行了优化（barrier()步骤会在适当的情况下自动添加）。

  • 支持参数
    如果barrier()被提供一个整数参数n，那么在将聚合的遍历器入下一个步骤之前，栅栏只会在其屏障中保留n个唯一的遍历器。

10. By Step

如果一个步骤能够接受遍历、函数或比较器等，那么by()是添加它们的手段。

gremlin> g.V().group().by(bothE().count()) //将元素按其边数进行分组，属于接受“遍历”的情况
==>[1:[v[2],v[5],v[6]],3:[v[1],v[3],v[4]]]
gremlin> g.V().group().by(bothE().count()).by('name') //将通过其名称（元素属性投影）处理分组的元素
==>[1:[vadas,ripple,peter],3:[marko,lop,josh]]
gremlin> g.V().group().by(bothE().count()).by(count()) //将计算每个组中的元素数量
==>[1:3,3:3]

  • 哪些步骤支持by()
    以下步骤支持by()，注意有些步骤支持一个by()，有些步骤支持多个by()，使用时需要参考文档。

    dedup()
cyclicPath()
simplePath()
sample()
where()
groupCount()
group()
order()
path()
project()
select()
tree()
aggregate()
store()

    11. Cap Step

    cap()用来将一些副作用步骤产生的结果发射（emits）出来。
    如下使用label进行分组统计，并使用cap()将分组结果展现出来：

    gremlin> g.V().groupCount('a').by(label) //不使用cap()
==>v[1]
==>v[2]
==>v[3]
==>v[4]
==>v[5]
==>v[6]
gremlin> g.V().groupCount('a').by(label).cap('a') //使用cap()
==>[software:2,person:4]

    另外，cap()支持多个key值，不同的key会组成 Map

12. Choose Step

choose()将当前遍历器路由到特定的遍历分支选项。可用来实现if-then-else语法结构。
判断条件可以放在choose步骤中，也可以放在option步骤中：

  • choose中进行判断

    gremlin> g.V().hasLabel('person').
           choose(values('age').is(lte(30)),
             __.in(),
             __.out()).values('name')
==>marko
==>ripple
==>lop
==>lop

  • option中进行判断

    gremlin> g.V().hasLabel('person').
           choose(values('age')).
             option(27, __.in()).
             option(32, __.out()).values('name') 
==>marko
==>ripple
==>lop

13. Coalesce Step

coalesce() – 步骤按顺序评估提供的遍历，并返回发出至少一个元素的第一个遍历。
即coalesce()可以传入多个遍历，并对这些遍历按照顺序进行评估。若某个元素匹配上某个遍历，那么返回该元素在该遍历上产生的结果，然后跳到下一个元素进行相同的操作。
比如，当person含有nickname则返回nickname，当含有name则返回name；不会即返回nickname又返回name；当既没有nickname也没有name，则返回空。

gremlin> g.V().hasLabel('person').coalesce(values('nickname'), values('name')) 
==>okram 
==>vadas 
==>josh 
==>peter

14. Coin Step

要随机过滤出一个遍历器，请使用coin() 步骤（filter）。

gremlin> g.V().coin(0.0) //不返回节点
gremlin> g.V().coin(0.5) //随机返回节点，注意它并不是随机返回一半
gremlin> g.V().coin(1.0) //返回全部

15. Constant Step

要为运行程序指定常量值，请使用常量constant() 步骤（map）。对于诸如choose()或`coalesce() 的条件步骤通常很有用。

gremlin> g.V().hasLabel('person').coalesce(values('nickname11'), values('name11'),constant("haha")) 
==>haha
==>haha
==>haha
==>haha

16. Count Step

属于map步骤范畴。举例如下：

gremlin> g.V().count()
==>6
gremlin> g.V().hasLabel('person').count()
==>4

该步骤是减少栅栏的步骤（reducing barrier step），意味着所有先前的遍历器被折叠成新的遍历器。

gremlin> g.V().hasLabel('person').outE('created').path()
==>[v[1],e[9][1-created->3]]
==>[v[4],e[10][4-created->5]]
==>[v[4],e[11][4-created->3]]
==>[v[6],e[12][6-created->3]]
gremlin> g.V().hasLabel('person').outE('created').count()
==>4
gremlin> g.V().hasLabel('person').outE('created').count().path()
==>[4]

17. CyclicPath Step

每个遍历器在遍历图形的时候会维护其历史，即其路径。如果重要的是遍历器重复它的过程，那么应该使用cyclic()– 路径（filter）。
该步骤分析到目前为止的运行程序的路径，并且如果有任何重复，则遍历器被过滤掉以免重复遍历。
如果需要非循环行为，请参阅simplePath()。

gremlin> g.V(1).both().both().cyclicPath().path() //查看循环的遍历路径
==>[v[1],v[3],v[1]]
==>[v[1],v[2],v[1]]
==>[v[1],v[4],v[1]]
gremlin> g.V(1).both().both().simplePath().path() //查看非循环的遍历路径
==>[v[1],v[3],v[4]]
==>[v[1],v[3],v[6]]
==>[v[1],v[4],v[5]]
==>[v[1],v[4],v[3]]

18. Dedup Step

使用dedup()步骤（filter），重复的对象将从遍历流中删除。

gremlin> g.V().values('lang')
==>java
==>java
gremlin> g.V().values('lang').dedup()
==>java

19. Drop Step

drop()步骤（filter/sideEffect）用于从图形中删除元素和属性（即删除）。它是一个过滤器步骤，因为遍历不产生传出对象。

gremlin> g.V().outE().drop() //删除边
gremlin> g.E()
gremlin> g.V().properties('name').drop() 删除属性
gremlin> g.V().valueMap()
==>[age:[29]]
==>[age:[27]]
==>[lang:[java]]
==>[age:[32]]
==>[lang:[java]]
==>[age:[35]]
gremlin> g.V().drop() //删除图
gremlin> g.V()

20. Explain Step

explain() 步骤（terminal）将返回一个TraversalExplanation。遍历说明详细说明了如何根据注册的遍历策略编译遍历（在explain()之前）。

第一列是应用的遍历策略。第二列是遍历策略类别：[D]ecoration，[O]ptimization，[P]rovider optimization，[F]inalization和[V]erification。最后，第三列是遍历后策略应用的状态。最终遍历是最终的执行计划。

21. Fold Step

有些情况下，遍历流需要“栅栏”来聚合所有对象并产生作为聚合函数的计算结果。fold()步骤（map）就是这样的例子。

gremlin> g.V(1).out('knows').values('name')
==>vadas
==>josh
gremlin> g.V(1).out('knows').values('name').fold() //简单合并
==>[vadas,josh]
gremlin> g.V(1).out('knows').values('name').fold(0) {a,b -> a + b.length()} //统计name值的字符长度
==>9
gremlin> g.V(1).out('knows').values('name').fold(0) {a,b -> a + b} //合并所有名字为一个长串
==>vadasjosh

22. Graph Step

V() 步骤通常用于启动GraphTraversal，但也可以在遍历中间使用。

gremlin> g.V().has('name', within('marko', 'vadas', 'josh')).as('person').
 V().has('name', within('lop', 'ripple')).addE('uses').from('person')
==>e[13][1-uses->3]
==>e[14][1-uses->5]
==>e[15][2-uses->3]
==>e[16][2-uses->5]
==>e[17][4-uses->3]
==>e[18][4-uses->5]

23. From Step

from()不是一个真正的步骤，而是类似by()和as()等的步骤调节器（step-modulator）。如果一个步骤可以接受一个遍历器或者String，那么可以用from()。

  • 接受from()的步骤

    simplePath()
cyclicPath()
path()
addE()

—- ITRoad，记录与分享学习历程

    原文作者：数据结构之图
    原文地址: https://blog.csdn.net/albg_boy/article/details/78487722
    本文转自网络文章，转载此文章仅为分享知识，如有侵权，请联系博主进行删除。
点赞