mysql - MySQL 和 Neo4J 中的 friend 的 friend 的 friend 的 friend 的...关系的比较

Question

为了了解使用 Neo4J 建立 friend 关系的优势，我在 MySQL 数据库上创建了一张用于 Persons 的表(“Persons”，20900 个数据集):

id     | name
--------------
 1     | Peter
 2     | Max
 3     | Sam
 ...   | ...
 20900 | Rudi

和一张关系表(“友谊”，每个人有 50 到 100 个 friend ):

personen_id_1 | personen_id_2
-------------------------
 1         | 2
 1         | 3
 2         | 56
 ...       | ...
 20900     | 201

因此，大约有 120 万个关系。

现在我想要 id=1 的人的 friend 的 friend 的 friend 的 friend ，所以我制作了一个这样的查询:

select distinct P.name
from Friendships f
join Friendships f2 ON f.personen_id_2 = f2.personen_id_1
join Friendships f3 ON f2.personen_id_2 = f3.personen_id_1
join Friendships f4 ON f3.personen_id_2 = f4.personen_id_1
join Persons P ON f4.personen_id_2 = P.id
where f.personen_id_1 = 1

用户 ID 1 的查询花费了大约 30 秒

在 Neo4J 中，我为每个人创建了一个具有一个名称属性的节点(20900 个节点)。所有节点的连接都等于 MySQL 中的 Friendships 表，因此有 120 万个关系。

为了在这里获得相同的 frinedset，我输入了 gremlin:

gremlin> g.v(1).outE.inV.loop(2){ it.loops <= 4 }.name.dedup.map()

这大约需要 1 分钟。我根本没想到会这样!

那么我的比较正确吗？如果是，如何修改此示例以显示使用 neo4j 完成此任务的优势？

Answer 1

我对 Gremlin 不太熟悉，但我生成了一个类似大小的数据集(统计数据如下)并在 Cypher 中运行了等效的查询:

START person=node:user(name={name})
MATCH person-[:FRIEND]-()-[:FRIEND]-()-[:FRIEND]-()-[:FRIEND]-friend
RETURN friend.name AS name

我对数据集运行了 1000 次，每次都选择不同的用户作为起点。在运行测试之前我没有预热缓存，所以这是从头开始的。平均响应时间:33 毫秒。

在 MacBook Pro、2.2 GHz Intel Core i7、8 GB RAM、4 GB 堆上运行

以下是图表统计数据:

+----------------------------------------------+
| user           | 20900                       |
+----------------------------------------------+
|                | Average |    High |     Low |
+----------------------------------------------+
| FRIEND                                       |
+----------------------------------------------+
|       OUTGOING |      74 |     100 |      48 |
|       incoming |      74 |     123 |      31 |
+----------------------------------------------+

+----------------------------------------------+
| _UNKNOWN       | 1                           |
+----------------------------------------------+
|                | Average |    High |     Low |
+----------------------------------------------+

+----------------------------------------------+
| Totals                                       |
+----------------------------------------------+
| Nodes          | 20901                       |
| Relationships  | 1565787                     |
+----------------------------------------------+
| FRIEND         | 1565787                     |
+----------------------------------------------+