graph-databases - 在从根节点遍历到所有节点并返回 OrientDB 图形数据库时聚合数据

Question

我正在使用 OrientDB 图形数据库。我必须遍历一棵树并在每个节点收集数据并汇总。例如:

如果 A 是根节点，并且它有 A1 和 A2 节点，它们通过“有一个”关系连接起来。 A1 与 A11 和 A12 具有“具有”关系。类似地，A2 ​​与 A21 和 A22 具有“具有”关系。叶节点 A11、A12、A21 和 A22 具有称为“点”的属性。我必须根据子节点计算每个父节点的平均点数。如果 A11.points=20 和 A12.points=10。然后A1处的平均点数变为15。对于A节点，我必须根据A1和A2处计算的平均点数来计算平均点数。

                        A
                      /   \
                    A1     A2
                   /  \    /  \
                 A11  A12 A21  A22

简而言之，我必须从树的根节点开始，继续遍历所有节点并遍历回收集数据。有谁知道如何使用 OrientDB API 或 Gremlin 来做到这一点？

实际上我试图简化问题陈述。平均数不是简单平均数，而是加权平均数。叶节点处还有一个字段，比方说小时。平均值将根据小时数变化。如果A11 100小时90分，A12 10小时10分。在计算平均分时，我们还需要考虑小时数。

Answer 1

此解决方案可能会让您更接近您的需求，但我不确定它是否完全适合，因为它只能让您计算所选层次结构级别(即“A”或“A1”)的平均值).这是我的 Gremlin session :

gremlin> g = new TinkerGraph()
==>tinkergraph[vertices:0 edges:0]
gremlin> a = g.addVertex("a")  
==>v[a]
gremlin> a1 = g.addVertex("a1")
==>v[a1]
gremlin> a2 = g.addVertex("a2")
==>v[a2]
gremlin> a.addEdge('has',a1)    
==>e[0][a-has->a1]
gremlin> a.addEdge('has',a2)
==>e[1][a-has->a2]
gremlin> a1.addEdge('relationship',g.addVertex("a11",[points:20]))
==>e[2][a1-relationship->a11]
gremlin> a1.addEdge('relationship',g.addVertex("a12",[points:20]))
==>e[3][a1-relationship->a12]
gremlin> a2.addEdge('relationship',g.addVertex("a21",[points:100]))
==>e[4][a2-relationship->a21]
gremlin> a2.addEdge('relationship',g.addVertex("a22",[points:0]))  
==>e[5][a2-relationship->a22]
gremlin> p=g.v("a").out.loop(1){it.loops<10}{true}.path.filter{it.last().getProperty("points")!=null}.toList()               
==>[v[a], v[a2], v[a22]]
==>[v[a], v[a2], v[a21]]
==>[v[a], v[a1], v[a12]]
==>[v[a], v[a1], v[a11]]
gremlin> p.collect{[it, it.last().getProperty("points")]}._().groupBy{it[0][0]}{it[1]}{it.sum()/it.size()}.cap.next()
==>v[a]=35
gremlin> p.collect{[it, it.last().getProperty("points")]}._().groupBy{it[0][1]}{it[1]}{it.sum()/it.size()}.cap.next()
==>v[a1]=20
==>v[a2]=50

因此，这一行为我们提供了重要的路径(即那些以具有 points 的叶节点结尾的路径:

p=g.v("a").out.loop(1){it.loops<10}{true}.path.filter{it.last().getProperty("points")!=null}.toList()

我将它们存储在 p 中供以后使用。请注意，这将探索树的深度为 10，由 it.loops<10 控制。 .从那里使用起来非常简单 p计算平均值。这是为 A 计算它的示例:

p.collect{[it, it.last().getProperty("points")]}._().groupBy{it[0][0]}{it[1]}{it.sum()/it.size()}.cap.next()

上面基本上是说，对于每条路径，将其转换为一个新列表，其中第一项是路径，第二项是叶节点处的点。将该列表转换为具有身份函数的管道，并在路径中的第一项(由 it[0][0] 标识)上分组，并获取该路径的点值(第二个闭包 groupBy )。第三封去groupBy是一个 reducer 函数，它对点求和并从中计算平均值。

另一种选择，如果您只需要计算单个顶点的平均值，则可以使用这种方法:

gremlin> g.v("a").out.loop(1){it.loops<10}{true}.path{it.points}.filter{it.last()!=null}
                 .transform{it.last()}.gather.transform{it.sum()/it.size()}
==>35

请注意，开始时的遍历大致相同，但在抓取路径时使用闭包。该闭包将顶点转换为 points 的值属性(请注意，使用 it.getProperty("points") 比 it.points 更有效)。从那里我再次过滤掉路径中最后一项具有空值的路径(即，因为叶节点是唯一具有 points 属性的节点，这应该给我们留下以叶结尾的路径)。然后我转换这些路径以获取点，将它们收集到一个列表并将该列表转换为“A”的平均点。