neo4j中高效的重複節點查找

Question

下一個Neo4j版本的功能請求：Neo4j已經支持以排序順序保存屬性的索引，從而實現快速查找。例如。一個人的名字，一個可能有一個看起來像指數：

愛麗絲 鮑勃 卡羅爾 戴夫 艾米莉 （....）

這樣一個可以查找「戴夫」與二進制搜索（O（log n））而不是線性掃描（O（n））。

但是，也可以使用索引來有效地查找重複項（某些屬性具有相同值的節點）。例如，如果想要列出每個「人」節點共享相同名字的一組列表，Neo4j 2.3似乎（通過Cypher中的EXPLAIN）執行的操作是將每個節點的名字與其他所有名字進行比較，是O（N^2）。例如。此查詢：

介紹匹配（一個：人）用一根火柴（B：人）WHERE a.name = b.name RETURN A，B LIMIT 5

示出了笛卡兒積步驟和隨後的過濾步驟。但隨着名字的指數，一個可以做線性掃描過類似的列表：

愛麗絲 愛麗絲 愛麗絲 鮑勃 卡羅爾 卡羅爾 戴夫 艾米莉 弗蘭克 弗蘭克 弗蘭克 （.... ）

比較項目＃1到＃2，＃2到＃3等，以每次掃描O（n）時間構建所有重複項的有序列表。 Neo4j似乎不支持，但它會對我的應用程序非常有用，所以我想提出一個請求。

Answer 1

我對你可能會嘗試的建議有幾點建議，但如果你發現它們不足（沒有其他人有更好的想法），我會建議將新功能建議提交給Neo4j GitHub issues list。

所以我想知道如果Neo4j認爲屬性特殊。如果您在標籤/屬性（您可以使用CREATE INDEX ON :person(name)創建）上有索引，那麼比較屬性和字符串應該非常高效。我試圖通過名字通過只是一個變量，它似乎有較少的DB打在我小的考驗DB：

MATCH (a:person) 
WITH a, a.name AS name 
MATCH (b:person) 
WHERE name = b.name 
RETURN a, b LIMIT 5 

這似乎給我更少的DB命中，當我PROFILE它。

另一種解決方法是，由於您在談論同一組對象，因此按名稱對節點進行分組，然後爲每個組抽出對。像這樣：

MATCH (a:person) 
WITH a.name AS name, collect(a) AS people 
UNWIND people AS a 
UNWIND people AS b 
WITH name, a, b 
WHERE a <> b 
RETURN a, b LIMIT 50 

在這裏，我們收集了每個獨一無二的名稱的數組（我們也可以下/上，如果我們想成爲不區分大小寫），然後UNWIND兩次獲得陣列的笛卡爾積。由於我們正在逐組進行工作，因此這應比將每個節點與其他每個節點進行比較快得多。