janusgraph-遍历图的语言
精确查询
语句含义 |
测试语句 |
执行时间 |
查询顶点标签为FALV的顶点数量 |
g.V().hasLabel('FALV').count() |
2400s |
查询顶点属性中id为19012201 |
clockWithResult(1) {g.V().has('id','19012201') } |
0.18540099999999998s |
查询顶点属性中id为19012201 |
clockWithResult(1) {g.V().has('id','19012201').valueMap().next()} |
1.309877s |
查询顶点属性中id为19012201 |
clockWithResult(1) {g.V().has('KUAN','id','19012201') } |
0.114287ms |
查询顶点属性中id为19012201 |
clockWithResult(1) {g.V().has('KUAN','id','19012201').valueMap().next()} |
1.752052ms |
查询出顶点属性中内容为。。。的顶点 |
g.V().has('neirong','<p> 本法所称农业机械化,是指运用先进适用的农业机械装备农业,改善农业生产经营条件,不断提高农业的生产技术水平和经济效益、生态效益的过程。</p>').values() |
0. 228ms |
查询顶点属性中id为'403116' |
g.V().has('id','403116').profile() |
60.364ms |
查询顶点属性中效力级别为2的顶点 |
g.V().has('xiaolijibie','2').limit(10).valueMap() |
只查询出一条数据 |
查询包含属性值xiaolijibie的顶点 |
g.V().has('xiaolijibie') |
不使用索引 |
查询属性vlabel为法律的 |
g.V().has('vlabel','FALV').valueMap() |
遍历所有的顶点进行输出 |
2. 模糊查询
语句语义 |
测试语句 |
执行时间 |
查询出顶点属性中包含’建设’ |
g.V().where(properties().hasValue(textContainsFuzzy("建设"))).limit(20).valueMap() |
0.253718ms |
查询出顶点为FALV属性中包含’建设’前20 |
g.V().hasLabel('FALV').where(properties().hasValue(textContainsFuzzy("建设"))).limit(20) |
2400s |
查询出顶点属性包含’建设’的顶点数 |
clockWithResult(1) {g.V().where(properties().hasValue(textContainsFuzzy("建设"))).count().next()} |
会遍历所有的顶点 |
查询出顶点属性包含’建设’的顶点数,限制为两个 |
g.V().where(properties().hasValue(textContainsFuzzy("建设"))).limit(2).profile() |
162.023ms |
clockWithResult(1) {g.V().where(properties().hasValue(textContainsFuzzy("北京市"))).has('id','19240800').valueMap().next()} |
||
模糊匹配共和国 |
clockWithResult(1){g.V().where(properties().hasValue(textContainsFuzzy("共和国"))).valueMap().next()} |
250127.85826799998ms |
查询法律中有中国的顶点 |
g.V().where(properties().hasValue(textContainsFuzzy("中国"))).has('vlabel','FALV') |
遍历所有的顶点 |
模糊匹配北京和建设两个关键字 |
clockWithResult(1) {g.V().where(properties().hasValue(textContainsFuzzy("北京市"))).where(properties().hasValue(textContainsFuzzy("建设"))).valueMap().next()} |
49961.617301ms |
3. 谓词查询
语句含义 |
测试语句 |
执行时间 |
查询所有定点数量 |
g.V().count() |
97s |
查询所有的边数量 |
g.E().count() |
2400s |
查询法律标签有out关系的顶点 |
g.V().hasLabel('FALV').out().limit(10) |
|
查询一个顶点具有out方向的邻接点 |
clockWithResult(1){g.V().has('id','332734').out('FALVFATIAO').count().next()} |
3.349717ms |
分组查看 |
g.V().groupCount().by(label) |
4. 探索查询
语句语义 |
测试语句 |
执行时间 |
查询某个实体的向外关系 |
clockWithResult(1) {g.V().has('id','19013190').out().next()}; |
1.353237ms |
查询某个实体的向内关系 |
clockWithResult(1) {g.V().has('id','19013104').in().next()}; |
1.7450409999999998ms |
多关系查询 |
||
输入实体类型+属性约束,返回一个实体及其所有一级关系 |
clockWithResult(1) {g.V().has('id', '19012335').outE().inV().path().by(valueMap(true)).next()} |
2.051107ms |
查询与顶点id为332734有直接关联的顶点以及边的关系 |
g.V().has('id','332734').bothE().otherV().path().profile() |
|
查询与顶点id为332734有直接关联的顶点 |
g.V().has('FALVFAGUI','id','332734').both().path().profile() |
4.840 |
两点之间是否有路径存在 |
g.V('983044208').repeat(out()).until(hasId('983044200')).path().profile |
18ms |
路径为三的探索 |
v=g.V().has('id','332733').out('FALVFATIAO').out('FATIAOKUAN').out('KUANXIANG').valueMap() |
1822.820ms |
该顶点所有的向外边为款的结果全部输出 |
g.V(v).repeat(out('KUANXIANG')).emit().valueMap() |
1ms |
janusgraph-遍历图的语言的更多相关文章
- 1048 图的宽度优先遍历序列 c语言
描述 图(graph)是数据结构 G=(V,E),其中V是G中结点的有限非空集合,结点的偶对称为边(edge):E是G中边的有限集合.设V={0,1,2,……,n-1},图中的结点又称为顶点(vert ...
- 深度-first遍历图--邻接表实现
在这里,邻接表的实现与深度优先遍历图,使用递归. #include<iostream> using namespace std; #define VERTEXNUM 5//结点数 stru ...
- Python 非递归遍历图
class Queue: def __init__(self,max_size): self.max_size = int(max_size) self.queue = [] def put(self ...
- JanusGraph多图配置 (cassandra)
JanusGraph多图配置目的 :一个端口开启后可根据句柄操作多个图 .(cassandra存储后端) 1.GremlinServer多图配置 服务器gremlin-server.yaml中可以设置 ...
- 图解Janusgraph系列-图数据底层序列化源码分析(Data Serialize)
图解Janusgraph系列-图数据底层序列化源码分析(Data Serialize) 大家好,我是洋仔,JanusGraph图解系列文章,实时更新~ 图数据库文章总目录: 整理所有图相关文章,请移步 ...
- 图的深度遍历(C语言)邻接矩阵表示
知识讲解: 图的遍历分为两种,深度遍历与广度遍历.这里讨论深度遍历. 以上图为例讨论图(图片来自<算法笔记>)的深度遍历: 设图形的顶点数为n. 先从顶点v0开始,用一个数组vis[n]来 ...
- 图的深度优先和广度优先遍历(图以邻接表表示,由C++面向对象实现)
学习了图的深度优先和广度优先遍历,发现不管是教材还是网上,大都为C语言函数式实现,为了加深理解,我以C++面向对象的方式把图的深度优先和广度优先遍历重写了一遍. 废话不多说,直接上代码: #inclu ...
- 邻接表存储图,DFS遍历图的java代码实现
import java.util.*; public class Main{ static int MAX_VERTEXNUM = 100; static int [] visited = new i ...
- 数据结构上机实验dfs&&bfs遍历图
#include<stdio.h> #include<string.h> #include<stdlib.h> #include<queue> #inc ...
- [DFS遍历图]UVA10562 Undraw the Trees
传送门: 1. UVA - 10562 2. Vjudge [看图写树] 将题目中给出的树改写为 括号表示法 即 (ROOT (SON1(...) (SON2(...)...(SONn(... ...
随机推荐
- Kaldi安装
Kaldi是基于C++开发并遵守Apache License v2.0的一款语音识别工具包,是目前最流行的ASR工具之一,本文基于Ubuntu 18.04 LTS介绍了如何安装Kaldi. 首先按照官 ...
- Go基础编程实践(一)—— 操作字符串
修剪空格 strings包中的TrimSpace函数用于去掉字符串首尾的空格. package main import ( "fmt" "strings" ) ...
- Linux 生成随机mac地址,并固化到本地
前言: 将Mac地址随机化并固化到本地可以有效避免同一个网络内,mac地址冲突导致的网络阻塞问题. 以下是有关的方法: 1.使用$RANDOM和md5sum(嵌入式无需移植其他软件的优秀可选方案) M ...
- elasticsearch配置文件中http.cors.x字段有哪些用途和用法
http.cors.enabled 是否支持跨域,默认为false http.cors.allow-origin 当设置允许跨域,默认为*,表示支持所有域名,如果我们只是允许某些网站能访问,那么可以使 ...
- mongoDB 分组并对分组结果筛选类似于SQL中的(group by xxx having ) 附带Java代码
今天需要做一个筛选程序,因为数据放在mongodb中,没写过分组的查询语句,查了一些资料,终于写出来了,分享给各位小伙伴 需求是 查询 学员 在2019-07-29之后未同步的数据(同一个学员需要2条 ...
- .net 使用SqlBulkCopy批量插入数据库
//一次批量插入100W条数据到数据库 static void Main(string[] args) { System.Random a = new Random(System.DateTime.N ...
- flask 与 SQLAlchemy的使用
flask 与 SQLAlchemy的使用 安装模块 pip install flask-sqlalchemy 在单个python中与flask使用 # 文件名:manage.py from flas ...
- Python DBUtils 连接池对象 (PooledDB)
数据处理框架用到 mysql, 需要在多进程中的多线程中使用 mysql 的连接 使用到的模块: DBUtils 实现: 使用 DBUtils 中的 PooledDB 类来实现. 自己写一个类, 继承 ...
- Vue.js的路由之——vue-router快速入门
直接先上效果图 这个单页面应用有两个路径:/home和/about,与这两个路径对应的是两个组件Home和About. 整个实现过程 JavaScript 创建组件:创建单页面应用需要渲染的组件 创建 ...
- Spring框架的核心概念是什么?需要掌握的知识点都有哪些?
Spring其主要精髓 就是IOC和AOP.掌握好了这两点对于理解Spring的思想颇有意义. IOC(英文 Inversion of Control)就是控制反转的意思.就是把新建对象(new Ob ...