Database Titan graph数据库速度太慢，100000+；带索引的顶点如何优化？

以下是索引代码：

`
g = TitanFactory.build().set("storage.backend", "cassandra")
            .set("storage.hostname", "127.0.0.1").open();

    TitanManagement mgmt = g.getManagementSystem();

    PropertyKey db_local_name = mgmt.makePropertyKey("db_local_name")
            .dataType(String.class).make();
    mgmt.buildIndex("byDb_local_name", Vertex.class).addKey(db_local_name)
            .buildCompositeIndex();

    PropertyKey db_schema = mgmt.makePropertyKey("db_schema")
            .dataType(String.class).make();
    mgmt.buildIndex("byDb_schema", Vertex.class).addKey(db_schema)
            .buildCompositeIndex();

    PropertyKey db_column = mgmt.makePropertyKey("db_column")
            .dataType(String.class).make();
    mgmt.buildIndex("byDb_column", Vertex.class).addKey(db_column)
            .buildCompositeIndex();

    PropertyKey type = mgmt.makePropertyKey("type").dataType(String.class)
            .make();
    mgmt.buildIndex("byType", Vertex.class).addKey(type)
            .buildCompositeIndex();

    PropertyKey value = mgmt.makePropertyKey("value")
            .dataType(Object.class).make();
    mgmt.buildIndex("byValue", Vertex.class).addKey(value)
            .buildCompositeIndex();

    PropertyKey index = mgmt.makePropertyKey("index")
            .dataType(Integer.class).make();
    mgmt.buildIndex("byIndex", Vertex.class).addKey(index)
            .buildCompositeIndex();

    mgmt.commit();`

这里是搜索顶点，然后在3GHz 2GB RAM pc上添加带3条边的顶点。它在3小时内完成830个顶点，我有100000个数据，速度太慢了。代码如下：

for (Object[] rowObj : list) {
            // TXN_ID
            Iterator<Vertex> iter = g.query()
                    .has("db_local_name", "Report Name 1")
                    .has("db_schema", "MPS").has("db_column", "txn_id")
                    .has("value", rowObj[0]).vertices().iterator();
            if (iter.hasNext()) {
                vertex1 = iter.next();
                logger.debug("vertex1=" + vertex1.getId() + ","
                        + vertex1.getProperty("db_local_name") + ","
                        + vertex1.getProperty("db_schema") + ","
                        + vertex1.getProperty("db_column") + ","
                        + vertex1.getProperty("type") + ","
                        + vertex1.getProperty("index") + ","
                        + vertex1.getProperty("value"));
            }
            // TXN_TYPE
            iter = g.query().has("db_local_name", "Report Name 1")
                    .has("db_schema", "MPS").has("db_column", "txn_type")
                    .has("value", rowObj[1]).vertices().iterator();
            if (iter.hasNext()) {
                vertex2 = iter.next();
                logger.debug("vertex2=" + vertex2.getId() + ","
                        + vertex2.getProperty("db_local_name") + ","
                        + vertex2.getProperty("db_schema") + ","
                        + vertex2.getProperty("db_column") + ","
                        + vertex2.getProperty("type") + ","
                        + vertex2.getProperty("index") + ","
                        + vertex2.getProperty("value"));
            }
            // WALLET_ID
            iter = g.query().has("db_local_name", "Report Name 1")
                    .has("db_schema", "MPS").has("db_column", "wallet_id")
                    .has("value", rowObj[2]).vertices().iterator();
            if (iter.hasNext()) {
                vertex3 = iter.next();
                logger.debug("vertex3=" + vertex3.getId() + ","
                        + vertex3.getProperty("db_local_name") + ","
                        + vertex3.getProperty("db_schema") + ","
                        + vertex3.getProperty("db_column") + ","
                        + vertex3.getProperty("type") + ","
                        + vertex3.getProperty("index") + ","
                        + vertex3.getProperty("value"));
            }

            vertex4 = g.addVertex(null);
            vertex4.setProperty("db_local_name", "Report Name 1");
            vertex4.setProperty("db_schema", "MPS");
            vertex4.setProperty("db_column", "amount");
            vertex4.setProperty("type", "indivisual_0");
            vertex4.setProperty("value", rowObj[3].toString());
            vertex4.setProperty("index", i);

            vertex1.addEdge("data", vertex4);
            logger.debug("vertex1 added");
            vertex2.addEdge("data", vertex4);
            logger.debug("vertex2 added");
            vertex3.addEdge("data", vertex4);
            logger.debug("vertex3 added");
            i++;
            g.commit();
        }

（对象[]rowObj:list）的

{
//TXN_ID
迭代器iter=g.query（）
.has（“db\U本地名称”、“报告名称1”）
.has（“db\U模式”、“MPS”）.has（“db\U列”、“txn\U id”）
.has（“value”，rowObj[0]）。顶点（）。迭代器（）；
if（iter.hasNext（））{
vertex1=iter.next（）；
logger.debug（“vertex1=“+vertex1.getId（）+”，”
+vertex1.getProperty（“db_local_name”）+，“
+vertex1.getProperty（“db_模式”）+，“
+vertex1.getProperty（“db_列”）+，“
+vertex1.getProperty（“类型”）+，“
+vertex1.getProperty（“索引”）+，“
+vertex1.getProperty（“值”）；
}
//TXN_型
iter=g.query（）.has（“db\u local\u name”，“报告名1”）
.has（“db\U模式”、“MPS”）.has（“db\U列”、“txn\U类型”）
.has（“value”，rowObj[1]）。顶点（）。迭代器（）；
if（iter.hasNext（））{
vertex2=iter.next（）；
logger.debug（“vertex2=“+vertex2.getId（）+”，”
+vertex2.getProperty（“db_local_name”）+，“
+vertex2.getProperty（“db_模式”）+，“
+vertex2.getProperty（“db_列”）+，“
+vertex2.getProperty（“类型”）+，“
+vertex2.getProperty（“索引”）+，“
+vertex2.getProperty（“值”）；
}
//钱包号码
iter=g.query（）.has（“db\u local\u name”，“报告名1”）
.has（“db\U模式”、“MPS”）.has（“db\U列”、“钱包id”）
.has（“value”，rowObj[2]）。顶点（）。迭代器（）；
if（iter.hasNext（））{
vertex3=iter.next（）；
logger.debug（“vertex3=“+vertex3.getId（）+”，”
+vertex3.getProperty（“db_local_name”）+，“
+vertex3.getProperty（“db_模式”）+，“
+vertex3.getProperty（“db_列”）+，“
+vertex3.getProperty（“类型”）+，“
+vertex3.getProperty（“索引”）+，“
+vertex3.getProperty（“值”）；
}
vertex4=g.addVertex（空）；
vertex4.setProperty（“db_本地_名称”、“报告名称1”）；
vertex4.setProperty（“db_模式”、“MPS”）；
vertex4.setProperty（“db_列”、“金额”）；
vertex4.setProperty（“类型”，“个性化_0”）；
vertex4.setProperty（“值”，rowObj[3].toString（））；
顶点4.集合属性（“索引”，i）；
顶点1.添加（“数据”，顶点4）；
logger.debug（“添加vertex1”）；
顶点2.添加（“数据”，顶点4）；
logger.debug（“添加vertex2”）；
顶点3.添加（“数据”，顶点4）；
logger.debug（“添加vertex3”）；
i++；
g、 提交（）；
}

---

是否有优化此代码的方法？

为了完整起见，Aurelius Graphs邮件列表中回答了此问题：

基本上：

构建/使用真实的复合索引：

mgmt.buildIndex（“by_local_name_schema_value”，Vertex.class）.addKey（db_local_name）.addKey（db_schema）.addKey（value）.buildComposite（）

不要在每个循环周期后调用

g.commit（）

，而是做一些事情 这样：

if（++1%10000==0）g.commit（）

打开

存储。批量加载

如果尚未这样做

如果你能在卡桑德拉扔的是2G的RAM，考虑使用BelkLayDB。卡桑德拉的RAM最小，可能会想要“更多”

我不知道您的数据的性质，但您是否可以对其进行预排序，并使用博客文章和-使用

BatchGraph

中所述的

BatchGraph

，这样您就不必维护上面第2项中所述的事务了

---

它仍然很慢，我无法将其投入生产。我在回答中为您添加了更多选项。830个顶点和3倍多的边对我来说没有意义。我也有性能问题。我升级到8GB的ram，与4GB相比，性能提升了400%以上。我的ram使用率接近100%，我猜这意味着它使用的是交换磁盘，因此从ram缓存上的HDD读取数据，等等，这并不好。运行一些测试，看看您的瓶颈是什么，但我猜它是ram。