Graph 如何使用多节点匹配优化Neo4j Cypher查询（笛卡尔积）

我目前正在尝试合并三个数据集以进行分析。我使用某些公共字段来建立数据集之间的连接。为了创建连接，我尝试使用以下类型的查询：

MATCH (p1:Person),(p2:Person)
WHERE p1.email = p2.email AND p1.name = p2.name AND p1 <> p2 
CREATE UNIQUE (p1)-[IS]-(p2);

匹配（p1:个人），（p2:个人）
其中p1.email=p2.email和p1.name=p2.name和p1.p2
创建唯一的（p1）-[IS]-（p2）；

可以类似地写为：

MATCH (p1:Person),(p2:Person {name:p1.name, email:p1.email})
WHERE p1 <> p2 
CREATE UNIQUE (p1)-[IS]-(p2);

MATCH（p1:Person），（p2:Person{name:p1.name，email:p1.email}）
其中p1p2
创建唯一的（p1）-[IS]-（p2）；

不用说，对于一个拥有大约100000个节点的数据库来说，这是一个非常慢的查询，特别是考虑到Neo4j不能并行处理单个查询

现在，我的问题是是否有更好的方法在Neo4j中运行此类查询。我至少有八个CPU内核专门用于Neo4j，只要不同的线程不会因锁定彼此所需的资源而相互占用

问题是我不知道Neo4j是如何构建其Cypher执行计划的。例如，假设我运行以下测试查询：

MATCH (p1:Person),(p2:Person {name:p1.name, email:p1.email})
WHERE p1 <> p2 
RETURN p1, p2
LIMIT 100;

MATCH（p1:Person），（p2:Person{name:p1.name，email:p1.email}）
其中p1p2
返回p1，p2
上限为100；

尽管有LIMIT子句，Neo4j仍然需要相当长的时间才能提交结果，这让我想知道，即使对于这样一个有限的查询，Neo4j在考虑LIMIT语句之前是否会生成整个笛卡尔乘积表

---

我感谢任何帮助，无论是它解决了这个具体问题，还是让我了解了Neo4j通常如何构建Cypher执行计划（以及如何优化查询）。传统Lucene索引在这里有什么帮助吗？

您可以对

p1

进行标签扫描，然后对

p2

进行索引查找+比较：

请看这里：

cypher 2.1 
foreach (i in range(1,100000) | 
  create (:Person {name:"John Doe"+str(i % 10000),
                   email:"john"+str(i % 10000)+"@doe.com"}));
+-------------------+
| No data returned. |
+-------------------+
Nodes created: 100000
Properties set: 200000
Labels added: 100000
6543 ms
neo4j-sh (?)$ CREATE INDEX ON :Person(name);
+-------------------+
| No data returned. |
+-------------------+
Indexes added: 1
28 ms

neo4j-sh (?)$ schema
Indexes
  ON :Person(name)  ONLINE

neo4j-sh (?)$ 
match (p1:Person) with p1 
match (p2:Person {name:p1.name}) using index p2:Person(name) 
where p1<>p2 AND p2.email = p1.email 
return count(*);
+----------+
| count(*) |
+----------+
| 900000   |
+----------+
1 row
8206 ms

neo4j-sh (?)$ 
match (p1:Person) with p1 
match (p2:Person {name:p1.name}) using index p2:Person(name) 
where p1<>p2 AND p2.email = p1.email
merge (p1)-[:IS]-(p2) 
return count(*);

+----------+
| count(*) |
+----------+
| 900000   |
+----------+
1 row
Relationships created: 450000
40256 ms

cypher 2.1
foreach（i）范围为（1100000）|
创建（：Person{name:“johndoe”+str（i%10000），
电子邮件：“john”+str（i%10000）+“@doe.com”}）；
+-------------------+
|没有返回任何数据|
+-------------------+
创建的节点数：100000
物业数目：20万
新增标签：100000
6543毫秒
neo4j sh（？）$CREATE索引关于：个人（姓名）；
+-------------------+
|没有返回任何数据|
+-------------------+
新增索引：1
28毫秒
neo4j-sh（？）$schema
索引
ON:联机人员（姓名）
neo4j上海（？）美元
将（p1:个人）与p1匹配
使用索引p2:Person（name）匹配（p2:Person{name:p1.name}）
其中p1p2和p2.email=p1.email
返回计数（*）；
+----------+
|计数（*）|
+----------+
| 900000   |
+----------+
一排
8206毫秒
neo4j上海（？）美元
将（p1:个人）与p1匹配
使用索引p2:Person（name）匹配（p2:Person{name:p1.name}）
其中p1p2和p2.email=p1.email
合并（p1）-[：IS]-（p2）
返回计数（*）；
+----------+
|计数（*）|
+----------+
| 900000   |
+----------+
一排
建立的关系：45万
40256毫秒

也许隐藏的未记录的特殊单词

profile

将为您提供有关性能的更多信息。假设它相当于pSQLs

explain analyze

。哇！如果你有时间，你会考虑详细介绍一下吗？这看起来非常重要和有用。