Gremlin repeat（）查询需要很长时间

我有一个用例，在这个用例中，我需要得到每个级别上具有特定类型的顶点的数量，直到定义的级别。 例如：

A向B（管理员）、C（用户）、D（管理员）输出边

B（管理员）对E（用户）、F（用户）、G（用户）、H（管理员）具有外边缘

C（用户）对I（管理员）、J（用户）、K（管理员）、L（管理员）具有外边缘， M（行政）

K（管理员）对N（管理员）、O（用户）、p（管理员）、Q（管理员）有边缘， R（管理员）、S（用户）、T（用户）

如果级别=3，且主题顶点为A，则结果应为（格式可以不同）：

级别=1，用户=1，管理员=2，总数=3

级别=2，用户=4，管理员=5，总计=9

级别=3，用户=3，管理员=4，总计=7

我有一个查询可以帮我完成这项工作，但它非常慢，因为当我有大数据时，会使用repeat（）

for (int i = 0; i < levels; i++) {
     Map<Object, Long> next = 
     graphTraversalSource.V().hasLabel(GraphDbConnection.USER)
           .has(GraphDbConnection.UUID, "uuidValue").until(loops().is(i)).repeat(out()) 
     .out().values(GraphDbConnection.MEMBER_TYPE).groupCount().next();
     MemberSponsorMetrics memberSponsorMetrics = new MemberSponsorMetrics();
     memberSponsorMetrics.setLevel(i + 1);
     int users = next.getOrDefault(UserType.USER.ordinal(), (long) 0).intValue();
     memberSponsorMetrics.setUsers(users);
     int admins = next.getOrDefault(UserType.ADMIN.ordinal(), (long) 0).intValue();
     memberSponsorMetrics.setAdmins(admins);
     memberSponsorMetrics.setTotal(users + admins);
     memberSponsorMetricsList.add(memberSponsorMetrics);
}

for（int i=0；i

---

如何以有效的方式实现这些结果？有什么具体的索引类型可以使用吗？我确实有多个关于顶点属性的基本索引，但我认为它们在这里没有用处

示例图

g = TinkerGraph.open().traversal()
g.addV("person").property(id, "A").as("a").
  addV("person").property("memberType", 1).property(id, "B").as("b").
  addV("person").property("memberType", 0).property(id, "C").as("c").
  addV("person").property("memberType", 1).property(id, "D").as("d").
  addV("person").property("memberType", 0).property(id, "E").as("e").
  addV("person").property("memberType", 0).property(id, "F").as("f").
  addV("person").property("memberType", 0).property(id, "G").as("g").
  addV("person").property("memberType", 1).property(id, "H").as("h").
  addV("person").property("memberType", 1).property(id, "I").as("i").
  addV("person").property("memberType", 0).property(id, "J").as("j").
  addV("person").property("memberType", 1).property(id, "K").as("k").
  addV("person").property("memberType", 1).property(id, "L").as("l").
  addV("person").property("memberType", 1).property(id, "M").as("m").
  addV("person").property("memberType", 1).property(id, "N").as("n").
  addV("person").property("memberType", 0).property(id, "O").as("o").
  addV("person").property("memberType", 1).property(id, "P").as("p").
  addV("person").property("memberType", 1).property(id, "Q").as("q").
  addV("person").property("memberType", 1).property(id, "R").as("r").
  addV("person").property("memberType", 0).property(id, "S").as("s").
  addV("person").property("memberType", 0).property(id, "T").as("t").
  addE("link").from("a").to("b").
  addE("link").from("a").to("c").
  addE("link").from("a").to("d").
  addE("link").from("b").to("e").
  addE("link").from("b").to("f").
  addE("link").from("b").to("g").
  addE("link").from("b").to("h").
  addE("link").from("c").to("i").
  addE("link").from("c").to("j").
  addE("link").from("c").to("k").
  addE("link").from("c").to("l").
  addE("link").from("c").to("m").
  addE("link").from("k").to("n").
  addE("link").from("k").to("o").
  addE("link").from("k").to("p").
  addE("link").from("k").to("q").
  addE("link").from("k").to("r").
  addE("link").from("k").to("s").
  addE("link").from("k").to("t").iterate()

现在，您要查找的结果可以使用单个遍历来收集，实际上不需要反复执行几乎相同的遍历（只需更改循环的数量）

外部贴图的关键点基本上是级别-1

---

此查询在TinkerGraph上大约需要1毫秒。因此，除非你的分支因子高得多，否则你应该很快得到结果。但是，如果分支因子很高，实际上要处理上千个顶点，那么你应该考虑在OLAP中运行这个查询。

g = TinkerGraph.open().traversal()
g.addV("person").property(id, "A").as("a").
  addV("person").property("memberType", 1).property(id, "B").as("b").
  addV("person").property("memberType", 0).property(id, "C").as("c").
  addV("person").property("memberType", 1).property(id, "D").as("d").
  addV("person").property("memberType", 0).property(id, "E").as("e").
  addV("person").property("memberType", 0).property(id, "F").as("f").
  addV("person").property("memberType", 0).property(id, "G").as("g").
  addV("person").property("memberType", 1).property(id, "H").as("h").
  addV("person").property("memberType", 1).property(id, "I").as("i").
  addV("person").property("memberType", 0).property(id, "J").as("j").
  addV("person").property("memberType", 1).property(id, "K").as("k").
  addV("person").property("memberType", 1).property(id, "L").as("l").
  addV("person").property("memberType", 1).property(id, "M").as("m").
  addV("person").property("memberType", 1).property(id, "N").as("n").
  addV("person").property("memberType", 0).property(id, "O").as("o").
  addV("person").property("memberType", 1).property(id, "P").as("p").
  addV("person").property("memberType", 1).property(id, "Q").as("q").
  addV("person").property("memberType", 1).property(id, "R").as("r").
  addV("person").property("memberType", 0).property(id, "S").as("s").
  addV("person").property("memberType", 0).property(id, "T").as("t").
  addE("link").from("a").to("b").
  addE("link").from("a").to("c").
  addE("link").from("a").to("d").
  addE("link").from("b").to("e").
  addE("link").from("b").to("f").
  addE("link").from("b").to("g").
  addE("link").from("b").to("h").
  addE("link").from("c").to("i").
  addE("link").from("c").to("j").
  addE("link").from("c").to("k").
  addE("link").from("c").to("l").
  addE("link").from("c").to("m").
  addE("link").from("k").to("n").
  addE("link").from("k").to("o").
  addE("link").from("k").to("p").
  addE("link").from("k").to("q").
  addE("link").from("k").to("r").
  addE("link").from("k").to("s").
  addE("link").from("k").to("t").iterate()

现在，您要查找的结果可以使用单个遍历来收集，实际上不需要反复执行几乎相同的遍历（只需更改循环的数量）

外部贴图的关键点基本上是级别-1

---

此查询在TinkerGraph上大约需要1毫秒。因此，除非你的分支因子高得多，否则你应该很快得到结果。但是，如果分支因子很高，并且实际上要处理数千个顶点，那么你应该考虑在OLAP中运行这个查询。

A转到B和C，因此在你的示例中只有2个级别，不是吗？是的，我更新了我的数据，并且还增加了一个级别3A到B和C，因此，在您的示例中只有两个级别，不是吗？是的，您是对的，我更新了我的数据，还为级别3添加了一个级别。因此，我想我忘了提到两件事，“user”和“admin”将是vertex属性的值（比如key=memberType），而该值不是字符串，我只是将其用作字符串来解释问题，它们是整数（0=用户，1=管理员）。当您使用groupCount（）.by（'memberType'）时，它不会产生相同的输出，而是将所有输出相加并返回“[0:[admin:7，user:5]]”。使用您的示例，将“by（label）”替换为by（'memberType'）。我使用大数据运行了您的查询和我的查询，并且查询运行7次（7级）的总时间而您的查询运行1次以获得相同的结果所用的时间也差不多。-我仍然无法返回数组结果以获取每个级别的显示方式，我的结果返回为整个组（所有级别）的总和，如“{0={1=1487，2=185}”检查更新。我真的不知道你所说的“全部合计”是什么意思，这不是我观察到的行为。例如，我仍然在合计它们-如果我对我的数据运行与你发布的相同的查询，而不是获取具有3个级别的数组，我只获取具有1个级别的对象，但值是所有级别的合计-“{0:{admin:11，user:8}”所以-admin=2+5+4和user=1+4+3我意识到了这个问题，我使用的是JanusGraph，而不是直接使用Tinkerpop。我在tinkerpop控制台中运行了相同的查询，它输出了您提供的预期结果。不确定为什么通过janusgraph使用gremlin是不同的-有什么想法吗？所以，我想我忘了提到两件事，“user”和“admin”将是顶点属性的值（比如key=memberType），而值不是字符串，我只是用它作为字符串来解释问题，它们是整数（0=user，1=admin）。当您使用groupCount（）.by（'memberType'）时，它不会产生相同的输出，而是将所有输出相加并返回“[0:[admin:7，user:5]]”。使用您的示例，将“by（label）”替换为by（'memberType'）。我使用大数据运行了您的查询和我的查询，并且查询运行7次（7级）的总时间而您的查询运行1次以获得相同的结果所用的时间也差不多。-我仍然无法返回数组结果以获取每个级别的显示方式，我的结果返回为整个组（所有级别）的总和，如“{0={1=1487，2=185}”检查更新。我真的不知道你所说的“全部合计”是什么意思，这不是我观察到的行为。例如，我仍然在合计它们-如果我对我的数据运行与你发布的相同的查询，而不是获取具有3个级别的数组，我只获取具有1个级别的对象，但值是所有级别的合计-“{0:{admin:11，user:8}”所以-admin=2+5+4和user=1+4+3我意识到了这个问题，我正在使用