Indexing Neo4j可伸缩性和索引

neo4j（也在neo4j《图形数据库》一书中）提出的一个支持使用本机存储的图形dbms而不是关系dbms的论点是，“无索引邻接”是处理图形中数据的最有效方法（由于基于图形的模型中数据/节点的“集群化”）

基于我执行的一些基准测试，其中3个节点顺序连接（A->BB->C->D->E，并查询给定A的E。因为在这种情况下，我们知道A只有一个匹配项（因此无需强行通过不属于该子网络的所有其他节点）

由于这高度依赖于查询，我在下面列出了一个Cypher查询示例以供参考（其中我匹配id为1的标记为node的实体，并返回关联节点（上例中的B）和辅助链接节点（上例中的C））：

---

MATCH（：entity{id:1}）-[：LINK]->（result\u assoc:assoc）根据我的理解，无索引方面仅与相邻节点相关（这就是为什么称为无索引邻接）。您的图所展示的是，当您查找
A
时，查找
C
的额外时间可以忽略不计，而是否使用索引的问题只是查找初始查询的节点
A

要在没有索引的情况下查找
A
，需要O（n），因为它必须扫描数据库中的所有节点，但有了索引，它实际上就像一个哈希表，需要O（1）（也不知道书中为什么说O（n log n））

除此之外，查找相邻节点对Neo4j来说并不难，因为它们链接到
A
，而在RM中，链接没有那么明确-因此需要一个连接，这很昂贵，然后需要扫描/过滤。因此，要真正看到优势，应该通过改变r的深度来比较graph DBs和RM DBs的性能关联/链接。当实体节点的邻居增加时（即图形变得更密集），查看查询的执行情况也会很有趣-Neo4j是否依赖于图形从不过于密集？否则，查看邻居以找到正确的一个的问题会重演。
向下投票很容易；评论为什么更有助于更好地表述问题。Neo4j的书误解并曲解了RM（关系模型）它的一个误解是RM与实现无关——关系是一种抽象。无论如何，它们的“索引”是一个稻草人。当你不想只扫描一堆值时，有多个实现结构可用的好处是改进查询。最终，他们只是说它们针对RDBMS不适用的特定用例进行了优化。尾巴摇狗。@philipxy测试的目的是了解如何执行时间随着节点数量的变化而变化——总体趋势大于绝对值——因此，在这种情况下，架构和系统保持不变。可伸缩性的线性让我思考：无索引邻接的优势是什么？如果索引键值在最坏情况下已经是线性的。这就是为什么我运行索引测试以查看不同的nce。这几乎是O（1）-这是哈希列表的最佳性能。我不认为无索引邻接有什么优势。我想这归结为一个问题：与这里获得的线性非索引性能相比，传统索引rdbms的性能如何？（这将暗示问题的答案：无索引邻接对性能有何影响）
MATCH (:entity{id:1})-[:LINK]->(result_assoc:assoc)<-[:LINK]-(result_entity:entity) RETURN result_entity, result_assoc