Neo4j在四度密码查询时崩溃

neo4j noob在这里，在neo4j 2.0.0社区上

我有一个包含24000部电影和2700个用户的图形数据库，以及大约60000个用户和电影之间的关系

比如说，我脑子里有一部特别的电影（电影1）

START movie1=node:Movie("MovieId:88cacfca-3def-4b2c-acb2-8e7f4f28be04") 
MATCH (movie1)<-[:LIKES]-(usersLikingMovie1)
RETURN usersLikingMovie1;

START movie1=节点：电影（“电影ID:88cacfca-3def-4b2c-acb2-8e7f4f28be04”）
MATCH（movie1）Cypher是一种模式匹配语言，记住MATCH子句在图形中的任何位置都会找到模式，这一点很重要

您使用的MATCH子句的问题是，有时Cypher会发现不同的模式，其中“usersGen2”与“usersLikingMovie1”相同，而“movie1”与“movieGen1”在不同的模式中相同。因此，本质上，Cypher每次都会在图形中找到该模式，在查询期间将其保存在内存中，然后返回所有moviesGen2节点，实际上可能是相同的节点n次

MATCH (movie1)<-[:LIKES]-(usersLikingMovie1)-[:LIKES]->(moviesGen1)<-[:LIKES]-(usersGen2)

MATCH（movie1）（moviesgene1）Cypher是一种模式匹配语言，重要的是要记住，MATCH子句在图形中的任何地方都会找到模式

您使用的MATCH子句的问题是，有时Cypher会发现不同的模式，其中“usersGen2”与“usersLikingMovie1”相同，而“movie1”与“movieGen1”在不同的模式中相同。因此，本质上，Cypher每次都会在图形中找到该模式，在查询期间将其保存在内存中，然后返回所有moviesGen2节点，实际上可能是相同的节点n次

MATCH (movie1)<-[:LIKES]-(usersLikingMovie1)-[:LIKES]->(moviesGen1)<-[:LIKES]-(usersGen2)

MATCH（movie1）（moviesgene1）Cypher是一种模式匹配语言，重要的是要记住，MATCH子句在图形中的任何地方都会找到模式

您使用的MATCH子句的问题是，有时Cypher会发现不同的模式，其中“usersGen2”与“usersLikingMovie1”相同，而“movie1”与“movieGen1”在不同的模式中相同。因此，本质上，Cypher每次都会在图形中找到该模式，在查询期间将其保存在内存中，然后返回所有moviesGen2节点，实际上可能是相同的节点n次

MATCH (movie1)<-[:LIKES]-(usersLikingMovie1)-[:LIKES]->(moviesGen1)<-[:LIKES]-(usersGen2)

MATCH（movie1）（moviesgene1）Cypher是一种模式匹配语言，重要的是要记住，MATCH子句在图形中的任何地方都会找到模式

您使用的MATCH子句的问题是，有时Cypher会发现不同的模式，其中“usersGen2”与“usersLikingMovie1”相同，而“movie1”与“movieGen1”在不同的模式中相同。因此，本质上，Cypher每次都会在图形中找到该模式，在查询期间将其保存在内存中，然后返回所有moviesGen2节点，实际上可能是相同的节点n次

MATCH (movie1)<-[:LIKES]-(usersLikingMovie1)-[:LIKES]->(moviesGen1)<-[:LIKES]-(usersGen2)

MATCH（movie1）（moviesgene1）这是一个非常激烈的查询，你越深入，你可能就越接近一组曾经为任何电影评分的用户，因为你基本上只是从给定的电影开始以树状图的形式展开@Huston的
WHERE
和
DISTINCT
子句将有助于修剪您已经看到的分支，但您仍然只是在树中展开

可以使用两个值来估计树的长度：


u、 喜欢电影的平均用户数（传入到：电影）
m、 每个用户喜欢的电影的平均数量（从：user传出）

对于估算，您的第一步将返回
m
users。在下一步中，对于每个用户，您将获得他们喜欢的所有电影，然后是喜欢所有这些电影的所有用户：

gen(1) => u
gen(2) => u * (m * u)

对于每一代人，您都会添加另一个
m*u
，因此您的第三代人是：

gen(3) => u * (m * u) * (m * u)

或者更一般地说：

gen(n) => u^n * m^(n-1)

您可以通过计算喜欢/用户和喜欢/电影的平均值来估计分支因子，但这可能非常不准确，因为它为您提供22.2喜欢/用户和2.5喜欢/电影。这些数字对于任何值得评级的电影来说都是不合理的。一个更好的方法是采用评级的中位数或查看直方图，并使用峰值作为分支因子

要正确地看待这一点，请参阅。该培训集拥有17770部电影、480189名用户和100480507名收视率。这是209个收视率/用户和5654个收视率/电影

为了保持简单（假设您的数据集小得多），让我们使用：

m = 20 movie ratings/user 
u = 100 users have rated/movie

您在gen-3中的查询（无差异）将返回：

gen(3) = 100^3 * 20^2
       = 400,000,000

4亿个节点（用户）

由于您只有2700个用户，我认为可以肯定地说，您的查询可能会返回数据集中的每个用户（而是每个用户的148000个ish副本）

ASCII格式的电影节点--
（n:movie{movieid:“88cacfca-3def-4b2c-acb2-8e7f4f4f28be04”}
最小为58字节。如果用户大致相同，假设每个节点有60个字节，则此结果集的存储需求为：

400,000,000 nodes * 60 bytes
= 24,000,000,000 bytes
= 23,437,500 kb
= 22,888 Mb
= 22.35 Gb

因此，根据我的保守估计，您的查询需要22 GB的存储空间。Neo4j会耗尽内存，这似乎很合理

我的猜测是，您试图在用户模式中找到相似之处，但您使用的查询返回数据集中重复多次的所有用户。也许你想问一些关于数据的问题，比如：


哪些用户评价最像我的电影
哪些用户对大多数与我评价相同的电影进行了评价
哪些电影的用户对我看过的类似电影进行了评级，而我还没有看过

干杯，
cm
这是一个非常激烈的问题，你越深入，你可能就越接近一组对任何电影进行评级的用户，
START movie1=node:Movie("MovieId:88cacfca-3def-4b2c-acb2-8e7f4f28be04") 
MATCH (movie1)<-[:LIKES]-(usersLikingMovie1)-[:LIKES]->(moviesGen1)
WITH distinct moviesGen1
MATCH (moviesGen1)<-[:LIKES]-(usersGen2)-[:LIKES]->(moviesGen2)
RETURN moviesGen2;

START movie1=node:Movie("MovieId:88cacfca-3def-4b2c-acb2-8e7f4f28be04") 
MATCH (movie1)<-[:LIKES]-(usersLikingMovie1)-[:LIKES]->(moviesGen1)
WITH distinct moviesGen1
MATCH (moviesGen1)<-[:LIKES]-(usersGen2)
WITH distinct usersGen2
MATCH (usersGen2)-[:LIKES]->(moviesGen2)
RETURN distinct moviesGen2;