Neo4j：如何根据距离为每个节点找到下一个邻居并创建关系

我导入了一大组节点（>16000），其中每个节点都包含有关位置的信息（纵向/横向地理数据）。所有节点都具有相同的标签。此场景中没有关系。现在，我想通过距离确定每个节点的下一个邻居，并在这些节点之间创建关系

这种（蛮力）方法对于包含大约1000个节点的集合非常有效：（1）我首先定义了包含距离信息的所有节点之间的关系。（2） 然后，我为所有关系定义了属性“mindist=false”。（3）之后，我确定了查看每个关系的距离信息的下一个邻居，并将“mindist”属性设置为“true”，其中关系表示最短距离。（4） 最后，我删除了所有与“mindist=false”的关系

(一)

(三)

(四)

---

对于包含约16000个节点的集合，此解决方案不起作用（内存问题…）。我确信有一种更聪明的方法来解决这个问题（但目前我仍然缺乏使用neo4j/cypher的经验）。；-）

我认为，我们在Cypher中的选择仅限于对每个节点到其他节点的距离进行简单的O（n^2）暴力检查。如果您要编写一些定制Java来实现它（您可以将其公开为Neo4j插件），您可以

尽管如此，如果使用APOC将查询拆分为多个事务，您仍然可以使用图中任意数量的节点来执行此操作，而不会破坏堆。注意：您需要重新安装

让我们首先创建20000个测试数据点：

WITH range(0, 20000) as ids
WITH [x in ids | { id: x, loc: point({ x: rand() * 100, y: rand() * 100 }) }] as points
UNWIND points as pt
CREATE (p: Point { id: pt.id, location: pt.loc })

我们可能还需要一些索引：

CREATE INDEX ON :Point(id)
CREATE INDEX ON :Point(location)

通常，以下查询（暂时不要运行…）将为每个点节点创建一个列表，其中包含ID和到图形中每个其他点节点的距离，对该列表进行排序，使最近的一个位于顶部，从列表中提取第一项并创建对应关系

MATCH (p: Point)
MATCH (other: Point) WHERE other.id <> p.id
WITH p, [x in collect(other) | { id: x.id, dist: distance(p.location, x.location) }] AS dists
WITH p, head(apoc.coll.sortMaps(dists, '^dist')) AS closest
MATCH (closestPoint: Point { id: closest.id })
MERGE (p)-[:CLOSEST_TO]->(closestPoint)

第一个查询只返回所有点节点

apoc.periodic.iterate

将从该查询中获取20000个节点，并将它们分成100个批次，然后在每个批次中的每个节点上运行内部查询。在每个批处理之后，我们都会得到一个提交，并且我们的内存使用被限制为运行内部查询所需的任何成本

---

虽然不快，但确实完成了。在我的机器上，它在一个有20000个节点的图上每秒运行大约12个节点，但是随着图中节点数量的增加，成本呈指数增长。您将很快遇到这种方法无法很好地扩展的问题。

您可以使用APOC为批处理中的每个节点逐个查找最近的邻居。（这也是一种蛮力方式，但运行速度更快）。7322个节点大约需要75秒

CALL apoc.periodic.iterate("MATCH (n1:XXX) 
RETURN n1", "
WITH n1
MATCH (n2:XXX)
WHERE id(n1) <> id(n2)
WITH n1, n2, distance(n1.location,n2.location) as dist ORDER BY dist LIMIT 1
CREATE (n1)-[r:DISTANCE{dist:dist}]->(n2)", {batchSize:1, parallel:true, concurrency:10})

调用apoc.periodic.iterate（“匹配（n1:XXX））
返回n1“，”
带n1
匹配（n2:XXX）
其中id（n1）id（n2）
以n1，n2，距离（n1.位置，n2.位置）作为距离限值1的距离顺序
创建（n1）-[r:DISTANCE{dist:dist}]->（n2）”，{batchSize:1，parallel:true，concurrency:10}）

注意：在此查询中，batchSize应始终为1。你可以改变 实验的并发性

---

如果有两个邻居在同一距离，会发生什么情况？在这种理论情况下，应该有两个或更多的关系（但我使用的是点后超过10位的真实地理数据。因此我认为这种情况不会发生。）.您介意运行需要多长时间吗？对于1090个节点，大约10秒后完成步骤1。步骤2-4花了很多分钟（对不起，我不太清楚）。。。终于成功了，。。。但效率不高：-（我刚刚测试了代码。它工作正常，运行速度非常快！非常感谢！非常感谢您的解释！

WITH range(0, 20000) as ids
WITH [x in ids | { id: x, loc: point({ x: rand() * 100, y: rand() * 100 }) }] as points
UNWIND points as pt
CREATE (p: Point { id: pt.id, location: pt.loc })

CREATE INDEX ON :Point(id)
CREATE INDEX ON :Point(location)

MATCH (p: Point)
MATCH (other: Point) WHERE other.id <> p.id
WITH p, [x in collect(other) | { id: x.id, dist: distance(p.location, x.location) }] AS dists
WITH p, head(apoc.coll.sortMaps(dists, '^dist')) AS closest
MATCH (closestPoint: Point { id: closest.id })
MERGE (p)-[:CLOSEST_TO]->(closestPoint)

CALL apoc.periodic.iterate(
"
    MATCH (p: Point)
   RETURN p
",
"
   MATCH (other: Point) WHERE other.id <> p.id
    WITH p, [x in collect(other) | { id: x.id, dist: distance(p.location, x.location) }] 
AS dists
    WITH p, head(apoc.coll.sortMaps(dists, '^dist')) AS closest
   MATCH (closestPoint: Point { id: closest.id })
   MERGE (p)-[:CLOSEST_TO]->(closestPoint)
", { batchSize: 100 })

CALL apoc.periodic.iterate("MATCH (n1:XXX) 
RETURN n1", "
WITH n1
MATCH (n2:XXX)
WHERE id(n1) <> id(n2)
WITH n1, n2, distance(n1.location,n2.location) as dist ORDER BY dist LIMIT 1
CREATE (n1)-[r:DISTANCE{dist:dist}]->(n2)", {batchSize:1, parallel:true, concurrency:10})