Performance 查找Neo4j 1.8中重复节点的有效方法？

我正在尝试以编程方式定位Neo4j 1.8数据库中的所有重复节点（使用Neo4j 1.8）。 需要检查的节点都有一个（非索引的）属性

externalId

，我想为其查找重复项。这是我得到的密码查询：

            START n=node(*), dup=node(*) WHERE 
                HAS(n.externalId) AND HAS(dup.externalId) AND 
                n.externalId=dup.externalId AND 
                ID(n) < ID(dup) 
                RETURN dup

START n=node（*），dup=node（*），其中
HAS（n.externalId）和HAS（dup.externalId）和
n、 externalId=dup.externalId和
ID（n）

数据中的节点少于10K个，外部ID为

的节点少于1K个。
上面的查询正在运行，但似乎执行得不好。是否有一种内存消耗更少的方法来执行此操作？
尝试以下查询：

START n=node(*)
WHERE HAS(n.externalId)
WITH n.externalId AS extId, COLLECT(n) AS cn
WHERE LENGTH(cn) > 1
RETURN extId, cn;

它避免使用节点的笛卡尔积。它查找不同的
externalId
值，收集具有相同id的所有节点，然后过滤掉不重复的id。结果中的每一行都将包含一个externalId和一组具有该id的重复节点。
尝试以下查询：

START n=node(*)
WHERE HAS(n.externalId)
WITH n.externalId AS extId, COLLECT(n) AS cn
WHERE LENGTH(cn) > 1
RETURN extId, cn;

它避免使用节点的笛卡尔积。它查找不同的
externalId
值，收集具有相同id的所有节点，然后过滤掉不重复的id。结果中的每一行将包含一个externalId和一组具有该id的重复节点。
start子句包括一个完整的图形扫描，然后组装整个节点集的笛卡尔积（从10k*10k=100m对开始），然后根据where子句中的条件缩小非常大的列表。（这里可能有密码优化？我不确定）

我认为在externalId上添加索引将是一个明显的胜利，目前可能会提供足够的性能增益，但您也可以以不同的方式查找重复项，可能类似于这样：

START n=node(*)
WHERE HAS(n.externalId)
WITH n
ORDER BY ID(n) ASC 
WITH count(*) AS occurrences, n.externalId AS externalId, collect(ID(n)) AS ids
WHERE occurrences > 1
RETURN externalId, TAIL(ids)

start子句包括一个完整的图形扫描，然后组装整个节点集的笛卡尔积（从10k*10k=100m对开始），然后根据where子句中的条件缩小非常大的列表。（这里可能有密码优化？我不确定）

我认为在externalId上添加索引将是一个明显的胜利，目前可能会提供足够的性能增益，但您也可以以不同的方式查找重复项，可能类似于这样：

START n=node(*)
WHERE HAS(n.externalId)
WITH n
ORDER BY ID(n) ASC 
WITH count(*) AS occurrences, n.externalId AS externalId, collect(ID(n)) AS ids
WHERE occurrences > 1
RETURN externalId, TAIL(ids)

您的第一个查询将不起作用，因为
n
和
dup
将始终是同一个节点，因此
id（n）>id（dup）
将始终是false。当我尝试此操作时，我得到一个错误，声明字符串与regex `$'匹配，但“O”发现您的第一个查询将不起作用，因为
n
和
dup
将始终是同一个节点，因此，
id（n）>id（dup）
将始终为false。当我尝试此操作时，会出现一个错误，说明字符串应与正则表达式“$”匹配，但找到了“O”