在 gremlin 查询中显示子级别

Question

我有如下图所示的图表。 这些数字表示节点的级别格式，它是 gremlin 查询中所需的 output 以及节点的属性。 图形结构可以更改，即可以将更多节点添加到图形中。 对于其他节点，必须以类似的格式返回级别。 例如，1.1.1 的子级应返回级别为 1.1.1.1,1.1.1.2... 以下查询但级别为连续格式 1,2,3...

g.withSack(0).
  V().
  hasLabel('A').
  has('label_A','A').
  emit().
  repeat(sack(sum).by(constant(1)).out()).
    project('depth', 'properties').
      by(sack()).
      by(valueMap())

A 是起始根节点。

我知道它太复杂了。 如果不可能，我们至少可以使用多个 sack 变量获得子深度和深度。 以下是示例：

深度：0 子深度：0 深度：1 子深度：1.1 深度：1 子深度：1.2 深度：2 子深度：2.1 深度：2 子深度：2.2 深度：2 子深度：2.3 深度： 2子深度：2.4

Answer 1

一个简单的方法来做你正在寻找的东西是利用index步骤。 如果我们创建一个简单的二叉树如下：

g.addV('root').property('data',9).as('root').   
  addV('node').property('data',5).as('b').   
  addV('node').property('data',2).as('c').   
  addV('node').property('data',11).as('d').   
  addV('node').property('data',15).as('e').   
  addV('node').property('data',10).as('f').   
  addV('node').property('data',1).as('g').   
  addV('node').property('data',8).as('h').   
  addV('node').property('data',22).as('i').   
  addV('node').property('data',16).as('j').   
  addE('left').from('root').to('b').
  addE('left').from('b').to('c').
  addE('right').from('root').to('d').
  addE('right').from('d').to('e').
  addE('right').from('e').to('i').
  addE('left').from('i').to('j').
  addE('left').from('d').to('f').
  addE('right').from('b').to('h').
  addE('left').from('c').to('g').iterate()    

我们可以如下组合loops和index （我添加了unfold以提高可读性）：

gremlin> g.V().hasLabel('root').
......1>       emit().
......2>       repeat(group('x').by(loops()).by(values('data').fold().index()).out()).
......3>       cap('x').unfold()   

==>0=[[9, 0]]
==>1=[[5, 0], [11, 1]]
==>2=[[2, 0], [8, 1], [10, 2], [15, 3]]
==>3=[[1, 0], [22, 1]]
==>4=[[16, 0]]

鉴于您对可以接受的更简单形式的评论，我认为上述内容非常接近。 您应该能够调整此查询以对您需要的 output 格式进行任何更改。

您可以进一步使用 go 并使用父顶点进行分组，如下所示。 由此，您可以构建所需的最终结果的任何预测。

gremlin> g.V().hasLabel('root').
......1>       repeat(outE().group('x').
......2>         by(loops()).
......3>         by(group().
......4>           by(outV()).
......5>           by(inV().values('data').fold().index())).
......6>         inV()).
......7>         times(4).
......8>       cap('x').
......9>       unfold() 

==>0={v[0]=[[5, 0], [11, 1]]}
==>1={v[2]=[[2, 0], [8, 1]], v[6]=[[10, 0], [15, 1]]}
==>2={v[4]=[[1, 0]], v[8]=[[22, 0]]}
==>3={v[16]=[[16, 0]]}