数据架构对查询速度的影响有多大
How much does the architecture of data affect the speed of a query
我在 Neo4j 数据库中有以下节点和关系。
灰色和粉红色节点与更多节点进一步连接。 运行 以下查询：
MATCH (n:RealNode {gid:'$obj_id'})-[:CONTAINS*..3]-(z)
RETURN DISTINCT ID(z), z.id,n.id as InternalID"
我很快得到结果（节点n:RealNode不是图像中的节点之一）。
如果我将深度增加到 4，例如：
MATCH (n:RealNode {gid:'$obj_id'})-[:CONTAINS*..4]-(z)
RETURN DISTINCT ID(z), z.id,n.id as InternalID"
响应变得非常慢。我永远不会得到深度为 5 等的响应
深度4其实就是blue-pink节点之间的关系。所以我的问题是：数据架构（在这种情况下）能否在如此大的程度上影响查询速度？如果是，我该怎么办？
我也尝试 运行 查询也使用参数，但结果是一样的。 n:RealNode 的 gid 也是一个索引值。
您的数据架构对查询性能有巨大，没有...巨大影响。通过重新制定查询来提高性能，您可以做很多事情，但通过更改数据模型，您可以做更多的事情。
需要以能够准确描述现实世界领域的方式选择模型，但它通常还必须对使用模式做出某些让步。如果您知道您将反复执行某些查询，那么选择一种数据模型可以让 DBMS 轻松回答该查询是有意义的。在 RDBMS 世界中，整个思路可以用“denormalization”这个词来概括。在图形数据库中，概念相同，但处理方式不同。
调整数据模型时要记住的是，neo4j 擅长快速遍历关系，并且对于所有查询，您需要考虑的数据越少，查询就会越快。
所以在你的情况下，我不知道有多少节点通过 :CONTAINS 关系从每个节点分支出来，但我猜测在层次结构的每个级别你下面都有很多项目它。因此，从第 4 级到第 5 级可能不仅仅是添加固定数量的额外节点，但如果说层次结构的每个级别的节点数是上一级的节点数的 3 倍，那么你走得越深，你就越多乘以您必须考虑的数据量。如果是 10 倍……那就哎哟。
你有很多不同的选择。一种是建立快捷关系，"pre-materialize" 查询。想象一下，创建 :grandfather 和 :greatgrandfather 关系到树的 "hop" 层。那会使它更快。另一种方法是过滤中间节点或 return 节点，这样您就不会考虑所有内容，而是考虑一些子集。
最后，非常大的查询总是比非常小的查询花费更长的时间。您必须首先仔细了解您需要什么数据，以及您必须多久 运行 查询一次。我不会尝试针对不常见的 运行 查询优化您的数据模型，但如果您一直这样做，您应该看看您的选择。无论您做什么，您对我的查询看起来都会 return 大量数据。
我在 Neo4j 数据库中有以下节点和关系。 灰色和粉红色节点与更多节点进一步连接。 运行 以下查询：
MATCH (n:RealNode {gid:'$obj_id'})-[:CONTAINS*..3]-(z)
RETURN DISTINCT ID(z), z.id,n.id as InternalID"
我很快得到结果（节点n:RealNode不是图像中的节点之一）。
如果我将深度增加到 4，例如：
MATCH (n:RealNode {gid:'$obj_id'})-[:CONTAINS*..4]-(z)
RETURN DISTINCT ID(z), z.id,n.id as InternalID"
响应变得非常慢。我永远不会得到深度为 5 等的响应
深度4其实就是blue-pink节点之间的关系。所以我的问题是：数据架构（在这种情况下）能否在如此大的程度上影响查询速度？如果是，我该怎么办？ 我也尝试 运行 查询也使用参数，但结果是一样的。 n:RealNode 的 gid 也是一个索引值。
您的数据架构对查询性能有巨大，没有...巨大影响。通过重新制定查询来提高性能，您可以做很多事情，但通过更改数据模型，您可以做更多的事情。
需要以能够准确描述现实世界领域的方式选择模型，但它通常还必须对使用模式做出某些让步。如果您知道您将反复执行某些查询，那么选择一种数据模型可以让 DBMS 轻松回答该查询是有意义的。在 RDBMS 世界中，整个思路可以用“denormalization”这个词来概括。在图形数据库中，概念相同，但处理方式不同。
调整数据模型时要记住的是，neo4j 擅长快速遍历关系，并且对于所有查询，您需要考虑的数据越少，查询就会越快。
所以在你的情况下，我不知道有多少节点通过 :CONTAINS 关系从每个节点分支出来，但我猜测在层次结构的每个级别你下面都有很多项目它。因此，从第 4 级到第 5 级可能不仅仅是添加固定数量的额外节点，但如果说层次结构的每个级别的节点数是上一级的节点数的 3 倍，那么你走得越深，你就越多乘以您必须考虑的数据量。如果是 10 倍……那就哎哟。
你有很多不同的选择。一种是建立快捷关系，"pre-materialize" 查询。想象一下，创建 :grandfather 和 :greatgrandfather 关系到树的 "hop" 层。那会使它更快。另一种方法是过滤中间节点或 return 节点，这样您就不会考虑所有内容，而是考虑一些子集。
最后，非常大的查询总是比非常小的查询花费更长的时间。您必须首先仔细了解您需要什么数据，以及您必须多久 运行 查询一次。我不会尝试针对不常见的 运行 查询优化您的数据模型，但如果您一直这样做，您应该看看您的选择。无论您做什么，您对我的查询看起来都会 return 大量数据。