janusgraph-遍历图的语言
精确查询
|
语句含义 |
测试语句 |
执行时间 |
|
查询顶点标签为FALV的顶点数量 |
g.V().hasLabel('FALV').count() |
2400s |
|
查询顶点属性中id为19012201 |
clockWithResult(1) {g.V().has('id','19012201') } |
0.18540099999999998s |
|
查询顶点属性中id为19012201 |
clockWithResult(1) {g.V().has('id','19012201').valueMap().next()} |
1.309877s |
|
查询顶点属性中id为19012201 |
clockWithResult(1) {g.V().has('KUAN','id','19012201') } |
0.114287ms |
|
查询顶点属性中id为19012201 |
clockWithResult(1) {g.V().has('KUAN','id','19012201').valueMap().next()} |
1.752052ms |
|
查询出顶点属性中内容为。。。的顶点 |
g.V().has('neirong','<p> 本法所称农业机械化,是指运用先进适用的农业机械装备农业,改善农业生产经营条件,不断提高农业的生产技术水平和经济效益、生态效益的过程。</p>').values() |
0. 228ms |
|
查询顶点属性中id为'403116' |
g.V().has('id','403116').profile() |
60.364ms |
|
查询顶点属性中效力级别为2的顶点 |
g.V().has('xiaolijibie','2').limit(10).valueMap() |
只查询出一条数据 |
|
查询包含属性值xiaolijibie的顶点 |
g.V().has('xiaolijibie') |
不使用索引 |
|
查询属性vlabel为法律的 |
g.V().has('vlabel','FALV').valueMap() |
遍历所有的顶点进行输出 |
2. 模糊查询
|
语句语义 |
测试语句 |
执行时间 |
|
查询出顶点属性中包含’建设’ |
g.V().where(properties().hasValue(textContainsFuzzy("建设"))).limit(20).valueMap() |
0.253718ms |
|
查询出顶点为FALV属性中包含’建设’前20 |
g.V().hasLabel('FALV').where(properties().hasValue(textContainsFuzzy("建设"))).limit(20) |
2400s |
|
查询出顶点属性包含’建设’的顶点数 |
clockWithResult(1) {g.V().where(properties().hasValue(textContainsFuzzy("建设"))).count().next()} |
会遍历所有的顶点 |
|
查询出顶点属性包含’建设’的顶点数,限制为两个 |
g.V().where(properties().hasValue(textContainsFuzzy("建设"))).limit(2).profile() |
162.023ms |
|
clockWithResult(1) {g.V().where(properties().hasValue(textContainsFuzzy("北京市"))).has('id','19240800').valueMap().next()} |
||
|
模糊匹配共和国 |
clockWithResult(1){g.V().where(properties().hasValue(textContainsFuzzy("共和国"))).valueMap().next()} |
250127.85826799998ms |
|
查询法律中有中国的顶点 |
g.V().where(properties().hasValue(textContainsFuzzy("中国"))).has('vlabel','FALV') |
遍历所有的顶点 |
|
模糊匹配北京和建设两个关键字 |
clockWithResult(1) {g.V().where(properties().hasValue(textContainsFuzzy("北京市"))).where(properties().hasValue(textContainsFuzzy("建设"))).valueMap().next()} |
49961.617301ms |
3. 谓词查询
|
语句含义 |
测试语句 |
执行时间 |
|
查询所有定点数量 |
g.V().count() |
97s |
|
查询所有的边数量 |
g.E().count() |
2400s |
|
查询法律标签有out关系的顶点 |
g.V().hasLabel('FALV').out().limit(10) |
|
|
查询一个顶点具有out方向的邻接点 |
clockWithResult(1){g.V().has('id','332734').out('FALVFATIAO').count().next()} |
3.349717ms |
|
分组查看 |
g.V().groupCount().by(label) |
4. 探索查询
|
语句语义 |
测试语句 |
执行时间 |
|
查询某个实体的向外关系 |
clockWithResult(1) {g.V().has('id','19013190').out().next()}; |
1.353237ms |
|
查询某个实体的向内关系 |
clockWithResult(1) {g.V().has('id','19013104').in().next()}; |
1.7450409999999998ms |
|
多关系查询 |
||
|
输入实体类型+属性约束,返回一个实体及其所有一级关系 |
clockWithResult(1) {g.V().has('id', '19012335').outE().inV().path().by(valueMap(true)).next()} |
2.051107ms |
|
查询与顶点id为332734有直接关联的顶点以及边的关系 |
g.V().has('id','332734').bothE().otherV().path().profile() |
|
|
查询与顶点id为332734有直接关联的顶点 |
g.V().has('FALVFAGUI','id','332734').both().path().profile() |
4.840 |
|
两点之间是否有路径存在 |
g.V('983044208').repeat(out()).until(hasId('983044200')).path().profile |
18ms |
|
路径为三的探索 |
v=g.V().has('id','332733').out('FALVFATIAO').out('FATIAOKUAN').out('KUANXIANG').valueMap() |
1822.820ms |
|
该顶点所有的向外边为款的结果全部输出 |
g.V(v).repeat(out('KUANXIANG')).emit().valueMap() |
1ms |
janusgraph-遍历图的语言的更多相关文章
- 1048 图的宽度优先遍历序列 c语言
描述 图(graph)是数据结构 G=(V,E),其中V是G中结点的有限非空集合,结点的偶对称为边(edge):E是G中边的有限集合.设V={0,1,2,……,n-1},图中的结点又称为顶点(vert ...
- 深度-first遍历图--邻接表实现
在这里,邻接表的实现与深度优先遍历图,使用递归. #include<iostream> using namespace std; #define VERTEXNUM 5//结点数 stru ...
- Python 非递归遍历图
class Queue: def __init__(self,max_size): self.max_size = int(max_size) self.queue = [] def put(self ...
- JanusGraph多图配置 (cassandra)
JanusGraph多图配置目的 :一个端口开启后可根据句柄操作多个图 .(cassandra存储后端) 1.GremlinServer多图配置 服务器gremlin-server.yaml中可以设置 ...
- 图解Janusgraph系列-图数据底层序列化源码分析(Data Serialize)
图解Janusgraph系列-图数据底层序列化源码分析(Data Serialize) 大家好,我是洋仔,JanusGraph图解系列文章,实时更新~ 图数据库文章总目录: 整理所有图相关文章,请移步 ...
- 图的深度遍历(C语言)邻接矩阵表示
知识讲解: 图的遍历分为两种,深度遍历与广度遍历.这里讨论深度遍历. 以上图为例讨论图(图片来自<算法笔记>)的深度遍历: 设图形的顶点数为n. 先从顶点v0开始,用一个数组vis[n]来 ...
- 图的深度优先和广度优先遍历(图以邻接表表示,由C++面向对象实现)
学习了图的深度优先和广度优先遍历,发现不管是教材还是网上,大都为C语言函数式实现,为了加深理解,我以C++面向对象的方式把图的深度优先和广度优先遍历重写了一遍. 废话不多说,直接上代码: #inclu ...
- 邻接表存储图,DFS遍历图的java代码实现
import java.util.*; public class Main{ static int MAX_VERTEXNUM = 100; static int [] visited = new i ...
- 数据结构上机实验dfs&&bfs遍历图
#include<stdio.h> #include<string.h> #include<stdlib.h> #include<queue> #inc ...
- [DFS遍历图]UVA10562 Undraw the Trees
传送门: 1. UVA - 10562 2. Vjudge [看图写树] 将题目中给出的树改写为 括号表示法 即 (ROOT (SON1(...) (SON2(...)...(SONn(... ...
随机推荐
- 迪杰斯特拉算法(Dijkstra) (基础dij+堆优化) BY:优少
首先来一段百度百科压压惊... 迪杰斯特拉算法(Dijkstra)是由荷兰计算机科学家狄克斯特拉于1959 年提出的,因此又叫狄克斯特拉算法.是从一个顶点到其余各顶点的最短路径算法,解决的是有权图中最 ...
- Mysql的常见索引
PRIMARY KEY(主键索引) ALTER TABLE table_name ADD PRIMARY KEY ( col ) 它是一种特殊的唯一索引,不允许有空值: UNIQUE(唯一索引) AL ...
- 「UR#5」怎样跑得更快
「UR#5」怎样跑得更快 膜这个您就会了 下面是复读机mangoyang 我们要求 \[ \sum_{j=1}^n \gcd(i,j)^{c-d} j^d x_j=\frac{b_i}{i^d} \] ...
- 通过对比ASCII编码来理解Unicode编码
Unicode是个规范,可以理解为一个索引表,世界上所有字符基本上在这个索引表中都能找到唯一一个数码与之对应,就像ASCII码表一样,也是一个规范,也可以看成是一个索引表,所有的英文字符都可以在这个索 ...
- Docker 使用入门 Hello World
结合上一篇的所说的内容:现在安装好了Docker 安装好了就要用嘛,所以,先走一个Hello World docker run ubuntu:15.10 /bin/echo "hello w ...
- 全栈项目|小书架|服务器端-NodeJS+Koa2 实现书籍详情接口
通过上篇文章 全栈项目|小书架|微信小程序-首页水平轮播实现 我们实现了前端(小程序)效果图的展示,这篇文章来介绍服务器端的实现. 书籍详情分析 书籍详情页面如下: 从上图可以分析出详情页面大概有以下 ...
- nmon2influxdb+grafana:服务监控可视化部署
在工作中,无论是定位线上问题,还是性能优化,都需要对前端.后台服务进行监控.而及时的获取监控数据,能更好的帮助技术人员排查定位问题. 前面的博客介绍过服务端监控工具:Nmon使用方法及利用easyNm ...
- 使用 EnumWindows 找到满足你要求的窗口
原文:使用 EnumWindows 找到满足你要求的窗口 在 Windows 应用开发中,如果需要操作其他的窗口,那么可以使用 EnumWindows 这个 API 来枚举这些窗口. 本文介绍使用 E ...
- php中的htmlspecialchars_decode()函数
htmlspecialchars_decode() 函数把一些预定义的 HTML 实体转换为字符. <?php $str = "This is some <b>bold&l ...
- vscode入门使用教程(页面调试)
初次使用vscode时各种不适应,所有需要用到的功能貌似都需要单独安装插件才能用.这让很多初次使用vscode的朋友有点无所适从. 下面本人就带各位朋友学习下如何使用vscode来进行最基本的工作—— ...