gremlin

gremlin filter on Hashmap property without using a lambda

痴心易碎 提交于 2021-01-28 18:54:11
问题 If I have a vertex in a graph database where one of the properties is a map, is there a way to filter on properties of the map without using a lambda? Create the vertex like this: gremlin> v = graph.addVertex(label, 'LABEL') ==>v[68] gremlin> g.V(68).property('prop', [ key: 'val' ]) ==>v[68] gremlin> g.V(68).valueMap() ==>{prop=[{key=val}]} Is there a way to filter for vertices by prop.key == 'val' without using a lambda? gremlin> g.V().filter{ it.get().values('prop').next().get('key') ==

gremlin - query optimization - property value counts for multiple interval ranges

早过忘川 提交于 2021-01-28 13:41:28
问题 Given a vertex, a property, and pre-defined interval ranges [(0,100), (100,500), (500,1000), (1000, 5000), ...] , I want to compute the vertex's edge count for each interval for where an edge's property value falls. For example, the vertex 446656 has 5 edges, which each have a property trxn_amt with the following values: [92, 380, 230, 899, 102] . This would give group counts {(0,100): 1, (100,500): 3, (500,1000):1, (1000, 5000):0, ...} . My question is split into two parts. Firstly, is there

Gremlin : AWS Neptune - Get all Leaf Nodes for each Node in the Graph as CSV

余生颓废 提交于 2021-01-28 07:23:10
问题 I have a simple graph that has Nodes which represent duplicate record id in the below form Duplicate Id, Original Id A,B B,C C,D X,Y Y,Z The directed graph looks like A -> B ->C ->D and I want CSV result that looks like below that has each Node with ultimate leaf node with no more outgoing edges A,D B,D C,D X,Z Y,Z The above is a simplistic scenario to explain the problem however actual data will have more complex scenarios like below where I have 24 Nodes from A to X with each node connect

how to save data in aws neptune db using node js?

旧时模样 提交于 2021-01-20 09:08:59
问题 Is there a way to save the data in amazon aws neptune db using node js? I am running this code on a lambda. I made the connection to neptune db using the below code. const gremlin = require('gremlin'); const DriverRemoteConnection = gremlin.driver.DriverRemoteConnection; const Graph = gremlin.structure.Graph; dc = new DriverRemoteConnection('endpoint',{}); const graph = new Graph(); const g = graph.traversal().withRemote(dc); 回答1: Here's a JavaScript Lambda function that writes data to

知识图谱的综述、构建、存储与应用

我的未来我决定 提交于 2021-01-09 18:04:59
本文介绍知识图谱,首先会讲一段知识图谱的综述作为开场,然后就知识图谱的构建,存储,还有应用进行具体说明。 知识图谱和我们的资源页比较类似,都是需要先构建,然后存储,之后应用。 知识图谱应用广泛,我会以推荐系统为例子,说明知识图谱在推荐系统中的应用。 知识图谱综述 我们首先对知识图谱做一个简短的综述。 计算机为什么需要知识? 比如数字110,对机器来说,110就是一个字符串,与其他数字没有太大的差别。 当然可以借助关联分析,分析出110跟警察,抢劫等相关。但是关联分析比较复杂,需要借助数据挖掘等相关技术。 如果采用知识库,只需要构建一条知识,即110是报警电话。 人工智能分为三个层次,分别是运算智能,感知智能和认知智能。 运算智能是让机器能存会算;感知智能是让机器能听会说、能看会认;认知智能是解决机器能理解会思考的问题。 认知智能需要知识图谱。 知识图谱是一个大规模语义网,包含实体和关系,比如章子怡的丈夫是汪峰; 也包含实体和属性,比如章子怡的出生日期是1979年2月9日。 还包含实体和概念,比如章子怡是一个女演员; 还包含概念之间的关系,比如女演员是演员的子类。演员是人物的子类。 百科图谱一般由 标题,摘要,信息框,标签,图片 等部分组成。 可抽取信息框的内容构建知识图谱,并进行可视化展示。 其中,对于题目理解来讲,函数的提出者,提出时间这些属性不是我们所关心的。 表达式,表示法

Neo4j教程

旧城冷巷雨未停 提交于 2021-01-06 20:59:10
1. Neo4j是什么 Neo4j是目前世界领先的图形数据库。 它的体系结构旨在优化管理,存储和遍历节点和关系。 数据库采用属性图方法,这对于遍历性能和操作运行时都非常有利。 Neo4j提供专用的内存管理和内存高效操作。 它具有可伸缩性,可以作为独立服务器部署,也可以跨多个机器部署在生产环境的容错群集中,但是 仅限于企业版 。 生产应用程序的其他功能包括热备份和广泛的监视。 Cypher是Neo4j的官方图查询语言,也支持SQL界的Gremlin查询。如果想要通过图查询语言做一些高性能的优化,目前Gremlin语言是不支持的。 2. 社区版和企业版 社区版: 社区版是Neo4j的全功能版本,但只适用于 单实例 部署,不支持多数据库实例,而且数据库的实例名为neo4j。 它全面支持Neo4j的关键功能,例如ACID合规性,Cypher和编程API。 非常适合 学习 Neo4j,自己动手的项目以及小型工作组中的应用程序。 企业版: 企业版扩展了社区版的功能,以包括用于性能和可伸缩性的关键功能,例如群集体系结构和联机备份功能。 其他安全功能包括基于角色的访问控制和LDAP支持,例如Active Directory。 它是对规模和可用性有要求的生产系统的选择,例如商业解决方案和关键内部解决方案。 社区版与企业版主要特性差异列表 社区版 企业版 基于角色的访问控制 - √ 基于角色的访问控制

Gremlin: Count connections ignoring edges with a parallel edge in the opposing direction

放肆的年华 提交于 2021-01-05 09:47:21
问题 I'm currently working with a graph which indicates connections between vertices. The vertices can be connected in both directions. I am interested in knowing how many vertices are connected to each other regardless both the direction of the connection or if connections exist in both directions. So for example, in the graph sketched below the total number of connected vertices would be 3 (whilst a simple edge count would tell us there are 4 Due to the directionality of the edges this isn’t the

Gremlin, javascript: where is the function “valueMap()” imported from?

感情迁移 提交于 2020-12-26 07:36:30
问题 I am using es6 on nodejs, and am trying to execute the project() step in a gremlin query. As part of the projection, I want to extract the properties. Using gremlin console I would use valueMap() to get the properties. However, when I attempt this from javascript, I get the expected error "valueMap is not a function". Question 1: where do I import this function from? Question 2: where can I read about all of the various gremlin objects available for importing in javascript? ==================

Gremlin, javascript: where is the function “valueMap()” imported from?

扶醉桌前 提交于 2020-12-26 07:35:01
问题 I am using es6 on nodejs, and am trying to execute the project() step in a gremlin query. As part of the projection, I want to extract the properties. Using gremlin console I would use valueMap() to get the properties. However, when I attempt this from javascript, I get the expected error "valueMap is not a function". Question 1: where do I import this function from? Question 2: where can I read about all of the various gremlin objects available for importing in javascript? ==================

图解JanusGraph系列

扶醉桌前 提交于 2020-12-22 17:50:21
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(超链): 图数据库系列-文章总目录 源码分析相关可查看 github ( 码文不易,求个star~ ): https://github.com/YYDreamer/janusgraph 版本:JanusGraph-0.5.2 转载文章请保留以下声明: 作者:洋仔聊编程 前言 JanusGraph的批量导入速度一直是用户使用的痛点, 下面会依托官网的介绍和个人理解,聊一下关于图数据批量快速导入的一些方案、方案使用场景和一些想; 写这篇文章的目的主要是为了让大家了解一下janus的导入的一些常用方案,算是一个总结吧,如有疑问或者文章错误,欢迎留言联系我 首先,说一下 JanusGraph 的批量导入的可配置的优化配置选项 和 基于 第三方存储和索引 的优化配置选项: 批量导入的配置选项 第三方存储后端的优化选项(Hbase为例) 第三方索引后端的优化选项(ES为例) 之后分析一下数据导入的四个方案: 基于JanusGraph Api的批量导入 基于Gremlin Server的批量导入 使用JanusGraph-utils的批量导入 基于 bulk loader 导入方式 基于 抽取序列化逻辑生成Hfile 离线批量导入 最后聊一下关于批量导入的一些想法; 一