Gremlin入門

Gremlin入門

1、Gremlin簡介

Gremlin是Apache ThinkerPop框架下的圖遍歷語言，Gremlin是一種函數式數據流語言，能夠使用戶使用簡潔的方式表述複雜的屬性圖的遍歷或查詢。每一個Gremlin遍歷由一系列步驟（可能存在嵌套）組成，每一步都在數據流（data stream）上執行一個原子操做。

Gremlin 語言包括三個基本的操做：

• map-step：對數據流中的對象進行轉換；
• filter-step：對數據流中的對象就行過濾；
• sideEffect-step：對數據流進行計算統計；

Tinkerpop3 模型核心概念

• Graph: 維護節點&邊的集合，提供訪問底層數據庫功能，如事務功能
• Element: 維護屬性集合，和一個字符串label，代表這個element種類
• Vertex: 繼承自Element，維護了一組入度，出度的邊集合
• Edge: 繼承自Element，維護一組入度，出度vertex節點集合.
• Property: kv鍵值對
• VertexProperty: 節點的屬性，有一組健值對kv，還有額外的properties 集合。同時也繼承自element，必須有本身的id, label.
• Cardinality: 「single, list, set」 節點屬性對應的value是單值，仍是列表，或者set。

2、Gremlin查詢示例

先介紹一下圖中比較核心的幾個概念：

• Schema：Schema是一種描述語言，這裏就是指全部屬性和類型的集合，包括邊和點的屬性，邊和點的Label等；
• 屬性類型（PropertyKey ）：只邊和點能夠使用的屬性類型；
• 頂點類型（VertexLabel）：頂點的類型，好比User，Car等；
• 邊類型（EdgeLabel）：邊的類型，好比know，use等；
• 頂點（Vertex）：就是圖中的頂點，表明圖中的一個節點；
• 邊（Edge）：就是圖中的邊，鏈接兩個節點，分爲有向邊和無向邊；

建立屬性類型

graph.schema().propertyKey("name").asText().ifNotExist().create()
graph.schema().propertyKey("age").asInt().ifNotExist().create()
graph.schema().propertyKey("city").asText().ifNotExist().create()
graph.schema().propertyKey("lang").asText().ifNotExist().create()
graph.schema().propertyKey("date").asText().ifNotExist().create()
graph.schema().propertyKey("price").asInt().ifNotExist().create()

建立頂點類型

person = graph.schema().vertexLabel("person").properties("name", "age", "city").primaryKeys("name").ifNotExist().create()
software = graph.schema().vertexLabel("software").properties("name", "lang", "price").primaryKeys("name").ifNotExist().create()

建立邊類型

knows = graph.schema().edgeLabel("knows").sourceLabel("person").targetLabel("person").properties("date").ifNotExist().create()
created = graph.schema().edgeLabel("created").sourceLabel("person").targetLabel("software").properties("date", "city").ifNotExist().create()

建立頂點和邊

marko = graph.addVertex(T.label, "person", "name", "marko", "age", 29, "city", "Beijing")
vadas = graph.addVertex(T.label, "person", "name", "vadas", "age", 27, "city", "Hongkong")
lop = graph.addVertex(T.label, "software", "name", "lop", "lang", "java", "price", 328)
josh = graph.addVertex(T.label, "person", "name", "josh", "age", 32, "city", "Beijing")
ripple = graph.addVertex(T.label, "software", "name", "ripple", "lang", "java", "price", 199)
peter = graph.addVertex(T.label, "person","name", "peter", "age", 29, "city", "Shanghai")

marko.addEdge("knows", vadas, "date", "20160110")
marko.addEdge("knows", josh, "date", "20130220")
marko.addEdge("created", lop, "date", "20171210", "city", "Shanghai")
josh.addEdge("created", ripple, "date", "20151010", "city", "Beijing")
josh.addEdge("created", lop, "date", "20171210", "city", "Beijing")
peter.addEdge("created", lop, "date", "20171210", "city", "Beijing")

展現圖

g.V() //建立使用graph，查詢使用g，其實g就是graph.traversal()

查詢點

g.V().limit(5) // 查詢全部點，但限制點的返回數量爲5，也能夠使用range(x, y)的算子，返回區間內的點數量。
g.V().hasLabel('person') // 查詢點的label值爲'person'的點。
g.V('11') // 查詢id爲‘11’的點。

查詢邊

g.E() // 查詢全部邊，不推薦使用，邊數過大時，這種查詢方式不合理，通常須要添加過濾條件或限制返回數量。
g.E('55-81-5') // 查詢邊id爲‘55-81-5’的邊。
g.E().hasLabel('knows') // 查詢label爲‘knows’的邊。
g.V('46').outE('knows') // 查詢點id爲‘46’全部label爲‘knows’的邊。

查詢屬性

g.V().limit(3).valueMap() // 查詢點的全部屬性（可填參數，表示只查詢該點， 一個點全部屬性一行結果）。
g.V().limit(1).label() // 查詢點的label。
g.V().limit(10).values('name') // 查詢點的name屬性（可不填參數，表示查詢全部屬性， 一個點每一個屬性一行結果，只有value，沒有key）。

刪除點

g.V('600').drop() // 刪除ID爲600的點。

刪除邊

g.E('501-502-0').drop() //刪除ID爲「501-502-0」的邊。

查詢二度好友和共同好友數

//查詢一度好友
g.V('1500771').out()
//查詢二度好友
g.V('1500771').out().out().dedup().not(hasId('1500771'))
//查詢共同好友數
g.V('1500771').out().out().hasId('2165197').path().simplePath().count()

此外，還有查詢，遍歷，過濾，路徑，迭代，轉換，排序，邏輯，統計，分支等語法，能夠參考：http://tang.love/2018/11/15/g...。

參考：

http://tang.love/2018/11/15/g...

https://hugegraph.github.io/h...