基于华为云图引擎GES，使用Cypher子查询进行图探索

380 0 0

作者:华为云开发者社区

摘要：本文以华为云图引擎 GES 为例，来介绍如何使用图查询语言 Cypher 表达一些需要做数据局部遍历的场景。

本文分享自华为云社区《使用 Cypher 子查询进行图探索 -- 以华为云图引擎 GES 为例》，作者：蜉蝣与海。

在图数据库 / 图计算领域，很多查询可以使用图查询语言 Cypher、Gremlin 或者指令式 API 进行表达，如多跳过滤、全局检索以及对过滤后的结果进行聚集排序等操作。然而有些查询不是那么容易表达，常常需要对图中的一组数据去做局部遍历，例如在社交网络（人 - 人，人 - 兴趣，人 - 工作地的关联网络）场景中，常常涉及以下场景：

朋友推荐：看看小明的朋友的朋友中，哪些不是小明的朋友，进而推荐给小明。
潜在二度人脉分析：选取一组点，每个点代表一个人，在他们朋友的朋友中，统计他们各自有多少不认识的男性朋友和女性朋友。
兴趣推荐 A：兴趣爱好也是社交网络中的点，看看小明的朋友有哪些兴趣爱好（人 - INTEREST - 兴趣），从每个朋友的兴趣爱好中选取至多 N 个兴趣爱好推荐给小明。
兴趣推荐 B：看小小明有哪些朋友还没有录入兴趣爱好，允许小明把自己的兴趣爱好推荐给他们。

这些查询往往只关注图中的某个局部，对局部进行多跳查询，且局部上往往有类似下列限制：

数量限制：例如兴趣推荐 A 场景中，限制了每个朋友的兴趣数目，而不是总数目。
条件限制：例如朋友推荐场景中，“哪些不是小明的朋友” 需要先查询小明和朋友的朋友间有没有边，并将结果作为查询条件输入。

在查询语言 Cypher 中，常常使用子查询来解决这类问题。本文会以华为云图引擎 GES 为例（图引擎版本 >=2.3.6)，来介绍如何使用 Cypher 表达上述场景。

注：本文同步发布至华为云 AI Gallery，文中所有代码皆可以在AI Gallery上运行:【AI Gallery】使用Cypher子查询进行图探索 – 以华为云图引擎GES为例。

阅读前准备

基础知识

阅读前需要了解如下基础知识

Cypher查询语言的基本结构：
- 关于Cypher样例语句，可以参考：图引擎服务帮助文档-业务面API-Cypher-基本操作和兼容性
- 关于Cypher的文法说明，可以参考openCypher 9官方页面。
Cypher的列表表达式：
- 华为云图引擎GES支持的列表表达式，可以参考图引擎服务帮助文档-业务面API-Cypher-支持的表达式，函数及过程
- Neo4j 3.5 Cypher Manual - Lists - List Comprehension
- 对本文中使用到的列表表达式，提前做下述解释：

下方三个小节会指导如何配置一个 GES 实例并使用 notebook 连接 GES 服务进而做查询演示。如果你只想了解如何编写查询语句，对输入的 Cypher 查询获取返回结果没有需求，可以直接跳过下方三个小节。

本文使用的数据集

本教程使用 LDBC-SF0.1 社交数据集中截选的人物关系数据集，数据集可以从此处下载。下载后需要在 GES 中创建图并导入数据集，详细指导流程可参见华为图引擎文档 - 快速入门和华为云图引擎服务 GES 实战 —— 创图。

如何调用 GES 的 Cypher API

GES 官网帮助文档上有 GES Cypher 的 API，为了方便用户调用，API 设计为基于 http/https 请求，响应体的设计也兼容的 neo4j 的 json 格式。这里放置一下链接执行 Cypher 查询。调用 API 时需要将 Token 输入请求头中进行鉴权，有关 Token 的获取问题请参考业务面 API 认证鉴权。

本文会使用 ges4jupyter 工具脚本进行相关查询的演示，该脚本中封装了刚刚提到的鉴权 & Cypher 查询 API，并对结果进行了一些处理，提供了相关可视化的能力。

本文使用的代码包

ges4jupyter 是 jupyter 连接 GES 服务的工具文件。文件中封装了使用 GES 查询的预置条件，包括配置相关参数和对所调用 API 接口的封装，如果你对这些不感兴趣，可直接运行而不需要了解细节，这对理解后续具体查询没有影响。本文的所有语句请求都会访问一个 GES 实例并得到实际的响应。

import moxing as mox
mox.file.copy('obs://obs-aigallery-zc/GES/ges4jupyter/beta/ges4jupyter.py', 'ges4jupyter.py')
mox.file.copy('obs://obs-aigallery-zc/GES/ges4jupyter/beta/ges4jupyter.html', 'ges4jupyter.html')

GESConfig 的参数都是与调用 GES 服务有关的参数，依次为 “公网访问地址”、“项目 ID”、“图名”、“终端节点”、“IAM 用户名”、“IAM 用户密码”、“IAM 用户所属账户名”、“所属项目”，其获取方式可参考调用 GES 服务业务面 API 相关参数的获取。这里通过 read_csv_config 方法从配置文件中读取这些信息。如果没有配置文件，可以根据自己的需要补充下列字段。对于开启了 https 安全模式的图实例，参数 port 的值为 443。

from ges4jupyter import GESConfig, GES4Jupyter, read_csv_config
eip = ''
project_id = ''
graph_name = ''
iam_url = ''
user_name = ''
password = ''
domain_name = ''
project_name = ''
port = 80
eip, project_id, graph_name, iam_url, user_name, password, domain_name, project_name, port = read_csv_config('cn_north_4_graph.csv')
config = GESConfig(eip, project_id, graph_name, 
 iam_url = iam_url, 
 user_name = user_name, 
                    password = password, 
 domain_name = domain_name,
 project_name = project_name,
                    port = port)
ges_util = GES4Jupyter(config, True);

首先在 GES 中创建索引，这有利于后续查询加速。

import time
def wait_job_finish(util, job_id, max_loop):
 job_result = util.get_job(job_id)
 if 'errorCode' not in job_result:
 for i in range(max_loop):
 if job_result['status'] == 'success':
 break
 else:
 time.sleep(1)
 job_result = util.get_job(job_id)
 print(job_result)
job_id = ges_util.build_vertex_index()
wait_job_finish(ges_util, job_id, 100)
job_id = ges_util.build_edge_index()
wait_job_finish(ges_util, job_id, 100)

可以使用下列语句查看 schema 信息：

import time
body = ges_util.generate_schema_structure()
job_id = body["jobId"]
print('开始构造schema结构:')
wait_job_finish(ges_util, job_id, 100)
print('schema结构构造完成')
cypher_result = ges_util.cypher_query("call db.schema()",formats=['row','graph']);
ges_util.format_cypher_result(cypher_result, candidate_title = ['description', 'name'])

如图是本文使用的数据集的 schema，主要包括下列类型的点边：

使用子查询

一般来说，使用 Cypher 查询朋友的朋友是相对容易的，下列语句演示了如何查询顶点 p367 朋友的朋友。

match (n)-[:KNOWS]->(a)-[:KNOWS]->(b) where id(n)='p367' return distinct b

然而，使用一般的 Cypher 语义，从朋友的朋友中移除所有的朋友，表达朋友推荐场景中的 “朋友的朋友而非我的朋友” 却很困难。文章如何使用GES进行社交关系考据？—GES查询能力介绍中，描述了一种常规的查询语句的写法：

match (n)-[:KNOWS]->(a) where id(n)='p367' with n, collect(a) as neighbor
match (n)-[:KNOWS]->(a)-[:KNOWS]->(b) 
where not (b in neighbor)
return b

由于 cypher 的结果是使用行（Row）组织数据，所有的计算以 “行” 作为单元进行，如果要进行过滤，只能进行行内过滤。所以上述语句第一步，先通过 collect (a), 将 “朋友” 这个集合组织到了一行里，而后才能将 collect (a) 作为过滤条件，进行二次查询。

将子查询作为查询条件

在 GES 2.3.6 版本，实现了子查询能力，支持 Neo4j 中的 SemiApply 算子，该算子支持类似于下列语句的运行，使得查询更为简洁：

match (n) where id(n)='p367'
match (n)-[:KNOWS*2..2]->(b)
where not (n)-[:KNOWS]->(b)
return id(b) limit 10
cypher_result = ges_util.cypher_query("""
match (n) where id(n)='p367' 
match (n)-[:KNOWS*2..2]->(b) where not (n)-[:KNOWS]->(b) 
return id(b) limit 10""",formats=['row','graph']);
ges_util.format_cypher_result(cypher_result)

注意到这里 where 条件后面跟从的不是一个一般的条件表达式，不是大于小于这样的比较运算，在条件运算 not 后跟随了一个图模式（Graph Pattern），整个 where 条件表示 “不存在从顶点 n 连向顶点 b，且 label 为 KNOWS 的边”。这样的表达方式使得整条查询语句看起来更为简洁。

也可以使用 explain 查看其查询计划，可以看到是 AntiSemiApply 在发挥作用。这里条件查询主要包含两个算子：

SemiApply：用于支撑 “where (n)-[:KNOWS]->(b)” 这样的条件，表示对应的查询模式存在。
AntiSemiApply：用于支撑 “where not (n)-[:KNOWS]->(b)” 这样的条件，表示对应的查询模式不存在。

这两个算子对每个左子树生成的结果，都去检查右子树是否会 / 不会产生满足条件的结果，并将右子树的结果作为过滤条件，辅助左子树的结果过滤。

通过这两个算子，即可实现简单的条件子查询。

cypher_result = ges_util.cypher_query("""explain 
match (n) where id(n)='p367' 
match (n)-[:KNOWS*2..2]->(b) where not (n)-[:KNOWS]->(b) 
return id(b) limit 10""",formats=['row','graph']);
ges_util.format_cypher_result(cypher_result)

antiSemiApply

子查询作为条件，也可以用来描述兴趣推荐 B 场景：看小小明有哪些朋友还没有录入兴趣爱好，允许小明把自己的兴趣爱好推荐给他们。

match (n:Person) where id(n)='p933' 
match (n)-[r]->(m) where not (m)-[:HAS_INTEREST]-() return id(m)

将子查询作为中间结果

此外，还可以将子查询作为中间结果，朋友推荐场景下，cypher 语句还可以这么写：

match (n) where id(n)='p367' 
with [(n)-[:KNOWS*2..2]->(b)|id(b)] as hop2, [(n)-[:KNOWS]->(b)|id(b)] as hop1
return [x in hop2 where not x in hop1|x] limit 10

在这条查询语句中，Graph Pattern 出现在了 with 子句中，用于收集某个点的多跳结果。

另外采用类似的写法还可以筛选三度好友中 “我不认识的人” 的数目，示例如下：

match (n) where id(n)='p367' 
with [(n)-[:KNOWS*3..3]->(b)|id(b)] as hop3, [(n)-[:KNOWS*1..2]->(b)|id(b)] as hop2
return size([x in hop3 where not x in hop2|x])
cypher_result = ges_util.cypher_query("""
match (n) where id(n)='p367' 
with [(n)-[:KNOWS*3..3]->(b)|id(b)] as hop3,  [(n)-[:KNOWS*1..2]->(b)|id(b)] as hop2 
return size([x in hop3 where not x in hop2|x])""",formats=['row','graph']);
ges_util.format_cypher_result(cypher_result, boxHeight=200)

同时这种子查询也可以包含子查询过滤条件，进行各类统计操作，如上述提到的潜在二度人脉分析：

match (n:Person) where id(n) in ['p367','p13194139534836','p932','p4398046512206','p6597069767359'] 
with n, [(n)-[:KNOWS*2..2]->(m) where not (n)-->(m)|m] as recSet
return id(n) as key, 
 size([x in recSet where x.gender='male']) as maleNumber,
 size([x in recSet where x.gender='female']) as femaleNumber
cypher_result = ges_util.cypher_query("""
match (n:Person) where id(n) in ['p367','p13194139534836','p932','p4398046512206','p6597069767359'] 
with n, [(n)-[:KNOWS*2..2]->(m) where not (n)-->(m)|m] as recSet 
return id(n), size([x in recSet where x.gender='male']),size([x in recSet where x.gender='female'])
""",formats=['row','graph']);
ges_util.format_cypher_result(cypher_result, boxHeight=200)

下列元素出现在 with 子句中，描述了一个子查询：

[(n)-[:KNOWS*2..2]->(m) where some-condition|m] as recSet

这里会对每个遍历到的 n，都进行二跳查询，取二跳查询的末端节点 m，然后组装成一个列表。

注意到 where 条件中，使用了刚刚提到的条件子查询：

where not (n)-->(m)

这里条件使用 where 条件，对子查询的结果进行了过滤，且过滤时，是将一个 Graph Pattern 作为的过滤条件，最后使用竖线进行投影。

在 return 子句中，使用了 Cypher 中 List Comprehension 的语法，进行列表过滤，并获取大小：

return id(n) as key, 
 size([x in recSet where x.gender='male']) as maleNumber,
 size([x in recSet where x.gender='female']) as femaleNumber

支撑子查询作为过滤条件的，是 RollUpApply 算子，可以通过 explain 看到其在查询计划中发挥价值：

cypher_result = ges_util.cypher_query("""explain 
match (n:Person) where id(n) in ['p367','p13194139534836','p932','p4398046512206','p6597069767359'] 
return n, [(n)-[:KNOWS*2..2]->(m) where not (n)-->(m)|m] as recSet""",formats=['row','graph']);
ges_util.format_cypher_result(cypher_result, boxHeight=200)

对每个左子树生成的结果（这里是 (n:Person)）都会作为变量输入，并执行右子树，将右子树的结果打包返回为 list。

此外还可以限制子查询的数目，对查询进行 PerNodeLimit（单点跳出限制：每个点每层只能向外跳出限定个数的顶点）。

例如兴趣推荐 A 场景中，看看小明的朋友有哪些兴趣爱好（人 - INTEREST - 兴趣），从每个朋友的兴趣爱好中选取至多 N 个兴趣爱好推荐给小明。

match (n:Person) where id(n)='p367' 
match (n)-[r]->(m) 
return [(m)-[:HAS_INTEREST]-(a)|a][0..3]

为了可视化演示效果，可视化时同步打印了 “朋友” 和 “INTEREST” 边。

同样的，也可以使用 RollUpApply+Limit 对每跳做 PerNodeLimit，例如统计和小明的朋友有共同兴趣爱好的朋友，每跳最多找 3 个点，最后一跳每个点最多找 1 个点：

match (n:Person) where id(n)='p367' 
match (n)-[r]->(m) with m limit 3 
with m,[(m)<-[r1:HAS_INTEREST]-(a)|a][0..3] as interests 
unwind interests as interest 
with interest, [(interest)-[r1:HAS_INTEREST]->(a) where not (a)--(m)|[r1,a]][0..1] as soulMate
return *

其他子查询

使用 with 也可以实现其他子查询任务，例如上一跳的查询结果经过 limit 限制后输入下一跳，成为查询条件：

match (n:Person) where id(n) in ['p367','p13194139534836','p932','p4398046512206','p6597069767359'] 
with n limit 10
match (m:Person{lastName:n.lastName}) return n.lastName, m.firstName

使用 explain 也可以看到其查询计划：

cypher_result = ges_util.cypher_query("""explain 
match (n:Person) where id(n) in ['p367','p13194139534836','p932','p4398046512206','p6597069767359'] 
with n limit 10
match (m:Person{lastName:n.lastName}) return n.lastName, m.firstName""",formats=['row','graph']);
ges_util.format_cypher_result(cypher_result)

由于不同的 n，其 n.lastName 的值是不固定的，所以需要针对每个 n，去做 match (m:Person {lastName:n.lastName}) 这样的查询，因此需要使用 Apply 子查询算子支撑这样的语句。

总结

借助子查询局部遍历是图查询中的常用操作，将子查询作为条件过滤或者中间结果，可以满足某些业务场景下的对查询的局部有限制的诉求，如文中提到的社交网络分析，再如股权穿透网络中穿透层数分析、装备制造和配置管理（IT 设备管理）领域依赖识别和变更影响分析等。

此外，由于 Cypher 以行的形式组织数据，某些情况下使用子查询可以节省中间结果产生，加速 Cypher 查询的执行。

当然，使用更高效的 API（如 GES 产品中有多跳过滤 API) 或者使用非行存的查询执行引擎也是可选的解决方案。

点击关注，第一时间了解华为云新鲜技术～

内容来源于网络如有侵权请私信删除

文章来源: 博客园

原文链接: https://www.cnblogs.com/huaweiyun/p/17388283.html

标签： SQL Server数据库 SQL Server技术文章

你还没有登录，请先登录或注册！

还没有人评论，欢迎说说您的想法！

基于华为云图引擎GES，使用Cypher子查询进行图探索