基于Gremlin查询关联Code数量最多的Top2 Patient节点及路径

一、示例数据插入语句 #

先执行以下语句生成测试用图结构，包含Patient、Diagnosis、Code三类顶点及关联边：

// 插入Patient顶点
g.addV('Patient').property('id', 'P1').property('name', '张三')
g.addV('Patient').property('id', 'P2').property('name', '李四')
g.addV('Patient').property('id', 'P3').property('name', '王五')
g.addV('Patient').property('id', 'P4').property('name', '赵六')

// 插入Diagnosis顶点
g.addV('Diagnosis').property('id', 'D1').property('disease', '糖尿病')
g.addV('Diagnosis').property('id', 'D2').property('disease', '高血压')
g.addV('Diagnosis').property('id', 'D3').property('disease', '冠心病')

// 插入Code顶点
g.addV('Code').property('id', 'C1').property('code', 'ICD-10-E11')
g.addV('Code').property('id', 'C2').property('code', 'ICD-10-I10')
g.addV('Code').property('id', 'C3').property('code', 'ICD-10-I25')
g.addV('Code').property('id', 'C4').property('code', 'ICD-10-E10')
g.addV('Code').property('id', 'C5').property('code', 'ICD-10-I11')

// 插入Patient到Diagnosis的边
g.V('P1').addE('HAS_DIAGNOSIS').to(g.V('D1'))
g.V('P1').addE('HAS_DIAGNOSIS').to(g.V('D2'))
g.V('P2').addE('HAS_DIAGNOSIS').to(g.V('D1'))
g.V('P2').addE('HAS_DIAGNOSIS').to(g.V('D2'))
g.V('P2').addE('HAS_DIAGNOSIS').to(g.V('D3'))
g.V('P3').addE('HAS_DIAGNOSIS').to(g.V('D1'))
g.V('P4').addE('HAS_DIAGNOSIS').to(g.V('D3'))

// 插入Code到Diagnosis的边
g.V('C1').addE('MAPS_TO').to(g.V('D1'))
g.V('C4').addE('MAPS_TO').to(g.V('D1'))
g.V('C2').addE('MAPS_TO').to(g.V('D2'))
g.V('C5').addE('MAPS_TO').to(g.V('D2'))
g.V('C3').addE('MAPS_TO').to(g.V('D3'))

二、目标查询语句 #

以下查询会完成：遍历Patient->Diagnosis<-Code路径、统计每个Patient关联的唯一Code数量、过滤仅关联1个Code的Patient、按Code数量降序取Top2，同时返回关联的顶点和边属性：

g.V().hasLabel('Patient')
  .as('patient')
  // 遍历到关联的Diagnosis，再跳转至关联的Code
  .out('HAS_DIAGNOSIS').in('MAPS_TO')
  .dedup() // 去重同一Patient关联的重复Code
  .groupCount().by(select('patient'))
  .unfold()
  // 过滤掉仅关联1个Code的Patient
  .filter(select(values).is(gt(1)))
  // 按Code数量降序排序，取前2位
  .order().by(values, desc)
  .limit(2)
  // 结构化返回结果：Patient属性、Code数量、关联的所有顶点和边
  .project('patient_info', 'code_count', 'related_elements')
    .by(select(keys).valueMap(true))
    .by(select(values))
    .by(
      select(keys)
        .outE('HAS_DIAGNOSIS').as('patient_diagnosis_edge')
        .inV().as('diagnosis')
        .inE('MAPS_TO').as('code_diagnosis_edge')
        .outV().as('code')
        .select('patient', 'patient_diagnosis_edge', 'diagnosis', 'code_diagnosis_edge', 'code')
        .dedup()
    )

如果仅需要Patient基础信息和Code数量，可简化为：

g.V().hasLabel('Patient')
  .as('patient')
  .out('HAS_DIAGNOSIS').in('MAPS_TO').dedup()
  .groupCount().by(select('patient'))
  .unfold()
  .filter(select(values).is(gt(1)))
  .order().by(values, desc).limit(2)
  .project('patient_id', 'patient_name', 'code_count')
    .by(select(keys).values('id'))
    .by(select(keys).values('name'))
    .by(select(values))

三、关键逻辑说明 #

• 去重处理：dedup()避免同一Patient因重复关联Diagnosis或同一Diagnosis关联多Code导致的重复统计。
• 过滤条件：filter(select(values).is(gt(1)))直接排除仅关联1个Code的Patient。
• 排序取Top2：通过order().by(values, desc).limit(2)实现按关联Code数量降序筛选前两位。

内容的提问来源于stack exchange，提问作者Dee