在Jupyter中存储/获取AWS Neptune ML的Gremlin查询结果

方法1：通过Neptune HTTP API直接执行查询并处理结果 #

Neptune提供HTTP端点接收Gremlin查询，用Python的requests库发送POST请求，即可获取结果并赋值给变量，也能保存为JSON文件。

步骤与代码示例：

import requests
import json

# 替换为你的实际集群端点、ML端点和节点ID
neptune_endpoint = "your-neptune-cluster-endpoint:8182"
ml_endpoint = "your-neptune-ml-endpoint"
target_node_id = "your-target-node-id"

# 构造带Neptune ML扩展的Gremlin查询
gremlin_query = f"""
g.with("Neptune#ml.endpoint","{ml_endpoint}").
    V("{target_node_id}").
    project('name', 'related to').
        by('name').
        by( out('RELATED_TO').with("Neptune#ml.prediction").
            hasLabel('TYPE_X').values('name') ).
    order(local).by(keys, desc)
"""

# 发送POST请求到Neptune Gremlin端点
response = requests.post(
    f"https://{neptune_endpoint}/gremlin",
    json={"gremlin": gremlin_query},
    headers={"Content-Type": "application/json"}
)

# 解析并处理结果
if response.status_code == 200:
    result_data = response.json()["result"]["data"]
    # 赋值给变量
    prediction_results = result_data
    print(prediction_results)
    
    # 保存为JSON文件
    with open("neptune_ml_predictions.json", "w") as f:
        json.dump(prediction_results, f, indent=2)
else:
    print(f"查询失败：状态码{response.status_code}，错误信息：{response.text}")

方法2：使用Neptune Python SDK（需确认版本兼容性） #

AWS Neptune官方Python SDK（aws-neptune-gremlin-python）可能支持Neptune ML扩展语法，先升级到最新版本：

pip install aws-neptune-gremlin-python --upgrade

然后连接集群执行查询：

from gremlin_python.driver import client, serializer
import json

neptune_client = client.Client(
    "wss://your-neptune-cluster-endpoint:8182/gremlin",
    "g",
    message_serializer=serializer.GraphSONSerializersV2d0()
)

try:
    query = f"""
    g.with("Neptune#ml.endpoint","{ml_endpoint}").
        V("{target_node_id}").
        project('name', 'related to').
            by('name').
            by( out('RELATED_TO').with("Neptune#ml.prediction").
                hasLabel('TYPE_X').values('name') ).
        order(local).by(keys, desc)
    """
    result_set = neptune_client.submit(query)
    prediction_results = [dict(item) for item in result_set.all().result()]
    
    # 保存结果到文件
    with open("predictions.json", "w") as f:
        json.dump(prediction_results, f, indent=2)
finally:
    neptune_client.close()

如果SDK仍不支持Neptune ML扩展语法，方法1的HTTP API方式是更可靠的替代方案。

方法3：尝试捕获%%gremlin魔法命令输出 #

部分版本的Neptune Jupyter魔法命令支持-o参数将输出赋值给变量，可尝试：

%%gremlin -o prediction_results
g.with("Neptune#ml.endpoint","${endpoint}").
    V(${id_variable}).
    project('name', 'related to').
        by('name').
        by( out('RELATED_TO').with("Neptune#ml.prediction").
            hasLabel('TYPE_X').values('name') ).
    order(local).by(keys, desc)

如果参数有效，prediction_results变量将存储查询结果，后续可通过json.dump保存为文件。该功能依赖魔法命令版本，需确认环境支持情况。

内容的提问来源于stack exchange，提问作者Luca P.