如何优化Gremlin的project().by()查询，减少子遍历重复执行？

可以通过缓存每个Parent的子女集合，让所有统计项复用同一集合来避免重复遍历，以下是两种可行的改写方案：

方案一：使用sideEffect缓存子女集合 #

这种方式最直观，先通过sideEffect一次性获取并缓存每个家长的子女列表，后续统计均基于该缓存集合计算：

g.V().hasLabel('Parent').
  sideEffect(out('has_child').fold().as('children')).
  project('Parent', 'boys', 'girls', 'STEM_students', 'sport_participants').
    by('name').
    by(select('children').unfold().has('gender', 'male').count()).
    by(select('children').unfold().has('gender', 'female').count()).
    by(select('children').unfold().out('enrolled_in').has('type', 'STEM').count()).
    by(select('children').unfold().out('participates_in').hasLabel('Sport').count())

方案二：使用match预加载子女数据 #

通过match步骤预定义家长与子女的关联关系，同样实现一次遍历复用：

g.V().hasLabel('Parent').as('p').
  match(
    __.as('p').out('has_child').fold().as('children')
  ).
  project('Parent', 'boys', 'girls', 'STEM_students', 'sport_participants').
    by(select('p').values('name')).
    by(select('children').unfold().has('gender', 'male').count()).
    by(select('children').unfold().has('gender', 'female').count()).
    by(select('children').unfold().out('enrolled_in').has('type', 'STEM').count()).
    by(select('children').unfold().out('participates_in').hasLabel('Sport').count())

核心优势 #

两种方案均保证每个Parent仅执行一次子女查找遍历，后续统计直接复用缓存的子女集合，既保留了原查询中project能包含无符合条件子女家长的特性，又大幅提升了查询效率。

内容的提问来源于stack exchange，提问作者Tom Kelly