Neo4j Cypher多段去重查询单段为空时整体无返回问题求解

• Cypher采用逐行流式执行模型：任意普通MATCH子句如果对当前流入的行没有匹配到任何结果，该行会被直接丢弃，不会再传递给后续子句。
• 你当前的分段逻辑中，PART2、PART3、PART4均使用普通MATCH承接上一段输出：如果某一段没有匹配到符合条件的(x,z)节点对，上游流入的行被全部丢弃，上一段已经攒好的already_seen_contracts和taking_over列表会直接消失，后续所有步骤都拿不到之前存储的非空结果，最终UNWIND自然无输出。
• 你之前测试OPTIONAL MATCH遇到的NULL值问题属于该关键字的预期行为：OPTIONAL MATCH匹配失败时不会丢弃行，而是把未匹配到的字段填充为NULL，直接COLLECT会把NULL值收入列表，不符合结果要求。
• 所谓“添加虚拟节点保证列表非空”的方案属于hack写法，后续需要额外写逻辑过滤虚拟节点数据，容易引入脏结果，不推荐使用。

方案1：最小改造成本（适配原有写法） #

核心逻辑是保留OPTIONAL MATCH不丢弃上游行的特性，在COLLECT阶段主动过滤NULL值，保证列表合并时不会丢失之前段的结果，也不会引入脏数据。
改写后的参考代码：

// PART1保留普通MATCH，符合你“该段必须匹配到有效结果，无匹配则整体返回空”的要求
MATCH (x1:X) -[:STARTS_AT]-> (somewhere) <-[:STARTS_AT]- (z1:Z)
MATCH (x1) -[:ENDS_AT]-> (somewhereelse) <-[:ENDS_AT]- (z1)
WHERE somewhereconditions
WITH COLLECT(DISTINCT x1.contractid) AS already_seen_contracts,
     COLLECT(DISTINCT {
         x_contractid: x1.contractid, 
         x_createdate: x1.createdate, 
         z_contractid: z1.contractid, 
         z_createdate: z1.createdate
     }) AS taking_over

// PART2改用OPTIONAL MATCH，匹配失败也不会丢弃上游已存的结果
OPTIONAL MATCH (x2:X) -[:STARTS_AT]-> (somewhere2) -[:IS_IN]-> (s2:S),
      (x2) -[:ENDS_AT]-> (somewhereelse2) -[:IS_IN]-> (e2:S),
      path = allShortestPaths((s2)-[:CONNECTED*]->(e2))
WHERE NOT x2.contractid IN already_seen_contracts
OPTIONAL MATCH (z2:Z) -[:STARTS_AT]-> (somewhere2) -[:IS_IN]-> (r:S),
        (z2) -[:ENDS_AT]-> (somewhereelse2) -[:IS_IN]-> (t:S) 
WHERE z2 IN nodes(path)
// 合并列表时过滤当前段产生的NULL值，仅累加有效ID和结果
WITH already_seen_contracts + [cid IN COLLECT(DISTINCT x2.contractid) WHERE cid IS NOT NULL] AS already_seen_contracts,
     taking_over + [res IN COLLECT(DISTINCT {
         x_contractid: x2.contractid, 
         x_createdate: x2.createdate, 
         z_contractid: z2.contractid, 
         z_createdate: z2.createdate
     }) WHERE res.x_contractid IS NOT NULL] AS taking_over

// PART3、PART4完全复用PART2的OPTIONAL MATCH+NULL过滤逻辑即可

UNWIND taking_over AS result
RETURN result.x_contractid, result.x_createdate, result.z_contractid, result.z_createdate

该写法的特点：

• 任意后续段无匹配时，当前段COLLECT得到的是空列表，和上一段列表合并后仅保留已有有效结果，不会丢数
• 增加DISTINCT避免同段内重复扫描同一合约，减少无效计算
• 无需引入虚拟占位节点，不会产生脏数据

方案2：性能更优写法（从根源避免跨段传参开销） #

你之前使用UNION性能差，核心原因是每个UNION分支都做全量扫描、没有做执行计划优化。用CALL子查询包裹各段逻辑+最终全局去重的写法，性能远高于逐段传递大列表的方案：

CALL {
    // PART1逻辑
    MATCH (x1:X) -[:STARTS_AT]-> (somewhere) <-[:STARTS_AT]- (z1:Z)
    MATCH (x1) -[:ENDS_AT]-> (somewhereelse) <-[:ENDS_AT]- (z1)
    WHERE somewhereconditions
    RETURN x1.contractid AS x_contractid, x1.createdate AS x_createdate, z1.contractid AS z_contractid, z1.createdate AS z_createdate
    UNION ALL
    // PART2逻辑
    MATCH (x2:X) -[:STARTS_AT]-> (somewhere2) -[:IS_IN]-> (s2:S),
          (x2) -[:ENDS_AT]-> (somewhereelse2) -[:IS_IN]-> (e2:S),
          path = allShortestPaths((s2)-[:CONNECTED*]->(e2))
    MATCH (z2:Z) -[:STARTS_AT]-> (somewhere2) -[:IS_IN]-> (r:S),
            (z2) -[:ENDS_AT]-> (somewhereelse2) -[:IS_IN]-> (t:S) 
    WHERE z2 IN nodes(path)
    RETURN x2.contractid AS x_contractid, x2.createdate AS x_createdate, z2.contractid AS z_contractid, z2.createdate AS z_createdate
    // PART3、PART4逻辑按相同格式追加在UNION ALL后即可
}
// 全局按X节点的合约ID去重，优先级靠前的段查到的结果自动保留，不会重复返回
WITH DISTINCT x_contractid, x_createdate, z_contractid, z_createdate
RETURN x_contractid, x_createdate, z_contractid, z_createdate

该写法的特点：

• 不需要逐段维护和传递already_seen_contracts大列表，内存占用更低
• 各段子查询独立执行，Neo4j优化器可以自动匹配X、Z节点contractid字段上的索引，执行速度更快
• 任意段无匹配结果都不会影响其他段的结果返回，天然满足需求
• 最终全局DISTINCT去重逻辑简单，不会出现重复查询、重复返回的问题

内容的提问来源于stack exchange，提问作者Sebastian