Neo4j执行count(*)查询返回结果与实际记录数不符问题

你当前执行的问题查询如下：

MATCH (p1:Politician)-[r1:mentioned_by]->(c:Channel {name: "Telefe Noticias"})<-[r2:mentioned_by {video_id: r1.video_id}]-(p2:Politician)
WHERE p1.fullname < p2.fullname  
RETURN COUNT(*) AS totalMentions

排查步骤 #

• 第一步：验证是否存在重复匹配行
  将查询的返回逻辑改成输出明细，查看是否存在重复的政治家对+视频ID组合：

  MATCH (p1:Politician)-[r1:mentioned_by]->(c:Channel {name: "Telefe Noticias"})<-[r2:mentioned_by {video_id: r1.video_id}]-(p2:Politician)
  WHERE p1.fullname < p2.fullname  
  RETURN p1.fullname, p2.fullname, r1.video_id, count(*) AS repeat_cnt
  ORDER BY repeat_cnt DESC
  

  如果返回结果中repeat_cnt存在大于1的记录，说明是重复匹配导致计数放大。
• 第二步：校验去重后的计数是否符合预期
  将原查询的COUNT(*)替换为按唯一组合去重的计数逻辑，验证结果是否等于预期的59：

  MATCH (p1:Politician)-[r1:mentioned_by]->(c:Channel {name: "Telefe Noticias"})<-[r2:mentioned_by {video_id: r1.video_id}]-(p2:Politician)
  WHERE p1.fullname < p2.fullname  
  RETURN COUNT(DISTINCT [p1.fullname, p2.fullname, r1.video_id]) AS totalMentions
  

  若结果符合预期，说明问题出在原查询没有对重复的有效组合去重。
• 第三步：排查底层数据冗余
  执行以下查询确认是否存在同一个政治家在同一个视频中被记录了多条mentioned_by关系的情况：

  MATCH (p:Politician)-[r:mentioned_by]->(c:Channel {name: "Telefe Noticias"})
  WITH p.fullname AS politician_name, r.video_id AS video_id, count(*) AS rel_count
  WHERE rel_count > 1
  RETURN *
  

  该查询返回的每条结果都对应一处冗余关系，正是这类冗余导致匹配时生成笛卡尔积，最终计数被放大。
• 第四步：根据业务需求调整查询
  如果业务要求统计「每个视频中同时出现的唯一政治家对数量」，推荐使用更稳妥的聚合写法，避免冗余数据影响结果：

  // 先按视频ID聚合所有出现过的政治家，自动去重
  MATCH (p:Politician)-[r:mentioned_by]->(c:Channel {name: "Telefe Noticias"})
  WITH r.video_id AS video_id, collect(DISTINCT p.fullname) AS politician_list
  // 过滤仅出现1位政治家的视频
  WHERE size(politician_list) >= 2
  // 展开所有不重复的政治家两两组合
  UNWIND [i IN range(0, size(politician_list)-2) | j IN range(i+1, size(politician_list)-1) | [politician_list[i], politician_list[j]]] AS politician_pair
  RETURN count(*) AS totalMentions
  

内容的提问来源于stack exchange，提问作者Rodriguez Manuel Joaquin