Gremlin遍历树形结构获取直接父子节点对的性能优化方案

需求说明 #

• 遍历树形结构，仅聚合父节点及其直接子节点，输出[{父节点ID, 子节点ID}, ...]格式的列表，输出顺序无要求
• 参考示例预期输出：[{0,1}, {0,2}, {1,8}, {1,6}, {2,7},{2,9}, {8,16},{8,14},{8,15},{7,17}]
• 约束条件：
  • 排除同节点自环边
  • 图结构无反向循环回路，不存在子顶点指向父顶点的情况
  • 所有顶点标签为city，所有边标签为highway
  • 数据集约5000个顶点，任意两个顶点之间最多仅存在一条边

现有问题 #

当前使用的查询会触发超时：

g.V().hasLabel("city").toList().map(x->x.id()+x.edges(Direction.OUT,"highway").collect(Collectors.toList())

性能问题原因 #

原写法属于典型的N+1查询：先全量拉取所有顶点到客户端，再逐顶点单独发起出边查询请求，几千次网络往返开销直接导致执行超时。

优化方案 #

直接在服务端完成边的遍历、过滤和格式转换，仅发起一次请求即可拿到结果，优化后查询如下：

g.E().hasLabel("highway")
  // 过滤自环边
  .where(outV().id().is(not(inV().id())))
  // 输出父节点（边起点）和子节点（边终点）ID对
  .project("parent", "child")
    .by(outV().id())
    .by(inV().id())
  .toList()

如果需要适配无key的二元组输出格式，可将project步骤替换为对应序列化逻辑，比如直接输出[outV().id(), inV().id()]的数组格式即可。

内容的提问来源于stack exchange，提问作者Baz1nga