Gremlin(Amazon Neptune)查询：获取与指定用户同购游戏的用户及公共游戏列表

• 运行环境：当前基于Amazon Neptune搭建简单图数据库，查询代码在AWS Jupyter Notebook中运行，后续计划迁移至gremlin_python客户端环境，属于Gremlin入门用户
• 图初始化数据：共3个person类型顶点（id为john/jim/pam）、3个game类型顶点（id为G1/G2/G3），顶点间通过bought类型边记录用户购买游戏的关系
• 待实现逻辑：给定任意目标用户，查询所有和目标存在共同购买游戏的其他用户，返回每个关联用户对应的共同游戏ID列表，结果按共同游戏数量降序排列
• 现有查询的不足：当前编写的脚本仅能返回每个关联用户与目标的共同游戏计数，无法展示具体的共同游戏ID，现有输出为{v[jim]: 2}、{v[pam]: 1}，期望输出格式为{v[jim]: ['G1', 'G2']}、{v[pam]: ['G1']}

原有查询在执行group()聚合操作时，value映射分支使用了.count()作为遍历逻辑，直接统计符合条件的共同游戏数量，没有实际收集游戏ID内容，因此仅能得到计数值。

直接调整group()聚合时的value分支遍历逻辑，将计数操作替换为收集共同游戏的ID列表，即可得到目标格式的返回结果：

g.V('john').as('target') // 替换为任意目标用户ID即可查询对应结果
 .out('bought').aggregate('target_games') // 聚合目标用户购买的全量游戏集合
 .in('bought').where(P.neq('target')).dedup() // 定位购买过目标关联游戏的其他用户，排除目标本身并去重
 .group()
 .by() // 分组键为其他用户的顶点本身
 .by(
    out("bought")
    .where(P.within("target_games")) // 筛选该用户同时和目标都购买过的游戏
    .values('id') // 提取共同游戏的id属性
    .fold() // 将收集到的ID聚合为列表
 )
 .unfold() // 将group返回的Map结构展开为独立的键值对条目
 .order()
 .by(values, desc) // 按共同游戏数量（即列表长度）降序排序
 .toList()

• 排序逻辑无需额外调整：当order().by()的排序值为列表类型时，会自动以列表长度作为排序依据，完全匹配按共同游戏数降序的要求
• 该脚本完全兼容gremlin_python运行环境，后续迁移时无需调整核心语法
• 可以根据需要调整提取的内容，比如如果需要返回游戏顶点本身而非ID，只需去掉.values('id')步骤即可

内容的提问来源于stack exchange，提问作者G_E