基于ArangoDB的图推荐引擎POC：相似产品查询优化需求

嘿，针对你这个基于图的相似产品推荐POC的查询优化需求，我整理了一套实用的方案，毕竟之前做类似项目时踩过不少坑，应该能帮到你👇

首先得明确你的核心需求：基于共同访问客户的次数，给指定产品推荐同品类的相似产品——简单说就是，两个产品被同一个客户访问过就算有相似关联，关联强度由共同客户的数量决定，对吧？

基础查询逻辑（以Neo4j为例） #

先给你一个能实现需求的基础Cypher查询，假设你的图模型是：Product节点（带id、category属性），Customer节点，两者之间有VISITED_BY关系（表示客户访问过产品）：

// 查询指定产品P1的同品类相似产品，按共同客户数降序排列
MATCH (target:Product {id: 'P1'})-[:VISITED_BY]->(customer:Customer)<-[:VISITED_BY]-(similar:Product)
WHERE similar.category = target.category AND similar.id <> target.id
RETURN similar.id, similar.name, COUNT(customer) AS shared_customer_count
ORDER BY shared_customer_count DESC
LIMIT 10

关键优化点（提升响应速度） #

这些优化点在POC阶段就能快速落地，直接影响查询耗时：

• 给核心字段加索引：
  数据库默认不会自动优化节点匹配，所以必须给Product.id（唯一索引）和Product.category（普通索引）创建索引，避免全表扫描：

  CREATE INDEX product_id_idx FOR (p:Product) ON (p.id);
  CREATE INDEX product_category_idx FOR (p:Product) ON (p.category);
  

  要是后续有按时间范围过滤访问记录的需求，还可以给VISITED_BY关系加visit_time属性的索引。
• 提前缩小遍历范围：
  把品类过滤的逻辑提前，先拿到目标产品的品类，再去匹配同品类的相似产品，减少不必要的遍历：

  MATCH (target:Product {id: 'P1'})
  WITH target
  MATCH (similar:Product)-[:VISITED_BY]->(customer:Customer)<-[:VISITED_BY]-(target)
  WHERE similar.category = target.category AND similar.id <> target.id
  RETURN similar.id, similar.name, COUNT(customer) AS shared_customer_count
  ORDER BY shared_customer_count DESC
  LIMIT 10
  

• 用执行计划找瓶颈：
  给查询加PROFILE前缀，就能看到数据库的执行路径，比如有没有用到索引、是不是有大量数据在中间阶段被处理：

  PROFILE MATCH (target:Product {id: 'P1'})-[:VISITED_BY]->(customer:Customer)<-[:VISITED_BY]-(similar:Product)
  WHERE similar.category = target.category AND similar.id <> target.id
  RETURN similar.id, COUNT(customer) AS shared_customer_count
  ORDER BY shared_customer_count DESC
  LIMIT 10
  

  要是看到AllNodesScan（全节点扫描），那说明索引没生效，得检查索引创建是否正确。
• 限制结果集大小：
  一定要加LIMIT，毕竟推荐场景只需要Top N的结果，返回太多数据只会拖慢响应时间。

测试响应时间的方法 #

要对比实际响应时间和预期值，得做精准的测试：

• 单次查询计时：在图数据库的查询编辑器里开启计时（比如Neo4j的右上角有“Enable query profiling”，会显示查询的总耗时）。
• 批量取平均值：用脚本循环执行查询多次，排除偶然的网络或数据库波动，比如用Python的Neo4j驱动：

  from neo4j import GraphDatabase
  import time
  
  # 连接数据库
  driver = GraphDatabase.driver("bolt://localhost:7687", auth=("neo4j", "你的密码"))
  
  def run_recommendation_query():
      start = time.perf_counter()
      with driver.session() as session:
          # 执行查询并加载所有结果
          result = session.run("""
              MATCH (target:Product {id: 'P1'})-[:VISITED_BY]->(customer:Customer)<-[:VISITED_BY]-(similar:Product)
              WHERE similar.category = target.category AND similar.id <> target.id
              RETURN similar.id, COUNT(customer) AS shared_customer_count
              ORDER BY shared_customer_count DESC
              LIMIT 10
          """)
          list(result)
      end = time.perf_counter()
      return end - start
  
  # 执行10次取平均
  total_time = 0
  for _ in range(10):
      total_time += run_recommendation_query()
  
  avg_response = total_time / 10
  print(f"平均响应时间: {avg_response:.3f} 秒")
  

进阶建议（POC后期） #

如果你的数据量增长很快（比如百万级客户/产品），实时计算相似性可能会跟不上，这时候可以考虑预计算相似性：定时跑批任务，计算所有产品的相似产品和共同客户数，把结果存储为Product节点之间的SIMILAR_TO关系（带shared_customer_count属性），这样实时查询只需要直接匹配SIMILAR_TO关系，响应速度会快很多。

内容的提问来源于stack exchange，提问作者Dan Belibov