在Azure Cosmos DB中用Gremlin统计图中路径的出现次数

我来帮你搞定这个从主页出发的路径统计需求！你的现有查询已经能正确获取路径，但缺少分组计数的步骤，结合Azure Cosmos DB支持的Gremlin算子，我们可以调整查询来实现你想要的结果。

固定长度路径（3步：主页→页面1→页面2） #

如果你的需求是统计固定深度的路径（比如像你现有查询那样，主页之后再两步的路径），可以用这个查询：

g.V().hasLabel('event').has('referer','https://www.foobar.com/')
  .in('previous')
  .in('previous')
  .path().by('referer')
  .map(unfold().fold())
  .groupCount()

步骤解释： #

• g.V().hasLabel('event').has('referer','https://www.foobar.com/')：定位到主页对应的event顶点
• .in('previous').in('previous')：遍历两次previous边，获取主页之后连续访问的两个页面的event（对应你的路径逻辑）
• .path().by('referer')：提取路径，并将每个顶点替换为它的referer属性值，得到由页面地址组成的路径
• .map(unfold().fold())：把Gremlin的Path对象转换成普通的字符串列表，确保分组键是你期望的数组格式
• .groupCount()：对每个唯一的路径进行计数，输出路径和对应的出现次数

任意长度路径（从主页出发的所有访问路径） #

如果需要统计从主页开始的所有可能长度的路径（比如主页→页面1、主页→页面1→页面2、主页→页面1→页面2→页面3等），可以用repeat算子来实现循环遍历：

g.V().hasLabel('event').has('referer','https://www.foobar.com/')
  .repeat(in('previous'))
  .emit()
  .path().by('referer')
  .map(unfold().fold())
  .groupCount()

额外说明： #

• repeat(in('previous'))：循环遍历previous边，跟随用户的访问路径
• emit()：输出每一步遍历得到的路径（如果不需要包含主页本身的路径，可以添加条件过滤，比如.emit().times(1, 10)限制路径长度在1到10之间）

这两个查询都使用了Azure Cosmos DB完全支持的Gremlin算子（groupCount、map、unfold、fold、repeat、emit），执行后会得到类似你期望的结果格式：

[[ "https://www.foobar.com/", "https://www.foobar.com/aaa", "https://www.foobar.com/bbb" ]:2, [ "https://www.foobar.com/", "https://www.foobar.com/ccc", "https://www.foobar.com/ddd" ]:1]

内容的提问来源于stack exchange，提问作者taher chhabrawala