图数据库入门1——简介与Gremlin基本语法

图数据库与Gremlin

• 图数据库是非关系型数据库（noSQL）的一种，利用实体间的对应关系来存储数据。
• Gremlin语言是图数据库最主流的查询语言。其地位就相当于关系型数据库的SQL。

本文将以hugeGraph图数据库为例来介绍Gremlin语言的基本语法和相关操作。

基本语法

最最基础的语法

tips:

• Gremlin中的 " 和 ’ 是等价的

查询节点

命令	效果
g.V()	查询所有节点信息，g表示整张图，一切的查询都是以图开始
g.V("1:abc@qq.com")	根据节点信息查询相应节点，引号中的1表示节点的类型所对应的序号，通常是在groovy文件中添加的第一种节点类型；abc@qq.com是要查询的节点的主键
g.V("1:abc@qq.com","2:100")	多条查询可以使用逗号隔开
g.V().id()	查询所有节点对应的id，返回属性是一个列表
g.V().label()	查询所有节点对应的label,返回属性是一个列表
g.V().properties()	查询所有结点的属性
g.V().properties("name")	查询所有结点的name属性，若没有则跳过
g.V().properties().key()	查询所有节点属性的key值
g.V().properties().value()	查询所有节点属性的value值
g.V().valueMap()	查询所有节点的属性，返回值是一对对键值对
g.V().values()	查询所有节点的value值，等同于g.V().properties().value()

查询边

命令	效果
g.E()	查询所有边的信息
b.E("S1:abc@qq.com>1>>S2:100")	根据边的类型，其实就是边的id查询相应边
g.E().label()	查询所有边对应的label,返回属性是一个列表
g.E().properties()	查询所有边的属性
g.E().properties("name")	查询所有边的name属性，若没有则跳过
g.E().properties().key()	查询所有边属性的key值
g.E().properties().value()	查询所有边属性的value值
g.E().valueMap()	查询所有边的属性，返回值是一对对键值对
g.E().values()	查询所有边的value值，等同于g.E().properties().value()

边的遍历

命令	效果
g.V().in()	先查询所有的节点，再找到每个节点的父节点。注意：图数据库不会为其结果自动去重！
g.V().out()	先查询所有节点，再找到每个节点的子节点
g.V("1:abc@qq.com").out()	找到abc@qq.com节点的子节点
g.V("1:abc@qq.com").out("buy")	找到abc@qq.com节点的子节点，且要求该子节点与abc@qq.com之间的边的label是buy
g.V("1:abc@qq.com").both()	查询和其相邻的节点，即in()和out()的并集
g.V("1:abc@qq.com").outE()	找到以abc@qq.com为起点的边
g.V("1:abc@qq.com").inE()	找到以abc@qq.com为终点的边
g.V("1:abc@qq.com").outE("buy")	找到以abc@qq.com为起点的，label为buy的边
g.V("1:abc@qq.com").bothE()	找到和abc@qq.com相连的所有边
g.E().inV()	先找到所有边，再找每条边的终点。 注意：inV()表示终点，outV()表示起点 通常g.V().inE().outV() = g.V().in()
g.E().outV()	先找到所有边，再找每条边的起点。 注意：inV()表示终点，outV()表示起点 通常g.V().outE().inV() = g.V().out()
g.E().bothV()	找到所有有边的顶点
g.V("1:abc@qq.com").inE().otherV()	找到以abc@qq.com为终点的边的另一端顶点，即等价于in()

has条件过滤

在HugeGraph中，按property的值查询之前，应该对property建立索引，否则将无法查到结果并引发异常。（有两个例外，Vertex的PrimaryKeys和Edge的SortKeys，具体参见HugeGraph官网）

• 使用has系列命令之前，需要在schema中添加索引（不包含主键索引），如下所示，表示为person类型的节点添加address的索引。
  graph.schema().indexLabel('person_address').onV('person').by('address').secondary().ifNotExist().create()

命令	效果
g.V().hasLabel("person")	查询拥有person标签的节点
g.V().hasLabel("person","email")	查询拥有person或email标签的节点。 注意：gremlin中的逗号表示或运算
g.V().hasId("1")	查询id为1的节点
g.V().has("name","paul")	查询name字段为paul的节点
g.V().has("person","name","paul")	查询label为person且name字段为paul的节点
g.V().has("age",gt(30))	查询age字段大于30的节点
g.V().properties().haskey("name")	查询所有属性中有name字段的节点 注意：当后端是Cassandra时，可用g.V().haskey(“name”)
g.V().properties().hasValue("Beijing")	查询所有属性值为Beijing的节点 注意：当后端是Cassandra时，可用g.V().hasValue(“Beijing”)
g.V().has("name")	查询有name字段的所有节点
g.V().hasNot("name")	查询没有name字段的所有节点

设置查询的数量限制

命令	效果
g.V().count()	所有结点的数量
g.V().hasLabel("name").count()	所有label为name的节点的数量
g.V().properties().count()	查询所有节点的属性总数
g.V().hasLabel("name").range(0, -1)	查询所有节点中的第一个到最后一个，和python的range语法相同
g.V().limit(9)	查询前9个节点
g.E().tail(3)	查询后3条边
g.V().hasLabel("name").skip(2)	跳过前两条数据，相当于g.V().hasLabel(“name”).range(2, -1)

path查询路径

命令	效果
g.V("1:abc@qq.com").both().path()	查询和abc@qq.com相邻的所有节点，随后输出其路径，注意只包含节点信息
g.V("1:abc@qq.com").bothE().otherV().path()	查询和abc@qq.com相邻的所有节点，随后输出其路径，注意包含节点和边的信息
g.V("1:abc@qq.com").bothE().otherV().path().by("name")	查询路径，并使用name属性来代替显示出的字段
g.V("1:abc@qq.com").both().both().simplePath().path()	过滤环路
g.V("1:abc@qq.com").both().both().cyclicPath().path()	只要环路

循环语句

命令	效果
g.V("2:100").repeat(out()).times(2)	相当于g.V("2:100").out().out()
g.V("1:abc@qq.com").repeat(out()).until(has("money","100")).path()	查询一条从abc@qq.com出发的路径，终点是money为100的节点
g.V("1:abc@qq.com").repeat(out()).emit().path()	找到所有abc@qq.com可达的节点，emit()能够记录中间过程，其内可以添加条件
g.V("1:abc@qq.com").repeat(out()) .until(has("money","100")).emit().path()	查询一条从abc@qq.com出发的路径，终点是money为100的节点，期间记录所有中间节点
g.V("2:100").repeat(out()).until(loops().is(3))	查询所有三度可达节点
g.V("2:100").repeat(out()).until(loops().is(3)).and(has("name"))	查询所有三度可达节点，并且其含有name字段

排序

命令	效果
g.V().values('name').order()	默认按照升序排序
g.V().values('name').order().by(decr)	指定降序
g.V().values('name').order().by(incr)	指定升序
g.V().values('name').order().by(shuffle)	随机排序
g.V().hasLabel('person').order().by('age')	按照某一字段排序
g.V().hasLabel('person').order().by('age', incr).values('age')	将person类型的顶点按照age升序排列，并获取age属性

分组与去重

命令	效果
g.V().hasLabel("person").group()	分组
g.V().hasLabel("person").group().by('age')	按年龄分组
g.V().hasLabel("person").group().by('age').by(count())	按年龄分组，按数量显示
g.V().group().by(label).by(count())	按标签将节点分组，并输出数量
g.V().hasLabel('person').groupCount()	分组计数
g.V().hasLabel('person').groupCount().by('age')	按年龄分组计数
g.V().both().hasLabel('person').dedup()	同顶点去重
g.V().hasLabel('person').values('age').dedup()	按年龄去重
g.V().hasLabel('person').dedup().by('age')	从各个年龄的人中选出一个代表