Neo4j索引和遗留数据

Question

我有一个要查询的遗留数据集(安然数据表示为GraphML)。在一个相关问题的评论中，@StefanArmbruster建议我使用Cypher查询数据库。我的查询用例很简单:给定消息id (消息节点的属性)，检索具有该id的节点，并检索该消息的发件人和收件人节点。

似乎要在Cypher中做到这一点，我首先必须创建节点的索引。在从graphML文件加载数据时，是否有一种自动执行此操作的方法？(我使用Gremlin加载数据并创建数据库。)

我还拥有数据的外部Lucene索引(我需要它用于其他目的)。有两个索引有意义吗？例如，我可以将Neo4J节点I索引到外部索引中，然后根据这些I查询图表。我担心的是这些ids的持久性。(类似地，Lucene文档ids不应被视为持久化。)

所以，我应该：

1. 在内部索引Neo4j图以使用Cypher查询消息ids？(如果是这样的话，那么最好的方法是:用适当的咒语重新生成数据库，以建立索引？)在已经存在的db?)上构建索引？)
2. 将Neo4j节点ids存储在外部Lucene索引中，并通过这些存储的ids检索节点？

更新

我一直试图使自动索引与Gremlin和嵌入式服务器一起工作，但没有运气。在文档里写着

底层数据库是自动索引的，请参阅第14.12节“自动索引”，以便脚本可以通过索引查找返回导入的节点。

但是，当我在加载一个新数据库后检查该图表时，似乎没有索引存在。

关于自动索引的Neo4j文档说需要一堆配置。除了设置node_auto_indexing = true之外，还必须配置它

要真正地自动索引某项内容，您必须设置哪些属性应该被索引。您可以通过列出要索引的属性键来完成此操作。在配置文件中，使用node_keys_indexable和relationship_keys_indexable配置键。使用嵌入式模式时，请使用GraphDatabaseSettings.relationship_keys_indexable和GraphDatabaseSettings.node_keys_indexable配置键。在任何情况下，该值都应该是一个逗号分隔的要索引的属性键列表。

那么Gremlin应该设置GraphDatabaseSettings参数吗？我尝试将一个映射传递到Neo4jGraph构造函数中，如下所示：

    Map<String,String> config = [
        'node_auto_indexing':'true',
        'node_keys_indexable': 'emailID'
        ]
    Neo4jGraph g = new Neo4jGraph(graphDB, config);
    g.loadGraphML("../databases/data.graphml");

但这对指数的创建没有明显的影响。

更新2

我没有通过Gremlin配置数据库，而是使用了Neo4j文档中给出的示例，以便我的数据库创建如下(在Groovy中)：

protected Neo4jGraph getGraph(String graphDBname, String databaseName) {
    boolean populateDB = !new File(graphDBName).exists();
    if(populateDB)
        println "creating database";
    else
        println "opening database";

    GraphDatabaseService graphDB = new GraphDatabaseFactory().
        newEmbeddedDatabaseBuilder( graphDBName ).
        setConfig( GraphDatabaseSettings.node_keys_indexable, "emailID" ).
        setConfig( GraphDatabaseSettings.node_auto_indexing, "true" ).
        setConfig( GraphDatabaseSettings.dump_configuration, "true").
        newGraphDatabase();
    Neo4jGraph g = new Neo4jGraph(graphDB);

    if (populateDB) {
        println "Populating graph"
        g.loadGraphML(databaseName);
    }

    return g;
}

我的检索工作是这样的：

ReadableIndex<Node> autoNodeIndex = graph.rawGraph.index()
    .getNodeAutoIndexer()
    .getAutoIndex();
def node = autoNodeIndex.get( "emailID", "<2614099.1075839927264.JavaMail.evans@thyme>" ).getSingle();

这似乎是可行的。但是，请注意，对getIndices()对象的Neo4jGraph调用仍然返回一个空列表。因此，结果是我可以正确地使用Neo4j API，但是Gremlin包装器似乎无法反映索引状态。表达式g.idx('node_auto_index') (记录在Gremlin方法中)返回null。

Answer 1

自动索引是延迟创建的。也就是说，当您启用自动索引时，当您对第一个属性进行索引时，将首先创建实际的索引。在检查索引是否存在之前，请确保正在插入数据，否则它可能不会出现。

有关一些自动索引代码(使用编程配置)，请参见https://github.com/neo4j-contrib/rabbithole/blob/master/src/test/java/org/neo4j/community/console/IndexTest.java (这是与Neo4j 1.8一起使用的)。

/peter

Answer 2

您试过自动索引功能吗？这基本上是您要寻找的用例--不幸的是，在导入数据之前需要启用它。(否则，您必须删除/添加属性才能重新索引它们。)

http://docs.neo4j.org/chunked/milestone/auto-indexing.html