蓝图/Gremlin图形DB查询本身是否很慢？

Question

我正在研究使用GraphDB的概念证明(特别是HBase上的Titan 0.4.4 )。为此，我创建了一个相对简单的图表:我有买卖产品的公司。销售与买方的一个部门有关：

buyer {name} --BUYS {departmentId}--> product {name} <--SELLS-- seller {name}

我在图中填写了1000名买家和卖家，以及100万件产品。每件产品由一家公司销售，随机挑选1至5个部门，由1至6家公司购买。因此，我最终得到了大约100万个顶点和1150万个边。

现在，我想查询图中的如下内容:返回所有名称与名称C的公司D部门购买的给定子字符串S相匹配的产品，我将其实现如下：

启动顶点：

start=graph.query().has("name", C).vertices()

由于顶点索引，我创建的返回相对较快(在热身之后< 1ms)。现在，为了获得相应的产品，我运行以下命令：

new GremlinPipeline(start).outE("BUYS").has("departmentId", D )
    .inV().has("name", new LowerCaseContainsPredicate(), P ).toList()

对于HBase后端( AWS上的10个大型节点)的响应时间非常长，单个用户平均每次查询大约1.5s (我随机选择了买家、部门和产品名称，并迭代了1000 x)，返回了大约260个产品记录。为了将可能出现错误的HBase配置从等式中删除，我对本地BerkelyDB (4个CPU、8GB VM内存、16 GB总内存)进行了运行。

当然，这加快了查询的速度，为单个线程应用程序返回了~160 is，这并不是真正的赛车，但仍然可以接受。增加更多的并行请求导致响应时间的快速下降，10个并行请求出现在avg 1.2秒。

因此，我使用这个Cypher查询与Neo4j 2.1.3进行了比较：

start buyer=node:company(name=C) match buyer-[:BUYS {departmentId:D}]->(product) 
where product.name =~ "(?i).*P.*" return product

它返回的速度要快得多(4-6倍取决于并行请求的数量，~50 10用于单个线程，~270 10用于10并行)。现在有了Neo4j的蓝图实现，所以我也尝试了一下，看看是DB引擎还是我的查询方式带来了不同。

结果发现，在Neo4j上运行Gremlin查询就像在Titan上运行Gremlin查询一样慢--事实上，它甚至稍微慢一些。

所有测试都是作为Java应用程序在一个带有嵌入式图形DB的VM中运行的，以避免任何网络影响。我还注意到，第一个查询总是花费更长的时间，因此应用程序在开始基准测试之前先运行一个随机查询。使用Java类的代码是纯的，上面的代码片段实际上是它正在运行的GremlinePipeline代码(除了谓词，它只实例化一次)。Cypher查询通过使用参数化常量查询字符串并传入相应的参数映射来运行。

这是我第一次使用图DB，所以我想知道我是在做Gremlin查询的根本错误，还是蓝图/Gremlin本身就是慢的。

Answer 1

对这个问题的部分回答是，正如Daniel在一条评论中所说的那样，我缺少了Titan上以顶点为中心的索引。除了在名称上创建顶点索引之外，我还需要为购买标签创建一个索引：

graph.makeKey("name").dataType(String.class).indexed(Vertex.class).make();

TitanKey departmentIndex=graph.makeKey("departmentId")
                         .dataType(String.class).make();
graph.makeLabel("BUYS").sortKey(departmentIndex).make();

Neo4j和Cypher仍然更快，显然这对Neo4j上的Gremlin查询没有影响，但这可能只是Neo4j Gremlin实现的一个问题。

Answer 2

如果您使用的是Gremlin2，您不能混合Cypher和Gremlin，因为Gremlin使用自动索引，Cypher使用新的“模式索引”。在Neo4j2+中，自动索引被废弃/遗留。因此，在Gremlin3中，Gremlin使用与Cypher相同的指数。因此，如果您想要查看性能，请在两个Neo4jGraphs上进行测试。一个用Gremlin填充它的数据，一个用Cypher填充它的数据。然后，您可以看到实际的速度，因为指数是正确使用。

关于泰坦/HBase。一定要打开缓存，否则你总是会去磁盘(这可能是热的，但没有泰坦的缓存那么快)。请阅读更多内容：http://thinkaurelius.com/2013/11/24/boutique-graph-data-with-titan/