Neo4j WHERE 基于数组的谓词与 EXISTS 和关系

Question

我有一个

Vacancy

节点，它与

Country

相关（

Country

也有标签

Requirable

）：

(v:Vacancy)-[:WORK_PERMIT_IN]-(:Country)

此外，

Vacancy

有一个非规范化属性

workCountryIds

，其中包含国家/地区的所有ID。

您能否建议就大型数据集的性能而言，哪种方法最适合在 Neo4j 中用于 WHERE 谓词：

MATCH  ( v:Vacancy )  
WHERE  ( coalesce(size(v.workCountryIds), 0) <= 0  OR  exists { MATCH (v)-[:WORK_PERMIT_IN]-(req3:Requirable) WHERE req3.id IN [11, 12, 13]}  )  
RETURN v

或

MATCH  ( v:Vacancy )  
WHERE ( NOT exists { MATCH (v)-[:WORK_PERMIT_IN]-(:Country)}  OR  exists { MATCH (v)-[:WORK_PERMIT_IN]-(req3:Requirable) WHERE req3.id IN [11, 12, 13]}  )
RETURN v

在第一种情况下，我使用：

coalesce(size(v.workCountryIds), 0) <= 0

第二个：

NOT exists { MATCH (v)-[:WORK_PERMIT_IN]-(:Country)}

这两种方法在性能方面使用哪种更好？

Answer 1

您的第二种情况必须遵循每个

WORK_PERMIT_IN

的

Vacancy

关系，以检查另一端是否没有

Country

节点（在最坏的情况下，它必须检查每个这样的节点）。但是你的第一个案例只需要查看每个

Vacancy

节点的一个属性（完全忽略关系），所以它会更快。 [注意：如果

WORK_PERMIT_IN

关系 always 连接

Vacancy

和

Country

节点，那么通过将

(:Country)

更改为

()

，第二种情况会更快，并且您还应该使关系模式具有方向性。但即使进行了这些调整，第二种情况也会变慢。]

但是，实际上还存在另一个与性能有关的问题，并且在您的两种情况下都存在。我将用你的第一个案例来说明，因为那已经更快了。这是您的第一个案例（为了可读性而重新格式化）：

MATCH (v:Vacancy)  
WHERE
  // (a)
  COALESCE(SIZE(v.workCountryIds), 0) <= 0 OR
  // (b)
  EXISTS {
    MATCH (v)-[:WORK_PERMIT_IN]-(req3:Requirable)
    WHERE req3.id IN [11, 12, 13]
  }
RETURN v

您返回的职位空缺是：(a) 未连接到任何

Country

，或 (b) 连接到一些所需的

Requirable

节点。 (b) 的实现效率很低，因为只要 (a) 不适用，它就会执行

MATCH (v)-[:WORK_PERMIT_IN]-(req3:Requirable)

，这可能是大多数

v

的情况。并且，假设有很多

Requirable

id，那么在几乎每个

MATCH

上执行该

v

而不是仅连接到 3 个所需

Requirable

节点的空位是非常浪费的。

这个查询应该更高效：

// (a)
MATCH (v1:Vacancy)
WHERE COALESCE(SIZE(v1.workCountryIds), 0) = 0
WITH COLLECT(v1) AS v1List
// (b)
MATCH (v2)-[:WORK_PERMIT_IN]->(req:Requirable)
WHERE req.id IN [11, 12, 13] AND NOT v2 IN v1List
WITH v1List, COLLECT(v2) AS v2Listrequired ids
// Return combined (a) and (b) results
RETURN v1List + v2List AS v