优化Cypher查询以分析网络拓扑

问题描述

我有一个网络（例如水网络），我想找到拓扑结构：簇（圆形路径），桥梁（连接簇的关系）和树木（其余）。

创建示例网络的Cypher语句在这里。（https://www.dropbox.com/s/e1gtqxlm9ngaau5/Cypher%20to%20create%20example%20network.cql?dl=0）蓝色关系是我要寻找的群集，红色关系是桥梁，绿色关系是树。

要找到聚类，我有两种方法，两种方法都返回正确的结果。但是两者都太慢了。

方法1：从关系开始，查看起点和终点之间是否存在第二条路径。这需要大约1000万次数据库点击次数

MATCH (n:WN)-[r:PIPE]->(m:WN) 
WHERE EXISTS((n)-[r]->(m)-[:PIPE*2..]-(n))
RETURN r

方法2：从寻找圆形路径开始，忽略方向。（大约12000），然后提取唯一关系。这需要大约2000万次数据库匹配。

MATCH path=(n:WN)-[:PIPE*..]-(n)
RETURN 
     apoc.coll.subtract(
          apoc.coll.flatten(COLLECT(relationships(path))
          ),[]
     )
    AS clusterRelationships

有没有更聪明的方法，可以更快地返回结果？

解决方法

您可以使用GDS库中可用的Strongly connected component algorithm检测群集。我认为它符合您对集群的定义，并且也适用于您的示例。

“强连接组件”（SCC）算法查找以下集合：有向图中的连接节点，其中每个节点均可到达来自同一集合中任何其他节点的两个方向。

要检测网桥，您可以使用Betweenness centrality algorithm查找连接了网桥关系的潜在网桥节点。这将限制您在计算哪些边缘是桥时需要考虑的边缘数量。不幸的是，这种解决方案并不完美，因为对于某些非常小的网桥而言，假设它们仅是一个到单个或两个节点的网桥，中间性不会那么高。而且，由于理论上所有信息都将通过它们，因此图中间的某些节点将具有较高的中间性得分。

我有另一个想法，可能很快就会奏效。运行强连接组件算法，并将结果存储回Neo4j。然后尝试找到连接不同节点群集的边。这将同时包括树木和桥梁，然后您必须确定将关系分类为两个选项中的哪个。

cypher neo4j neo4j topology