数据介绍:
2008美国国内航班数据html
- airports.csv
- flights.csv
数据下载地址:https://www.arangodb.com/graphcourse_demodata_arangodb-1/算法
数据导入:
在终端中输入如下命令:数组
arangoimp --file path to airports.csv on your machine --collection airports --create-collection true --type csv
显示如下结果:函数
使用网页UI:性能
COLLECTIONS优化
点击页面左侧按钮"COLLECTIONS",能够看到以前导入的数据集"airports",图标样式代表它是一个文本集合url
点击进入数据集"airports",该页面包含了对数据集的预览、筛选、上传、下载和删除等操做spa
QUERIES
该模块提供了AQL查询功能.net
尝试几个简单的查询3d
一、返回数据集"airports"中全部的airports:
FOR airport IN airports RETURN airport
二、只返回California的airports:
FOR airport IN airports FILTER airport.state == "CA" RETURN airport
三、返回每一个国家的机场数量
FOR airport IN airports COLLECT state = airport.state WITH COUNT INTO counter RETURN {state, counter}
注意:
在上面的代码示例中,全部关键字COLLECT、WITH和RETURN等都是大写的,但它只是一个约定。你也能够将全部关键词小写或混合大小写。可是变量名、属性名和集合名是区分大小写的。
Graph Basics:
上面的例子中,咱们使用的数据"airports"能够当作图的节点,可是为了完善图,咱们还须要数据来做为边,在这里咱们使用''flights"中的数据做为边。
首先导入"flights.csv"文件
arangoimp --file "/home/data/flights.csv" --collection flights --create-collection true --type csv --create-collection-type edge
获得以下结果代表数据导入成功:
the concepts of the query options:
FOR vertex[, edge[, path]]
IN [min[..max]]
OUTBOUND|INBOUND|ANY startVertex
edgeCollection[, more…]
Explanation
FOR 有三个参数
‣ vertex (object): 遍历中的当前顶点
‣ edge (object, optional): 遍历中的当前边
‣ path (object, optional): 两个对象的路径表示
‣ vertices: 此路径上全部顶点的数组
‣ edges: 此路径上全部边的数组
IN min..max: 定义遍历的最小深度和最大深度。若是未指定,默认为1!
OUTBOUND/INBOUND/ANY :定义搜索的方向
edgeCollection: 保存在遍历中要考虑的边缘的集合的一个或多个名称
OPTIONS
options(object,optional):用于修改遍历的执行。只有如下属性有效果,全部其余属性将被忽略:
uniqueVertices(string):可选地确保顶点惟一性
“path” - 保证没有路径返回一个重复的顶点
“global” - 保证在遍历期间每一个顶点最多被访问一次,不管从起始顶点到这个顶点有多少路径。若是您从最小深度min depth > 1
以前发现的顶点开始,可能根本不会返回(它仍然多是路径的一部分)。注意: 使用此配置,结果再也不是肯定性的。若是从startVertex到顶点有多条路径,则选择其中一条路径。
“none”(默认) - 不对顶点应用惟一性检查
uniqueEdges(string):可选地确保边缘惟一性
“path”(默认) - 保证没有路径返回一个重复的边
“global” - 保证在遍历过程当中,每一个边缘最多被访问一次,不管从起始顶点到该边缘有多少条路径。若是从a开始,min depth > 1
在最小深度以前发现的边缘根本不会被返回(它仍然多是路径的一部分)。注意: 使用此配置,结果再也不是肯定性的。若是有从多个路径startVertex超过边缘的那些中的一个被拾取。
“none” - 不对边缘应用惟一性检查。注意: 使用此配置,遍历将跟随边沿周期。
bfs(bool):可选地使用可选的宽度优先遍历算法
true - 遍历将被执行宽度优先。结果将首先包含深度1的全部顶点。比深度2处的全部顶点等等。
false(默认) - 遍历将以深度优先执行。它首先将深度1的一个顶点的最小深度的最小深度返回到最大深度。对于深度1处的下一个顶点,依此类推。
图查询:
一、返回能到达洛杉矶国际机场(Lax)的全部机场
FOR airport IN OUTBOUND 'airports/LAX' flights RETURN DISTINCT airport
二、返回10个洛杉矶的航班和他们的目的地
FOR airport, flight IN OUTBOUND 'airports/LAX' flights LIMIT 10 RETURN {airport, flight}
遍历图:
对于最小深度大于2的遍历,有两个选项能够选择:
深度优先(默认):继续沿着从起始顶点到该路径上的最后顶点的边缘,或者直到达到最大遍历深度,而后向下走其余路径
广度优先(可选):从开始顶点到下一个级别遵循全部边缘,而后按另外一个级别跟踪邻居的全部边缘,并继续这个模式,直到没有更多的边缘跟随或达到最大的遍历深度。
返回LAX直达的全部机场:
FOR airport IN OUTBOUND 'airports/LAX' flights OPTIONS {bfs: true, uniqueVertices: 'global'} RETURN airport
经过执行时间与以前的查询进行比较,返回相同的机场:
FOR airport IN OUTBOUND 'airports/LAX' flights RETURN DISTINCT airport
对比这两次结果,将看到显著的性能改进。
The LET keyword in AQL
Hands on: Storing Results in Variables
简单表达式以及整个子查询的结果能够存储在变量中。若要声明变量,请使用LET关键字,后面跟着变量名、等号和表达式。若是表达式是子查询,则代码必须位于括号中。
在下面的示例中,预先计算出发时间的时间和分钟,并将其存储在变量H和M中。
FOR f IN flights FILTER f._from == 'airports/BIS' LIMIT 100 LET h = FLOOR(f.DepTime / 100) LET m = f.DepTime % 100 RETURN { year: f.Year, month: f.Month, day: f.DayofMonth, time: f.DepTime, iso: DATE_ISO8601(f.Year, f.Month, f.DayofMonth, h, m) }
Shortest_Path
最短路径查询在两个给定文档之间找到链接,其边缘数量最少。
寻找机场BIS和JFK之间的最短路径:
FOR v IN OUTBOUND SHORTEST_PATH 'airports/BIS' TO 'airports/JFK' flights RETURN v
返回从BIS到JFK的最小航班数:
LET airports = ( FOR v IN OUTBOUND SHORTEST_PATH 'airports/BIS' TO 'airports/JFK' flights RETURN v ) RETURN LENGTH(airports) - 1
Pattern Matching
目标:找出BIS与JFK之间花费时间最短的路径
STEP1
筛选BIS到JFK的全部路径,因为在shortest path中最短路径深度为2,因此这里直接使用“IN 2 OUTBOUND”
FOR v, e, p IN 2 OUTBOUND 'airports/BIS' flights FILTER v._id == 'airports/JFK' LIMIT 5 RETURN p
STEP2
筛选一天内的路径,这里以1月1号为例
FOR v, e, p IN 2 OUTBOUND 'airports/BIS' flights FILTER v._id == 'airports/JFK' FILTER p.edges[*].Month ALL == 1 FILTER p.edges[*].DayofMonth ALL == 1 LIMIT 5 RETURN p
STEP3
使用DATE_DIFF() 函数计算出发时间与到达时间的差值,而后将结果升序排列
FOR v, e, p IN 2 OUTBOUND 'airports/BIS' flights FILTER v._id == 'airports/JFK' FILTER p.edges[*].Month ALL == 1 FILTER p.edges[*].DayofMonth ALL == 1 LET flightTime = DATE_DIFF(p.edges[0].DepTimeUTC, p.edges[1].ArrTimeUTC, 'i') SORT flightTime ASC LIMIT 5 RETURN { flight: p, time: flightTime }
经过观察结果,咱们发现有些结果是负值。缘由是有些路径中,第一条航线未降落时,第二条就已经起飞,为此须要增长一条限定条件。
FOR v, e, p IN 2 OUTBOUND 'airports/BIS' flights FILTER v._id == 'airports/JFK' FILTER p.edges[*].Month ALL == 1 FILTER p.edges[*].DayofMonth ALL == 1 FILTER DATE_ADD(p.edges[0].ArrTimeUTC, 20, 'minutes') < p.edges[1].DepTimeUTC LET flightTime = DATE_DIFF(p.edges[0].DepTimeUTC, p.edges[1].ArrTimeUTC, 'i') SORT flightTime ASC LIMIT 5 RETURN { flight: p, time: flightTime }
至此,已经获得了用时最短的路径。
优化:
在这个例子中,咱们的查询须要遍历很是多的边,其中有些边是不须要去遍历的。咱们这里用vertex-centric index方法来优化。
‣ 进入Collection界面
‣ 打开 flights collection
‣ 点击Indexes 选项
‣ 点击绿色的+号来添加一个新的索引
‣ 设置 Type 为 Hash Index
‣ 在Fields中填写 _from,Month,DayofMonth
‣ 点击绿色Create 选项生成新索引
从新运行STEP3代码,会发现运行效率大大提升,点击Explain选项可以看到如下信息:
原理解释:
若是没有以顶点为中心的索引,则须要跟踪出发机场的全部外出边缘,而后检查它们是否知足咱们的条件(在某一天,到达指望的目的地,具备可行的中转)。
咱们建立的新索引容许在某一天(Month,DayofMonth属性)内快速查找离开机场的外部边缘(_from属性),这消除了在不一样天提取和过滤全部边缘的须要。它减小了须要用原始索引检查边缘的数量,并节省了至关长的时间。
参考资料:
https://www.arangodb.com/documentation/