什么是gdb?
图数据库（Graph Database，简称GDB）是一种支持Property Graph图模型、用于处理高度连接数据查询与存储的实时、可靠的在线数据库服务。它支持Apache TinkerPop Gremlin查询语言，可以帮您快速构建基于高度连接的数据集的应用程序。GDB非常适合社交网络、欺诈检测、推荐引擎、实时图谱、网络/IT运营这类高度互连数据集的场景。例如，在一个典型的社交网络中，常常会存在“谁认识谁，上过什么学校，常住什么地方，喜欢什么餐馆之类的查询”，传统关系型数据库对于超过3度的查询十分低效难以胜任，但图数据库可轻松应对社交网络的各种复杂存储和查询场景。
gdb 基本用法
1.添加点
g.addV('gdb_sample_person').property(id, 'gdb_sample_marko').property('age', 28).property('name', 'marko')
g.addV('gdb_sample_person').property(id, 'gdb_sample_vadas').property('age', 27).property('name', 'vadas')
g.addV('gdb_sample_person').property(id, 'gdb_sample_josh').property('age', 32).property('name', 'josh')
g.addV('gdb_sample_person').property(id, 'gdb_sample_peter').property('age', 35).property('name', 'peter')
g.addV('gdb_sample_software').property(id, 'gdb_sample_lop').property('lang', 'java').property('name', 'lop')
g.addV('gdb_sample_software').property(id, 'gdb_sample_ripple').property('lang', 'java').property('name', 'ripple')
说明： 操作点 用 g.addV() 操作边 用 g.addE()
后边用点来跟相加的property 属性值。 有点像lambda表达式。
g.V().drop() 这个操作是删除点
g.addV("Metric").property(T.id, "metric-111")
g.addV("Metric").property(T.id, "metric-222")
g.addV("Metric").property(T.id, "metric-333")
g.addV("Source").property(T.id, "source-111")
g.addE('flow').from(V('source-111')).to(V('metric-111'))
g.addE('flow').from(V('metric-111')).to(V('metric-222'))
g.addE('flow').from(V('metric-111')).to(V('metric-333'))
基础语法
V()：查询顶点，一般作为图查询的第1步，后面可以续接的语句种类繁多。例，g.V()，g.V('v_id')，查询所有点和特定点；
E()：查询边，一般作为图查询的第1步，后面可以续接的语句种类繁多；
id()：获取顶点、边的id。例：g.V().id()，查询所有顶点的id；
label()：获取顶点、边的 label。例：g.V().label()，可查询所有顶点的label。
key() / values()：获取属性的key/value的值。
properties()：获取顶点、边的属性；可以和 key()、value()搭配使用，以获取属性的名称或值。例：g.V().properties('name')，查询所有顶点的 name 属性；
valueMap()：获取顶点、边的属性，以Map的形式体现，和properties()比较像；
values()：获取顶点、边的属性值。例，g.V().values() 等于 g.V().properties().value()
点的比遍历操作
根据vertex id找到子图所有的点
g.V(“metric-111”).repeat(both()).emit()
根据vertex id找到子图所有的边
g.V(“metric-111”).repeat(both()).emit().bothE()
找到metric-222到Source的最短路径中的其中一条
// 从流中获取每个点的属性
g.V().properties()
g.V(1).out().out().values('name')
// 获取叶子节点
g.V("source-111").union(repeat(out()).emit(), identity()).not(outE()).id()
g.V().hasId('source-111').outE().aggregate('list').repeat(inV().outE()).emit().aggregate('list').cap('list').unfold()
//获取所有的边的id
g.V('source-111').repeat(out()).emit().inE().id()
// 根据根找到所有的叶子节点
g.V('source-111').union(repeat(out()).emit(), identity()).not(outE()).id()
// 查询所有的点
g.V('source-9ae24e62fb7b43849e2ab9f8c6d47ef4').aggregate('list').by(id).repeat(out('have')).emit().aggregate('list').by(id).cap('list').unfold()
g.V('source-5e38c945ca6e4c13aaeb31aaaa943f0c').aggregate('list').by(id).repeat(out('created')).emit().both().aggregate('list').by(id).cap('list').unfold().dedup()
// 查询所有的边
g.V().hasId('cen_cmdb').outE().aggregate('list').repeat(inV().outE()).emit().aggregate('list').cap('list').unfold()
e[daeda8e9-001f-4f14-86f1-10a2b387f1dd][source-111-flow->metric-111]
举个例子:
有图会更直观一些
顶点为基准的Steps（如上图中的顶点“4”）：
out(label): 根据指定的EdgeLabel来访问顶点的OUT方向邻接点（可以是零个EdgeLabel，代表所有类型边；也可以一个或多个EdgeLabel，代表任意给定EdgeLabel的边，下同）
in(label): 根据指定的EdgeLabel来访问顶点的IN方向邻接点
both(label): 根据指定的EdgeLabel来访问顶点的双向邻接点
outE(label): 根据指定的EdgeLabel来访问顶点的OUT方向邻接边
inE(label): 根据指定的EdgeLabel来访问顶点的IN方向邻接边
bothE(label): 根据指定的EdgeLabel来访问顶点的双向邻接边
边为基准的Steps（如上图中的边“knows”）：
outV(): 访问边的出顶点（注意：这里是以边为基准，上述Step均以顶点为基准），出顶点是指边的起始顶点
inV(): 访问边的入顶点，入顶点是指边的目标顶点，也就是箭头指向的顶点
bothV(): 访问边的双向顶点
otherV(): 访问边的伙伴顶点，即相对于基准顶点而言的另一端的顶点
1. 遍历操作
顶点为基准：
out(label)：根据指定的 Edge Label 来访问顶点的 OUT 方向邻接点（可以是零个 Edge Label，代表所有类型边；也可以一个或多个 Edge Label，代表任意给定 Edge Label 的边，下同）；
in(label)：根据指定的 Edge Label 来访问顶点的 IN 方向邻接点；
both(label)：根据指定的 Edge Label 来访问顶点的双向邻接点
这个在拓扑中有维表的节点 查询维表 使用比较方便。；
outE(label)： 根据指定的 Edge Label 来访问顶点的 OUT 方向邻接边；
inE(label)：根据指定的 Edge Label 来访问顶点的 IN 方向邻接边；
bothE(label)：根据指定的 Edge Label 来访问顶点的双向邻接边；
边为基准的：
outV()：访问边的出顶点，出顶点是指边的起始顶点；
inV()：访问边的入顶点，入顶点是指边的目标顶点，也就是箭头指向的顶点；
bothV()：访问边的双向顶点；
otherV()：访问边的伙伴顶点，即相对于基准顶点而言的另一端的顶点；
2. 过滤操作
在众多Gremlin的语句中，有一大类是filter类型，顾名思义，就是对输入的对象进行条件判断，只有满足过滤条件的对象才可以通过filter进入下一步。
has
has语句是filter类型语句的代表，能够以顶点和边的属性作为过滤条件，决定哪些对象可以通过。常用的有下面几种:
hasId(ids…): 通过 id 来过滤顶点或者边，满足id列表中的一个即可通过；
hasKey(keys…): 通过 properties 中的若干 key 过滤顶点或边；
hasValue(values…): 通过 properties 中的若干 value 过滤顶点或边；
has(key): properties 中存在 key 这个属性则通过，等价于hasKey(key)；
hasNot(key): 和 has(key) 相反
has(key,value): 通过属性的名字和值来过滤顶点或边；
has(label, key, value): 通过label和属性的名字和值过滤顶点和边；
has(key,predicate): 通过对指定属性用条件过滤顶点和边，例：g.V().has('age', gt(20))，可得到年龄大于20的顶点；
hasLabel(labels…): 通过 label 来过滤顶点或边，满足label列表中一个即可通过；
3. 路径
path() 返回当前遍历过的所有路径。有时需要对路径进行过滤，只选择没有环路的路径或者选择包含环路的路径，Gremlin针对这种需求提供了两种过滤路径的step：simplePath() 和cyclicPath()。
path()：获取当前遍历过的所有路径；
simplePath()：过滤掉路径中含有环路的对象，只保留路径中不含有环路的对象；
cyclicPath()：过滤掉路径中不含有环路的对象，只保留路径中含有环路的对象。
g.V(“metric-222”).repeat(__.in().simplePath()).until(hasLabel(“Source”)).path().limit(1)
g.V().fold() // 查询所有的点
g.V().out().out().path() // 显示所有的 点之间的路径
g.V(‘source-111’).out().out().path() // 可指定数据源id 来获取数据
path[v[source-111], v[metric-111], v[metric-222]]
path[v[source-111], v[metric-111], v[metric-333]]
g.V(1).both().both().path() //所有路径
g.V(1).both().both().simplePath().path() //非重复路径
g.V(1).both().both().cyclicPath().path() //重复路径
图形数据结构 这里处理是 点个边有rds 和 gdb 两个来维护起来。
4.迭代遍历
1.repeat()：指定要重复执行的语句；
2.times()： 指定要重复执行的次数，如执行3次；
3.until()：指定循环终止的条件，如一直找到某个名字的朋友为止；
4.emit()：指定循环语句的执行过程中收集数据的条件，每一步的结果只要符合条件则被收集，不指定条件时收集所有结果；
5.loops()：当前循环的次数，可用于控制最大循环次数等，如最多执行3次。
6.repeat() 和 until() 的位置不同，决定了不同的循环效果：
7.repeat() + until()：等同 do-while；
8.until() + repeat()：等同 while-do。
9.repeat() 和 emit() 的位置不同，决定了不同的循环效果：
10.repeat() + emit()：先执行后收集；
emit() + repeat()：表示先收集再执行
注意细节：
emit()与times()搭配使用时，是“或”的关系而不是“与”的关系，满足两者间任意一个即可。
emit()与until()搭配使用时，是“或”的关系而不是“与”的关系，满足两者间任意一个即可。
5.转换
注意：
1. map()：可以接受一个遍历器 Step 或 Lamda 表达式，将遍历器中的元素映射（转换）成另一个类型的某个对象（一对一），以便进行下一步处理
2. flatMap()：可以接受一个遍历器 Step 或 Lamda 表达式，将遍历器中的元素映射（转换）成另一个类型的某个对象流或迭代器（一对多）。
6.逻辑 操作和排序操作
逻辑操作
is()：可以接受一个对象（能判断相等）或一个判断语句（如：P.gt()、P.lt()、P.inside()等），当接受的是对象时，原遍历器中的元素必须与对象相等才会保留；当接受的是判断语句时，原遍历器中的元素满足判断才会保留，其实接受一个对象相当于P.eq()；
and()：可以接受任意数量的遍历器（traversal），原遍历器中的元素，只有在每个新遍历器中都能生成至少一个输出的情况下才会保留，相当于过滤器组合的与条件；
or()：可以接受任意数量的遍历器（traversal），原遍历器中的元素，只要在全部新遍历器中能生成至少一个输出的情况下就会保留，相当于过滤器组合的或条件；
not()：仅能接受一个遍历器（traversal），原遍历器中的元素，在新遍历器中能生成输出时会被移除，不能生成输出时则会保留，相当于过滤器的非条件。
排序操作
order()
order().by()
排序比较简单，直接看例子吧。
// 默认升序排列
g.V().values('name').order()
// 按照元素属性age的值升序排列，并只输出姓名
g.V().hasLabel('person').order().by('age', asc).values('name')
7.分支
1. choose() ：分支选择, 常用使用场景为： choose(predicate, true-traversal, false-traversal)，根据 predicate 判断，当前对象满足时，继续 true-traversal，否则继续 false-traversal；
2. optional()：类似于 by() 无实际意义，搭配 choose() 使用；
/*
- 节点
*/
uuid: ‘ndef_3fa6856e20344104aa3723117a2466db’,
label: ‘slb.proxy.vs.1m’, // 展示节点名称
type: ‘root’, // 节点类型 根 metric 维表
status: ‘rootNode’, // 是可编辑 是 不是
state: ‘working’, // 状态 （运行中、关闭中。。。。）
x: 300, // x轴坐标
y: 50, // y轴坐标
/*
- 线
*/
uuid: ‘nrltn_551c292dfacb4f188d17f70725966759’,
source: ‘ndef_3fa6856e20344104aa3723117a2466db’, // 起始点
target: ‘ndef_f5844444ee87499caf067990dbf92f46’, // 结束点
// 遍历查询 所有的点
g.V('source-09d635e5968943fc83ca61636f0437e0').aggregate('list').by(id) // 把有顶点查询的所有点放到一个临时容器
.repeat(out('created')).emit() // 根据边的出方向去遍历
.aggregate('list').by(id) // 在放到一个新的临时容器 新的容器也包含 上个容器的内容
.both(). // both() 的作用 找到与之 相关联的点 不分出和入方向
aggregate('list').by(id)
.cap('list').unfold(). // 通过cap(label)来获取该结果集合 此外还可通过select(label)或without(label)等其它方式读取。
dedup() // 去重
功能名词解释：
aggregate 临时存储 store 也可临时存储
①repeat...until... until...repeat 相当于do...while 和 while...do
union合并结果集
dedup 删除重复行
store(): 类似aggregate()，只是以Lazy的方式来收集。
unfold(): 将集合展开平铺，路径将扩张。
fold(): 将多个元素折叠为一个集合，路径将收缩。
8.获取顶点到叶子节点所有路径
g.V('source-209232d14e6b45e39322d05dacc5960e').out().out().path().by(id);
查询一个顶点到所有叶子节点的所有路径
g.V(1).repeat(out()).emit().path().by(id)
查询一个顶点到指定节点的所有路径
g.V('').repeat(out().simplePath()).until(hasId('').path()).by(id)
查询所有起始点到指定点的 加上深度遍历的 写法 加深度限制的写法，建议这么写
g.V(fromVertexId)
.repeat(outE().inV().simplePath())
.until(hasId(toVertexId).and().loops().is(lte(deepLimit)))
.hasId(toVertexId).path().by(id)