实验1——基于TuGraph平台进行图模型构建、增删改查、路径与聚合查询1. 成功启动TuGraph平台通过TuGraph服务实例部署文档点击部署链接跳转。申请试用按照提示填写信息修改密码并勾选协议 → 点击开始免费使用 → 实例创建成功在审核通过后就可以创建TuGraph服务。等待实例资源分配实例创建完成后进入实例详情页面查看实例状态。当状态显示“已部署”时后台TuGraph服务部署完成。在实例详情页面获取关键连接信息Browser网页访问地址http:// . . . :数据库访问密码.....Bolt协议端口. . . :复制browser链接在浏览器打开TuGraph Studio登录页面。输入默认账号admin填写实例对应的访问密码点击登录进入TuGraph可视化管理首页。图数据库登录成功进入 TuGraph Browser 主界面2. 模型建立、数据导入、增删改查1模型建立新建图添加点类型 person在右侧“添加点类型表单里名称 person依次添加属性 id(INT32)、name(STRING)、born(INT32)、poster_image(STRING)。同样方式添加点类型 movie名称 movie添加 id(INT32)、title(STRING)、tagline(STRING)、summary(STRING)、duration(INT32)、rated(STRING)添加边类型 produce名称 produce起点 person、终点 movie。模型设计说明本数据集描述人物—制作—电影的关联本质是一个二部图person 与 movie 两类实体仅通过有向关系 produceperson→movie相连。建模遵循以下原则实体即点person 表示参与制作的个人导演/制片人movie 表示影片关系即边produce 表示谁出品了哪部电影设为有向边方向表达制作关系便于沿 (p:person)-[:produce]-(m:movie) 做聚合分析属性与主键点的属性直接映射 CSV 列id 设为主键以保证实体唯一性并支撑数据导入时的匹配born、poster_image、summary、rated 在原数据中允许缺失建模时不设为主键、允许为空。2数据导入① person.csv列映射第1列→id(主键)第2列→name第3列→born第4列→poster_image② movie.csv列映射共 7 列第1→id(主键)第2→title第3→tagline第4→summary第5→poster_image第6→duration第7→rated② produce.csv起点person起点ID列 第1列person_id终点movie终点ID列 第2列movie_id3“增删改查”① 查a.查询所有节点MATCH (n) RETURN n返回全部节点用于确认数据已导入b.按标签匹配节点MATCH (n:person) RETURN n按标签 :person 过滤只返回人物节点c. 按标签属性匹配节点MATCH (n:person {name:Martin Scorsese}) RETURN n标签属性精确匹配定位导演 Martin Scorsesed.匹配任意关系MATCH p (n)-[r]-(m) RETURN p返回节点—关系—节点路径e.过滤匹配MATCH (n:person)-[:produce]-(m:movie) WHERE n.name Peter Jackson RETURN m.title沿 produce 关系边从人物找其出品的电影[:produce] 指定关系类型(m:movie) 限制终点为电影WHERE 限定人物名为 Peter JacksonRETURN m.title 只返回电影标题。② 增a.创建节点先建两个节点再先匹配后连接创建一条 produce 关系CREATE (n:person {name:James Wan, id:10000, born:1977}) CREATE (n:movie {title:Fast Furious 7, id:10001})CREATE 在图中新建节点括号内声明标签与属性。新增人物 James Wan 与电影 Fast Furious 7id 取较大值10000/10001以避开导入数据的主键范围避免冲突。b,创建关系MATCH (n:person),(m:movie) WHERE n.name James Wan AND m.title Fast Furious 7 CREATE (n)-[r:produce]-(m) RETURN r创建关系的安全范式是先 MATCH 到两端节点再用 CREATE 连边。(n)-[r:produce]-(m) 在 n 与 m 间建立有向 produce 关系方向表达James Wan 制作了 Fast Furious 7。③ 改MATCH (n:person {name:James Wan}) SET n.poster_image https://example.com/jameswan.jpg RETURN nSET 用于新增或修改节点/关系的属性。为刚创建的 James Wan 节点补充 poster_image 字段若属性已存在SET 则覆盖其值。④ 删REMOVE 删除属性或标签DELETE 删除节点/关系。图数据库有引用完整性约束——删除带关系的节点时必须把相连的边一并删除-[r]-() 匹配任意方向的关联边DELETE n, r 同时删除否则会报约束错误。MATCH (n:person {name:James Wan}) REMOVE n.poster_image RETURN n仅删除属性MATCH (n:person {name:James Wan})-[r]-() DELETE n, r删除节点及其全部关联边4聚合查询①统计每位制作人参与出品的电影数量按数量降序并只保留高产≥2 部的制作人。MATCH (p:person)-[:produce]-(m:movie) WITH p, COUNT(m) AS movieCount WHERE movieCount 2 RETURN p.name AS producer, movieCount ORDER BY movieCount DESCMATCH (p:person)-[:produce]-(m:movie)沿关系边把人和电影关联WITH p, COUNT(m) AS movieCount做多阶段聚合WHERE movieCount 2在聚合后过滤必须用 WITH 后才能对聚合结果过滤ORDER BY movieCount DESC降序排列。②从 movie 节点的 rated 属性出发统计各评级电影数量反映数据集中影片的分级构成。MATCH (m:movie) RETURN m.rated AS rating, COUNT(*) AS cnt ORDER BY cnt DESC
实验1——基于TuGraph平台进行图模型构建、增删改查、路径与聚合查询1. 成功启动TuGraph平台通过TuGraph服务实例部署文档点击部署链接跳转。申请试用按照提示填写信息修改密码并勾选协议 → 点击开始免费使用 → 实例创建成功在审核通过后就可以创建TuGraph服务。等待实例资源分配实例创建完成后进入实例详情页面查看实例状态。当状态显示“已部署”时后台TuGraph服务部署完成。在实例详情页面获取关键连接信息Browser网页访问地址http:// . . . :数据库访问密码.....Bolt协议端口. . . :复制browser链接在浏览器打开TuGraph Studio登录页面。输入默认账号admin填写实例对应的访问密码点击登录进入TuGraph可视化管理首页。图数据库登录成功进入 TuGraph Browser 主界面2. 模型建立、数据导入、增删改查1模型建立新建图添加点类型 person在右侧“添加点类型表单里名称 person依次添加属性 id(INT32)、name(STRING)、born(INT32)、poster_image(STRING)。同样方式添加点类型 movie名称 movie添加 id(INT32)、title(STRING)、tagline(STRING)、summary(STRING)、duration(INT32)、rated(STRING)添加边类型 produce名称 produce起点 person、终点 movie。模型设计说明本数据集描述人物—制作—电影的关联本质是一个二部图person 与 movie 两类实体仅通过有向关系 produceperson→movie相连。建模遵循以下原则实体即点person 表示参与制作的个人导演/制片人movie 表示影片关系即边produce 表示谁出品了哪部电影设为有向边方向表达制作关系便于沿 (p:person)-[:produce]-(m:movie) 做聚合分析属性与主键点的属性直接映射 CSV 列id 设为主键以保证实体唯一性并支撑数据导入时的匹配born、poster_image、summary、rated 在原数据中允许缺失建模时不设为主键、允许为空。2数据导入① person.csv列映射第1列→id(主键)第2列→name第3列→born第4列→poster_image② movie.csv列映射共 7 列第1→id(主键)第2→title第3→tagline第4→summary第5→poster_image第6→duration第7→rated② produce.csv起点person起点ID列 第1列person_id终点movie终点ID列 第2列movie_id3“增删改查”① 查a.查询所有节点MATCH (n) RETURN n返回全部节点用于确认数据已导入b.按标签匹配节点MATCH (n:person) RETURN n按标签 :person 过滤只返回人物节点c. 按标签属性匹配节点MATCH (n:person {name:Martin Scorsese}) RETURN n标签属性精确匹配定位导演 Martin Scorsesed.匹配任意关系MATCH p (n)-[r]-(m) RETURN p返回节点—关系—节点路径e.过滤匹配MATCH (n:person)-[:produce]-(m:movie) WHERE n.name Peter Jackson RETURN m.title沿 produce 关系边从人物找其出品的电影[:produce] 指定关系类型(m:movie) 限制终点为电影WHERE 限定人物名为 Peter JacksonRETURN m.title 只返回电影标题。② 增a.创建节点先建两个节点再先匹配后连接创建一条 produce 关系CREATE (n:person {name:James Wan, id:10000, born:1977}) CREATE (n:movie {title:Fast Furious 7, id:10001})CREATE 在图中新建节点括号内声明标签与属性。新增人物 James Wan 与电影 Fast Furious 7id 取较大值10000/10001以避开导入数据的主键范围避免冲突。b,创建关系MATCH (n:person),(m:movie) WHERE n.name James Wan AND m.title Fast Furious 7 CREATE (n)-[r:produce]-(m) RETURN r创建关系的安全范式是先 MATCH 到两端节点再用 CREATE 连边。(n)-[r:produce]-(m) 在 n 与 m 间建立有向 produce 关系方向表达James Wan 制作了 Fast Furious 7。③ 改MATCH (n:person {name:James Wan}) SET n.poster_image https://example.com/jameswan.jpg RETURN nSET 用于新增或修改节点/关系的属性。为刚创建的 James Wan 节点补充 poster_image 字段若属性已存在SET 则覆盖其值。④ 删REMOVE 删除属性或标签DELETE 删除节点/关系。图数据库有引用完整性约束——删除带关系的节点时必须把相连的边一并删除-[r]-() 匹配任意方向的关联边DELETE n, r 同时删除否则会报约束错误。MATCH (n:person {name:James Wan}) REMOVE n.poster_image RETURN n仅删除属性MATCH (n:person {name:James Wan})-[r]-() DELETE n, r删除节点及其全部关联边4聚合查询①统计每位制作人参与出品的电影数量按数量降序并只保留高产≥2 部的制作人。MATCH (p:person)-[:produce]-(m:movie) WITH p, COUNT(m) AS movieCount WHERE movieCount 2 RETURN p.name AS producer, movieCount ORDER BY movieCount DESCMATCH (p:person)-[:produce]-(m:movie)沿关系边把人和电影关联WITH p, COUNT(m) AS movieCount做多阶段聚合WHERE movieCount 2在聚合后过滤必须用 WITH 后才能对聚合结果过滤ORDER BY movieCount DESC降序排列。②从 movie 节点的 rated 属性出发统计各评级电影数量反映数据集中影片的分级构成。MATCH (m:movie) RETURN m.rated AS rating, COUNT(*) AS cnt ORDER BY cnt DESC
