Database Reference
In-Depth Information
START ice
_
wine=node:wines(name=”Prancing Wolf Ice Wine 2007”)
MATCH ice
_
wine -[:grape
_
type]-> wine
_
type <-[:grape
_
type]- similar
WHERE wine
_
type =~ /(?i)riesl.
*
)/
RETURN wine
_
type.name, collect(similar) as wines, count(
*
) as wine
_
count
ORDER BY wine
_
count desc
LIMIT 10
Während ich mich im Kapitel selbst auf Gremlin konzentriere, ergänzen sich die bei-
den Sprachen auf natürliche Weise und können freudig nebeneinander koexistieren.
In der täglichen Arbeit werden Sie Verwendung für beide finden, je nachdem, wie Sie
das jeweilige Problem angehen.
Wenn Sie die Klasse betrachten, die durch den Aufruf der
class
-Property des
Filters erzeugt wird, werden Sie sehen, dass sie
GremlinPipeline
zurückgibt.
gremlin> g.V.filter{it.name=='Prancing Wolf Winery'}.class
==>class com.tinkerpop.gremlin.pipes.GremlinPipeline
Vergleichen Sie das mit den Klasse des nächsten Knotens aus der Pipeline.
Hier sehen Sie etwas anderes, nämlich
Neo4jVertex
.
gremlin> g.V.filter{it.name=='Prancing Wolf Winery'}.next().class
==>class com.tinkerpop.blueprints.pgm.impls.neo4j.Neo4jVertex
AuchwenndieConsoledievonderPipeline abgerufenen Knoten ausgibt,
bleibt sie doch eine Pipeline, bis Sie etwas aus ihr abrufen.
Schemafrei sozial
Um einen sozialen Aspekt im Graphen zu erzeugen, müssen Sie nur weite-
re Knoten einfügen. Nehmen wir an, wir wollen drei Leute mit ihren Wein-
Vorlieben hinzufügen - zwei die einander kennen und einen Fremden.
Alice ist eine Naschkatze und daher ein großer Fan von Eiswein.
alice = g.addVertex([name:'Alice'])
ice
_
wine = g.V.filter{it.name=='Prancing Wolf Ice Wine 2007'}.next()
g.addEdge(alice, ice
_
wine, 'likes')
Tom liebt Kabinett und Eiswein und glaubt alles, was im
Wine Expert Monthly
steht.
tom = g.addVertex([name:'Tom'])
kabinett = g.V.filter{it.name=='Prancing Wolf Kabinett 2002'}.next()
g.addEdge(tom, kabinett, 'likes')
g.addEdge(tom, ice
_
wine, 'likes')
g.addEdge(tom, g.V.filter{it.name=='Wine Expert Monthly'}.next(), 'trusts')
