ArangoDB简单实例介绍

阅读原文时间：2023年07月10日阅读：2

数据介绍：

2008美国国内航班数据

airports.csv

flights.csv

数据下载地址：https://www.arangodb.com/graphcourse_demodata_arangodb-1/

数据导入：

在终端中输入以下命令：

arangoimp --file path to airports.csv on your machine --collection airports --create-collection true --type csv

显示以下结果：

使用网页UI：

COLLECTIONS

点击页面左侧按钮"COLLECTIONS"，可以看到之前导入的数据集"airports"，图标样式表明它是一个文本集合

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、下载和删除等操作

QUERIES

该模块提供了AQL查询功能

尝试几个简单的查询

1、返回数据集"airports"中所有的airports:

FOR airport IN airports
RETURN airport

2、只返回California的airports:

FOR airport IN airports
FILTER airport.state == "CA"
RETURN airport

3、返回每个国家的机场数量

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，所有关键字COLLECT、WITH和RETURN等都是大写的，但它只是一个约定。你也可以将所有关键词小写或混合大小写。但是变量名、属性名和集合名是区分大小写的。

Graph Basics：

上面的例子中，我们使用的数据"airports"可以当做图的节点，但是为了完善图，我们还需要数据来作为边，在这里我们使用''flights"中的数据作为边。

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

得到如下结果表明数据导入成功：

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: 此路径上所有顶点的数组

　　‣ edges: 此路径上所有边的数组

IN min..max: 定义遍历的最小深度和最大深度。如果未指定，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。只有以下属性有效果，所有其他属性将被忽略：

　　uniqueVertices（string）：可选地确保顶点唯一性

　　　　“path” - 保证没有路径返回一个重复的顶点

　　　　“global” - 保证在遍历期间每个顶点最多被访问一次，无论从起始顶点到这个顶点有多少路径。如果您从最小深度min depth > 1之前发现的顶点开始，可能根本不会返回（它仍然可能是路径的一部分）。注意：使用此配置，结果不再是确定性的。如果从startVertex到顶点有多条路径，则选择其中一条路径。

　　　　“none”（默认） - 不对顶点应用唯一性检查

　　uniqueEdges（string）：可选地确保边缘唯一性

　　　　“path”（默认） - 保证没有路径返回一个重复的边

　　　　“global” - 保证在遍历过程中，每个边缘最多被访问一次，无论从起始顶点到该边缘有多少条路径。如果从a开始，min depth > 1在最小深度之前发现的边缘根本不会被返回（它仍然可能是路径的一部分）。注意：使用此配置，结果不再是确定性的。如果有从多个路径startVertex超过边缘的那些中的一个被拾取。

　　　　“none” - 不对边缘应用唯一性检查。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的所有顶点。比深度2处的所有顶点等等。

　　　　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：

1、返回能到达洛杉矶国际机场（Lax）的所有机场

FOR airport IN OUTBOUND 'airports/LAX' flights
RETURN DISTINCT airport

2、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
RETURN {airport, flight}

遍历图：

对于最小深度大于2的遍历，有两个选项可以选择：

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，然后向下走其他路径

广度优先（可选）：从开始顶点到下一个级别遵循所有边缘，然后按另一个级别跟踪邻居的所有边缘，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直达的所有机场：

FOR airport IN OUTBOUND 'airports/LAX' flights
OPTIONS {bfs: true, uniqueVertices: 'global'}
RETURN airport

通过执行时间与之前的查询进行比较，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可以存储在变量中。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。如果表达式是子查询，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
LET h = FLOOR(f.DepTime / )
LET m = f.DepTime %
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连接，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) -

Pattern Matching

目标：找出BIS与JFK之间花费时间最短的路径

筛选BIS到JFK的所有路径，由于在shortest path中最短路径深度为2，所以这里直接使用“IN 2 OUTBOUND”

FOR v, e, p IN OUTBOUND 'airports/BIS' flights
FILTER v._id == 'airports/JFK'
LIMIT
RETURN p

筛选一天内的路径，这里以1月1号为例

FOR v, e, p IN OUTBOUND 'airports/BIS' flights
FILTER v._id == 'airports/JFK'
FILTER p.edges[*].Month ALL ==
FILTER p.edges[*].DayofMonth ALL ==
LIMIT
RETURN p

使用DATE_DIFF() 函数计算出发时间与到达时间的差值，然后将结果升序排列

FOR v, e, p IN OUTBOUND 'airports/BIS' flights
FILTER v._id == 'airports/JFK'
FILTER p.edges[*].Month ALL ==
FILTER p.edges[*].DayofMonth ALL ==
LET flightTime = DATE_DIFF(p.edges[].DepTimeUTC, p.edges[].ArrTimeUTC, 'i')
SORT flightTime ASC
LIMIT
RETURN { flight: p, time: flightTime }

通过观察结果，我们发现有些结果是负值。原因是有些路径中，第一条航线未降落时，第二条就已经起飞，为此需要增加一条限定条件。

FOR v, e, p IN OUTBOUND 'airports/BIS' flights
FILTER v._id == 'airports/JFK'
FILTER p.edges[*].Month ALL ==
FILTER p.edges[*].DayofMonth ALL ==
FILTER DATE_ADD(p.edges[].ArrTimeUTC, , 'minutes') < p.edges[].DepTimeUTC
LET flightTime = DATE_DIFF(p.edges[].DepTimeUTC, p.edges[].ArrTimeUTC, 'i')
SORT flightTime ASC
LIMIT
RETURN { flight: p, time: flightTime }

至此，已经得到了用时最短的路径。

在这个例子中，我们的查询需要遍历非常多的边，其中有些边是不需要去遍历的。我们这里用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