単純な探索

reviewerラベルを含む頂点の数をカウントして、頂点が作成されているかどうかを確認します。

gremlin>  g.V().hasLabel('reviewer').count()
==>5

valuesを使用してすべてのレビュー担当者をリストします。

// Get the names of all the reviewers 
gremlin> g.V().hasLabel('reviewer').values('name')
==>John Smith
==>Sharon Smith
==>Betsy Jones
==>Jane Doe
==>John Doe

John Doeのname値を持つ頂点ラベルをreviewerとして識別するクエリーを使用します。

g.V().has('reviewer', 'name','John Doe').outE('rated').values('comment')

外向きエッジのコマンドoutE('rated')を使用して、John Doeが評価したレシピをすべて検索すると、commentsプロパティの値を取得できます。

==>Pretty tasty!
==>Really spicy - be careful!

g.V().has('reviewer', 'name','John Doe').outE('rated').inV().values('name')

結果：

==>Beef Bourguignon
==>Spicy Meatloaf

3つを超える星が付けられたレシピのレビューをすべて見つけることは、妥当な疑問です。gt(3)、つまりgreater than 3を使用した探索を使用して、stars値を絞り込みます。

gremlin> g.E().hasLabel('rated').has('stars', gt(3)).valueMap()
==>[stars:4, timestamp:2014-01-23T00:00:00Z]
==>[comment:Loved this soup! Yummy vegetarian!, stars:5, timestamp:2015-12-30T00:00:00Z]
==>[comment:Yummy!, stars:5, timestamp:2014-02-01T00:00:00Z]
==>[comment:Pretty tasty!, stars:5, timestamp:2014-01-01T00:00:00Z]
==>[comment:Really spicy - be careful!, stars:4, timestamp:2015-12-31T00:00:00Z]

ここに示されている探索では、ratedのラベルが付けられている各エッジを検索し、star評価が4または5のエッジのみを出力するようにエッジを絞り込みます。ただし、この探索では最初の疑問への回答は出力されません。探索を変更して、inV()を使用して入力頂点を取得し、values('name')を使用して名前別にそれらの入力頂点をリストする必要があります。

gremlin> g.E().hasLabel('rated').has('stars', gt(3)).inV().values('name')
==>Beef Bourguignon
==>Spicy Meatloaf
==>Beef Bourguignon
==>Carrot Soup
==>Beef Bourguignon

結果はBeef Bourguignonが3回評価されていることを示しています。ただし、リスト内のレシピのタイトルが重複しているだけで、レビュー担当者の情報は把握していません。

前回のクエリーに戻り、さらに最近のレビューを見てみましょう。さらに探索ステップを追加して、timestampで絞り込むと、レビュー日が2015年1月1日以降で星が4および5の評価をgte(4)、つまりgreater than or equal to 4を使用して検索できます。

gremlin>  g.E().hasLabel('rated').has('stars',gte(4)).has('timestamp', gte(Instant.parse('2015-01-01T00:00:00.00Z'))).valueMap()
==>[comment:Loved this soup! Yummy vegetarian!, timestamp:2015-12-30T00:00:00Z, stars:5]
==>[comment:Really spicy - be careful!, timestamp:2015-12-31T00:00:00Z, stars:4]

探索ステップを連鎖させると、求めていたとおりの結果が得られます。たとえば、inV().values('name')を前回のクエリーに追加した場合は、2015年の始め以降の星が4～5個のレビューを検索するように結果が調整されます。

統計関数を使用して評価を操作すると、興味深い回答が得られます。たとえば、すべてのレシピ評価の平均値はいくつでしょうか。

gremlin>  g.E().hasLabel('rated').values('stars').mean()
==>4.142857142857143

結果は、レビュー担当者はレビューしたレシピを気に入っており、このサンプル内のレビュー担当者は気に入らなかったレシピのレビューを書いていないことを示しています。

より多くのレビューを書いているレビュー担当者は、さらに広範なレビューを書いているかもしれません。1人のレビュー担当者が書いたレビューの最大数を検索します。

gremlin>  g.V().hasLabel('reviewer').map(outE('rated').count()).max()
==>2

この探索は、各レビュー担当者のoutE('rated')を使用して外向きエッジをすべてマップしてカウントし、max()を使用して最高値のカウントを判断します。

as()ステップでは、レビュー担当者ごとに、リストとなる2つの項目である、レビュー担当者の名前とstarsの平均値に対する表示ラベルを表示できます。これらの表示ラベル、reviewerおよびstarCountは次に、それぞれの値を取得するselect()ステップで使用されます。まず、by('name')を使用してレビュー担当者の名前を取得し、by(outE('rated').values('stars').mean()を使用してstarCountを取得します。select()ステップは、各reviewer頂点を確認してから、関連付けられているstarCount値を探索によって検出します。

gremlin>  g.V().hasLabel('reviewer').as('reviewer','starCount').
  select('reviewer','starCount').
    by('name').
    by(outE('rated').values('stars').mean())
==>[reviewer:Jane Doe, starCount:5.0]
==>[reviewer:Betsy Jones, starCount:NaN]
==>[reviewer:John Doe, starCount:4.5]
==>[reviewer:John Smith, starCount:4.0]
==>[reviewer:Sharon Smith, starCount:3.0]

Betsy Jonesはレビュー担当者としてリストされていますが、レシピはまだレビューしていないことに注目してください。彼女のstarCountにはNaN（メンバーではない）が示されています。この結果は、Jane Doeは少なくとも1つのレシピを非常に気に入っていますが、Sharon Smithは気に入らなかったことを明確に示しています。

結果をstarCount、つまり星の平均評価で並べ替えると、最高の評価者と最低の評価者を発見できます。ここでは、探索ステップorder().by(select('starCount').decr()はselect('starCount')ステップの出力を使用して、表示を降順に並べ替えています。

gremlin>  g.V().hasLabel('reviewer').as('reviewer','starCount').
  select('reviewer','starCount').
    by('name').
    by(outE('rated').values('stars').mean()).
  order().by(select('starCount'), decr)
==>[reviewer:Betsy Jones, starCount:NaN]
==>[reviewer:Jane Doe, starCount:5.0]
==>[reviewer:John Doe, starCount:4.5]
==>[reviewer:John Smith, starCount:4.0]
==>[reviewer:Sharon Smith, starCount:3.0]

Betsy Jonesは評価を行っていないため、誤ったリスト結果が生じます。探索ステップlimit(1)を探索に追加すると、Betsyがリストに含まれていない場合の、より高い評価者であるJane Doeを取得できます。

NaNを0値に変更するために、巧妙な探索ステップcoalesce()が使用されています。

gremlin>  g.V().hasLabel('reviewer').as('reviewer','starCount').
  select('reviewer','starCount').
    by('name').
    by(coalesce(outE('rated').values('stars'),constant(0)).mean()).
  order().by(select('starCount'), decr)
==>[reviewer:Jane Doe, starCount:5.0]
==>[reviewer:John Doe, starCount:4.5]
==>[reviewer:John Smith, starCount:4.0]
==>[reviewer:Sharon Smith, starCount:3.0]
==>[reviewer:Betsy Jones, starCount:0.0]

これでBetsy JonesのstarCountは真の値である0.0になったことに注目してください。

各レビュー担当者がレシピに付けた星の評価を確認します。

g.V().hasLabel('reviewer').as('reviewer','rating').out().as('recipe').
select('reviewer','rating','recipe').
  by('name').
  by(outE('rated').values('stars')).
  by(values('name'))

as('reviewer','rating')を使用してreviewer頂点からレビュー担当者と評価にラベルが付けられた後、ステップ・モジュレータas('recipe')を使用してレシピ名が探索され、名付けられていることに注目してください。出力リストの最初の2つの項目がreviewer頂点から取得され始め、3番目の項目は隣接するrecipe頂点から取得されます。

==>{reviewer=John Doe, rating=5, recipe=Beef Bourguignon}
==>{reviewer=John Doe, rating=5, recipe=Spicy Meatloaf}
==>{reviewer=John Smith, rating=4, recipe=Beef Bourguignon}
==>{reviewer=Jane Doe, rating=5, recipe=Beef Bourguignon}
==>{reviewer=Jane Doe, rating=5, recipe=Carrot Soup}
==>{reviewer=Sharon Smith, rating=3, recipe=Beef Bourguignon}
==>{reviewer=Sharon Smith, rating=3, recipe=Spicy Meatloaf}

一般的に、レビューにおける最も興味深い統計は、特定のレシピを何人の人が評価し、その特定のレシピの平均評価は何であるかに関する質問への回答です。今回のグラフ探索はrecipe頂点から始まり、レシピ名を取得し、inE('rated').count()を使用して内向きエッジをカウントすることでレビューの数を取得し、inE('rated').values('stars').mean()を使用して内向きエッジの平均値を取得します。以前に示したcoalesce()ステップを使用すると、meanRatingのすべてのNaN値をゼロに変更できます。

g.V().hasLabel('recipe').as('recipe','numberOfReviews','meanRating').
  select('recipe','numberOfReviews','meanRating').
    by('name').
    by(inE('rated').count()).
    by(inE('rated').values('stars').mean())

==>{recipe=Beef Bourguignon, numberOfReviews=4, meanRating=4.25}
==>{recipe=Wild Mushroom Stroganoff, numberOfReviews=0, meanRating=NaN}
==>{recipe=Spicy Meatloaf, numberOfReviews=2, meanRating=3.5}
==>{recipe=Rataouille, numberOfReviews=0, meanRating=NaN}
==>{recipe=Salade Nicoise, numberOfReviews=0, meanRating=NaN}
==>{recipe=Roast Pork Loin, numberOfReviews=0, meanRating=NaN}
==>{recipe=Oysters Rockefeller, numberOfReviews=0, meanRating=NaN}
==>{recipe=Carrot Soup, numberOfReviews=1, meanRating=5.0}

レシピの一般的なクエリーに、特定の材料を含むレシピの検索があります。

g.V().hasLabel('recipe').out().has('name','beef').in().hasLabel('recipe').values('name')

==>Beef Bourguignon

クエリーを変更することで、ある材料または別の材料を含むクエリーを作成できます。

g.V().hasLabel('recipe').out().has('name',within('beef','carrots')).in().hasLabel('recipe').values('name')

==>Beef Bourguignon ==>Carrot Soup

特定のレシピのすべての材料の検索は、一般的なクエリーです。

g.V().match(
  __.as('a').hasLabel('ingredient'),
  __.as('a').in('includes').has('name','Beef Bourguignon')).
select('a').by('name')

このクエリーではmatch()ステップを使用して、牛肉の赤ワイン煮を作るために使用する材料に一致するものを検索します。探索は、すべての頂点をフィルター処理して材料を検索することから始まり、次にin('includes')を使用してincludesのエッジに沿ってレシピの頂点を探索します。またこのクエリーではGroovyダブル・アンダースコア変数を一致メソッドのプライベート変数として使用します。結果：

==>tomato paste
==>beef
==>onion
==>mashed garlic
==>butter

inside()は地理空間検索に最も一般的に使用されますが、このメソッドを使用して、特定の値の範囲に収まる任意の項目を検索できます。一例として、1960～1970年の間に発行された本の検索があります。

g.V().has('book', 'year', inside(1960,1970)).valueMap()

結果：

==>{ISBN=[0-394-40135-2], year=[1968], name=[The French Chef Cookbook]}
==>{year=[1961], name=[The Art of French Cooking, Vol. 1]}

group()探索ステップを使用して、グラフ探索からの出力をグループ化します。たとえば、すべての頂点をラベルによってグループ化された名前順に表示します。

g.V().group().by(label).by('name')

結果では、食事の種類、材料、作者、本、レシピ、およびレビュー担当者がグループ化されていることに注目してください。

==>[meal:[JuliaDinner, Saturday Feast, EverydayDinner], ingredient:[olive oil, chicken broth, 
eggplant, pork sausage, green bell pepper, yellow onion, celery, hard-boiled egg, shallots, 
zucchini, butter, green beans, mashed garlic, onion, mushrooms, bacon, parsley, oyster, 
tomato, thyme, pork loin, tuna, tomato paste, ground beef, red wine, fennel, Pernod, 
chervil, egg noodles, carrots, beef], author:[Louisette Bertholie, Kelsie Kerr, 
Alice Waters, Julia Child, Emeril Lagasse, Simone Beck, Patricia Curtan, Patricia Simon, 
James Beard, Fritz Streiff], book:[Simca's Cuisine: 100 Classic French Recipes for Every 
Occasion, The French Chef Cookbook, The Art of Simple Food: Notes, Lessons, and Recipes 
from a Delicious Revolution, The Art of French Cooking, Vol. 1], recipe:[Wild Mushroom 
Stroganoff, Roast Pork Loin, Spicy Meatloaf, Rataouille, Beef Bourguignon, Oysters 
Rockefeller, Salade Nicoise, Carrot Soup], reviewer:[Sharon Smith, John Smith, Jane Doe, 
Betsy Jones, John Doe]]

もう1つの例には、年ごとにすべての本をグループ化し、本が発行された年と本のタイトルのリストを表示する場合があります。

g.V().hasLabel('book').group().by('year').by('name')

リスト：

==>{1968=[The French Chef Cookbook, The French Chef Cookbook], 
1972=[Simca's Cuisine: 100 Classic French Recipes for Every Occasion, Simca's Cuisine: 100 
Classic French Recipes for Every Occasion], 2007=[The Art of Simple Food: Notes, Lessons, 
and Recipes from a Delicious Revolution, The Art of Simple Food: Notes, Lessons, and Recipes 
from a Delicious Revolution], 1961=[The Art of French Cooking, Vol. 1, The Art of French 
Cooking, Vol. 1]}

グラフ探索内の特定のステップに対してローカルで処理を行うことが重要なことがよくあります。次の2つの例ではlimit()コマンドを使用して、local()がクエリーを入力するストリーム全体からクエリーの一部に処理を変更する方法を示します。まず、2人の作者と、これらの作者が本を出版した年を検索します。

g.V().hasLabel('author').as('author').out().properties('year').as('year').
  select('author','year').
    by('name').
    by().
  limit(2)

このクエリーは、データベース内の最初の2つのレコードを返します。

==>{author=Julia Child, year=vp[year->1961]}
==>{author=Julia Child, year=vp[year->1968]}

local()を使用してこのクエリーを変更し、グラフ内の各作者が出版した最初の2冊の本を検索します。

g.V().hasLabel('author').as('author').
  local(out().properties('year').as('year').limit(2)).
  select('author','year').
    by('name').
    by()

各作者に対して最高2冊の本が表示されることに注目してください。

==>{author=Julia Child, year=vp[year->1961]}
==>{author=Julia Child, year=vp[year->1968]}
==>{author=Simone Beck, year=vp[year->1961]}
==>{author=Simone Beck, year=vp[year->1972]}
==>{author=Louisette Bertholie, year=vp[year->1961]}
==>{author=Patricia Simon, year=vp[year->1972]}
==>{author=Alice Waters, year=vp[year->2007]}
==>{author=Patricia Curtan, year=vp[year->2007]}
==>{author=Kelsie Kerr, year=vp[year->2007]}
==>{author=Fritz Streiff, year=vp[year->2007]}

探索ステップlocal()にはグラフ探索内のグラフのサブセクションを処理し、さらに処理を続行する前に結果を返すためのアプリケーションが多く存在します。