什麼是組織有向圖數據的好方法？

Question

這是我的情況。我有一張圖表，在不同的時間添加不同的數據集。例如，set1可能有幾千個節點，然後set2進來，我們應用業務邏輯來創建從set1到set2的邊（並且將set1中沒有邊的任何頂點排除在set2之外）。然後在稍後的時間，我們得到set3，set4等等，並且在每個集合和它之前的集合之間應用相同的過程。

問題，組織這個的最好方法是什麼？我之前做的是命名節點set1-xx，set2-xx等。我遇到的問題是當我試圖在當前集和前一集之間運行分析時，我將不得不在整個圖中運行循環並查找以「setx」開頭的所有節點。隨着圖形增長需要很長時間，所以我想到了另一種解決方案，即創建一個名爲「set1」的節點，並將它連接到該特定集合的所有節點。我正在測試它，但我想知道是否有更有效的方式或構建方式處理這樣的數據結構？有沒有辦法以某種方式細分這樣的數據？

我認爲一個通用的解決方案將是應用程序，但如果它有幫助我使用neo4j（所以任何具體的解決方案，該數據庫也會很好）。

Answer 1

您有一個非常特殊的有向圖類型，稱爲分層圖。

數據結構的選擇主要取決於預期的圖形密度（前一個集合/圖層中多少個節點通常連接到當前集合/層中的節點）以及您需要執行的操作大部分時間。將每個圖層直接用數字索引表示（也就是說，最外層的結構將是一個集合/圖層的數組），並且大概您也可以使用每層的一個頂點數組，這絕對是一個好主意。然而，每個頂點邊緣（下，或僅在和流出集取決於你是否曾經遍歷層向後邊緣）的列表可以是任何以下的：

• 鏈接頂點標識符的列表;如果圖非常稀疏並且邊通常被添加/刪除，這很好。
• 排序的頂點標識符數組;如果圖很稀疏且不可變，這是很好的。
• 由頂點標識符索引的布爾值數組，確定給定頂點是否通過當前頂點的邊連接;如果圖形密集，這很好。

「頂點標識符」可以採用多種形式。例如，它可以是下一層頂點數組的索引。

Answer 2

你的第二個解決方案是我會做的 - 創建一個setX節點並將屬於該set的所有節點連接到setX。這樣你的數據就被分區了，而且查詢起來也更容易。