首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

使用arangodb,你如何出/入一个from/ do顶点?在查询中?

在使用 ArangoDB 进行查询时,可以使用 AQL(ArangoDB Query Language)来操作顶点的出/入边。

要从一个顶点出发,可以使用 OUTBOUND 关键字来获取该顶点的出边连接的顶点。例如,假设有一个集合名为 edges,其中包含了连接顶点的边,可以使用以下 AQL 查询语句来获取从顶点 from 出发的所有连接顶点:

代码语言:txt
复制
FOR v, e, p IN 1..1 OUTBOUND 'vertices/from' edges
RETURN v

上述查询中,vertices 是顶点集合的名称,from 是起始顶点的标识符。通过 OUTBOUND 关键字指定了查询的方向为从起始顶点出发的出边。1..1 表示只查询一层深度的连接顶点。v 是迭代变量,表示查询结果中的顶点。

要到达一个顶点,可以使用 INBOUND 关键字来获取连接到该顶点的入边连接的顶点。例如,假设有一个集合名为 edges,可以使用以下 AQL 查询语句来获取连接到顶点 to 的所有连接顶点:

代码语言:txt
复制
FOR v, e, p IN 1..1 INBOUND 'vertices/to' edges
RETURN v

上述查询中,vertices 是顶点集合的名称,to 是目标顶点的标识符。通过 INBOUND 关键字指定了查询的方向为连接到目标顶点的入边。1..1 表示只查询一层深度的连接顶点。v 是迭代变量,表示查询结果中的顶点。

需要注意的是,上述查询语句中的 'vertices/from''vertices/to' 是顶点的标识符,可以根据实际情况进行替换。

关于 ArangoDB 的更多信息和使用示例,可以参考腾讯云 ArangoDB 产品文档:https://cloud.tencent.com/document/product/853/18381

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

大数据技术之_19_Spark学习_05_Spark GraphX 应用解析 + Spark GraphX 概述、解析 + 计算模式 + Pregel API + 图算法参考代码 + PageRank

Spark GraphX 是一个分布式图处理框架,它是基于 Spark 平台提供对图计算和图挖掘简洁易用的而丰富的接口,极大的方便了对分布式图处理的需求。那么什么是图,都计算些什么?众所周知社交网络中人与人之间有很多关系链,例如 Twitter、Facebook、微博和微信等,数据中出现网状结构关系都需要图计算。   GraphX 是一个新的 Spark API,它用于图和分布式图(graph-parallel)的计算。GraphX 通过引入弹性分布式属性图(Resilient Distributed Property Graph): 顶点和边均有属性的有向多重图,来扩展Spark RDD。为了支持图计算,GraphX 开发了一组基本的功能操作以及一个优化过的 Pregel API。另外,GraphX 也包含了一个快速增长的图算法和图 builders 的集合,用以简化图分析任务。   从社交网络到语言建模,不断增长的数据规模以及图形数据的重要性已经推动了许多新的分布式图系统的发展。通过限制计算类型以及引入新的技术来切分和分配图,这些系统可以高效地执行复杂的图形算法,比一般的分布式数据计算(data-parallel,如 spark、MapReduce)快很多。

04
领券