MATCH语句多条件过滤的查询性能

[Techyang]

• nebula 版本：nebula-graph-3.6.0

• 部署方式：分布式

• 安装方式：DEB

• 是否上生产环境：Y

• 硬件信息

  • 三台物理机
  • 磁盘：每台6块SSD固态硬盘
  • CPU：48核96线程
  • 内存：1T

• 数据量

  • 点：222,684,324
  • 边：1,318,058,307

• 查询语句

  MATCH (a:accountStatistics)-[:MAX_BALANCE_ADDR]-(b) WHERE a.accountStatistics.from_addr_count > 1 AND a.accountStatistics.from_addr_count < 30 RETURN id(a) as startId,id(b) as endId LIMIT 50;
  

  这个语句中，tag:accountStatistics的from_addr_count 添加了索引，edge:MAX_BALANCE_ADDR添加了索引，执行耗时：458.884382s

• 执行计划

  执行计划.csv (6.7 KB)

• 问题

1. 我们类似的查询语句还有很多，通过边的关系以及点的某些属性进行查询，类似这样的查询是否有相应的优化方案
2. 在执行完查询语句后，内存（实际使用内存）不会进行释放，再执行其它语句时就变得特别慢，再执行同一条查询语句，也会变慢，甚至超时

[steam]

这个语句索引已经命中了，但是数据量太大了。所以…性能不大好。

[steam]

你可以试试去掉索引，看看查询是不是会快一点。

[Techyang]

如果去掉索引，我怎么通过条件过滤呢

[steam]

因为你后面有个 limit 50，看下你去掉索引之后，limit 是不是下推成功，可能会提高速度。

[Techyang]

我要查的是from_addr_count 这个属性在1-30的范围内随机取50条，如果去掉索引的话，match语句语法不通过吧

[steam]

去掉索引不代表你的筛选条件不成立啊，随机捞 50 条满足你条件的数据返回（limit 如果下推的话）也许比你现在走索引会更快点。

[Techyang]

我的意思是这个，不是 MATCH如果属性作为条件，必须有索引吗

[steam]

不是的，match 没有索引的话，就是捞所有数据而已。

[ianhe]

MATCH 的 LIMIT 是所有前置查询都结束之后再进行的截断，所以对性能没有什么帮助

对于这种情况，建议试试

LOOKUP on accountStatistics
WHERE accountStatistics.from_addr_count > 1
AND accountStatistics.from_addr_count < 30
YIELD id(vertex) as startId | LIMIT 50 |
GO FROM $-.startId OVER MAX_BALANCE_ADDR BIDRECT
YIELD src(edge) as startId, dst(edge) as endId | LIMIT 50

这种查询是先对起始点进行截断，然后对起始点进行边的查询，再对结果进行截断。但这种查询可能会因为起始点关联的边数量不够50，所以还需要再进行若干次补充查询。

另外最后结果因为边的双向查询，所以 startId 和 endId 是相反的结果。

[steam]

@ianhe

但这种查询可能会因为起始点关联的边数量不够50

但是他数据量大的情况下，感觉这个情况不会出现的样子。就是，感觉你这个语句是可行的。

[Techyang]

可是我去掉索引之后，执行语句就报错了呀

[steam]

那就是 limit 没下推，然后得索引才能查询。你试试 ianhe 说的方法。

[Techyang]

我刚试了，可以的.

[steam]

耗时多少啦

[ianhe]

最后结果需要注意双向边的问题，如果 accountStatistics 是终点，那么 endId 才是最初你的 match 查询里的 a，如果 accountStatistics 是起点就没关系了。

所以可以改成

LOOKUP on accountStatistics
WHERE accountStatistics.from_addr_count > 1
AND accountStatistics.from_addr_count < 30
YIELD id(vertex) as startId | LIMIT 50 |
GO FROM $-.startId OVER MAX_BALANCE_ADDR BIDRECT
YIELD $^ as start, $$ as end | LIMIT 50

然后判断一下 start 和 end 的类型就行

[Techyang]

0.244935 s

[steam]

这个速度优秀啊，直接变成原来的万分之五啦。