关节点

有向

无向

异构节点

异构关系

加权关系

词汇表

有向: 有向特性。该算法在有向图上定义良好。
有向: 有向特性。该算法忽略图的方向。
有向: 有向特性。该算法不在有向图上运行。
无向: 无向特性。该算法在无向图上定义良好。
无向: 无向特性。该算法忽略图的无向性。
异构节点: 异构节点完全支持。该算法能够区分不同类型的节点。
异构节点: 异构节点允许。该算法无论节点的标签如何，都以相似方式处理所有选定节点。
异构关系: 异构关系完全支持。该算法能够区分不同类型的关系。
异构关系: 异构关系允许。该算法无论关系的类型如何，都以相似方式处理所有选定关系。
加权关系: 加权特性。该算法支持将关系属性用作权重，通过 relationshipWeightProperty 配置参数指定。
加权关系: 加权特性。该算法将每个关系视为同等重要，忽略任何关系权重的值。

简介

给定一个图，关节点是一个节点的移除会增加图中连通分量数量的节点。Neo4j GDS 库提供了一种高效的线性时间顺序算法来计算图中的所有关节点。

语法

本节介绍在每种执行模式下执行关节点算法所使用的语法。我们描述的是命名图变体的语法。要了解更多关于通用语法变体的信息，请参见语法概览。

每种模式下的关节点语法

在命名图上以流模式运行关节点。

CALL gds.articulationPoints.stream(
  graphName: String,
  configuration: Map
)
YIELD
  nodeId: Integer,
 resultingComponents: Map

表 1. 参数
名称	类型	默认值	可选	描述
graphName	字符串	`不适用`	否	存储在目录中的图的名称。
configuration	映射	`{}`	是	算法特定和/或图过滤的配置。

表 2. 配置
名称	类型	默认值	可选	描述
nodeLabels	字符串列表	`['*']`	是	使用给定节点标签过滤命名图。包含任何给定标签的节点都将被包含。
relationshipTypes	字符串列表	`['*']`	是	使用给定关系类型过滤命名图。包含任何给定类型的关系都将被包含。
concurrency	整数	`1`	是	该算法是单线程的，更改并发参数对运行时没有影响。
jobId	字符串	`内部生成`	是	可用于更轻松地跟踪算法进度的 ID。
logProgress	布尔	`true`	是	如果禁用，则不会记录进度百分比。

表 3. 结果
名称	类型	描述
nodeId	整数	表示关节点的节点 ID。
resultingComponents	映射	一个包含三个值的映射：移除 `nodeId` 后创建的分量数量，以及它们的最小/最大大小，分别存储在 `count,min, max` 键中。

在命名图上以统计模式运行关节点。

CALL gds.articulationPoints.stats(
  graphName: String,
  configuration: Map
)
YIELD
  computeMillis: Integer,
  articulationPointCount: Integer,
  configuration: Map

表 4. 参数
名称	类型	默认值	可选	描述
graphName	字符串	`不适用`	否	存储在目录中的图的名称。
configuration	映射	`{}`	是	算法特定和/或图过滤的配置。

表 5. 配置
名称	类型	默认值	可选	描述
nodeLabels	字符串列表	`['*']`	是	使用给定节点标签过滤命名图。包含任何给定标签的节点都将被包含。
relationshipTypes	字符串列表	`['*']`	是	使用给定关系类型过滤命名图。包含任何给定类型的关系都将被包含。
concurrency	整数	`1`	是	该算法是单线程的，更改并发参数对运行时没有影响。
jobId	字符串	`内部生成`	是	可用于更轻松地跟踪算法进度的 ID。
logProgress	布尔	`true`	是	如果禁用，则不会记录进度百分比。

表 6. 结果
名称	类型	描述
computeMillis	整数	运行算法的毫秒数。
articulationPointCount	整数	图中关节点的数量。
configuration	映射	用于运行算法的配置。

在命名图上以修改模式运行关节点。

CALL gds.articulationPoints.mutate(
  graphName: String,
  configuration: Map
)
YIELD
  mutateMillis: Integer,
  nodePropertiesWritten: Integer,
  computeMillis: Integer,
  articulationPointCount: Integer,
  configuration: Map

表 7. 参数
名称	类型	默认值	可选	描述
graphName	字符串	`不适用`	否	存储在目录中的图的名称。
configuration	映射	`{}`	是	算法特定和/或图过滤的配置。

表 8. 配置
名称	类型	默认值	可选	描述
mutateProperty	字符串	`不适用`	否	写入节点属性的 GDS 图中的节点属性。
nodeLabels	字符串列表	`['*']`	是	使用给定节点标签过滤命名图。
relationshipTypes	字符串列表	`['*']`	是	使用给定关系类型过滤命名图。
concurrency	整数	`4`	是	用于运行算法的并发线程数。
jobId	字符串	`内部生成`	是	可用于更轻松地跟踪算法进度的 ID。

表 9. 结果
名称	类型	描述
mutateMillis	整数	向投影图添加属性的毫秒数。
已添加到投影图的属性数量。	整数	在命名图上以写入模式运行关节点。
computeMillis	整数	运行算法的毫秒数。
articulationPointCount	整数	图中关节点的数量。
configuration	映射	用于运行算法的配置。

表 10. 参数

CALL gds.articulationPoints.write(
  graphName: String,
  configuration: Map
)
YIELD
  writeMillis: Integer,
  nodePropertiesWritten: Integer,
  computeMillis: Integer,
  articulationPointCount: Integer,
  configuration: Map

表 11. 配置
名称	类型	默认值	可选	描述
graphName	字符串	`不适用`	否	存储在目录中的图的名称。
configuration	映射	`{}`	是	算法特定和/或图过滤的配置。

writeConcurrency
名称	类型	默认值	可选	描述
nodeLabels	字符串列表	`['*']`	是	使用给定节点标签过滤命名图。包含任何给定标签的节点都将被包含。
relationshipTypes	字符串列表	`['*']`	是	使用给定关系类型过滤命名图。包含任何给定类型的关系都将被包含。
concurrency	整数	`1`	是	该算法是单线程的，更改并发参数对运行时没有影响。
jobId	字符串	`内部生成`	是	可用于更轻松地跟踪算法进度的 ID。
logProgress	布尔	`true`	是	如果禁用，则不会记录进度百分比。
'concurrency' 的值	整数	`用于将结果写入 Neo4j 的并发线程数。`	是	writeProperty
将节点属性写入的 Neo4j 数据库中的节点属性。	字符串	`不适用`	否	表 12. 结果

writeMillis
名称	类型	描述
将属性添加到 Neo4j 数据库的毫秒数。	整数	已添加到 Neo4j 数据库的属性数量。
已添加到投影图的属性数量。	整数	示例
computeMillis	整数	运行算法的毫秒数。
articulationPointCount	整数	图中关节点的数量。
configuration	映射	用于运行算法的配置。

以下所有示例都应在空数据库中运行。

示例通常使用 Cypher 投影。原生投影将在未来版本中弃用。

在本节中，我们将展示在具体图上运行关节点算法的示例。目的是说明结果是什么样子，并提供在实际设置中如何使用该算法的指导。我们将在一个小型社交网络图上进行此操作，该图由少量以特定模式连接的节点组成。示例图如下所示：

以下 Cypher 语句将在 Neo4j 数据库中创建示例图：

该图有两个密切连接的“用户”集群。这些集群之间只有一条边。

CREATE
  (nAlice:User {name: 'Alice'}),
  (nBridget:User {name: 'Bridget'}),
  (nCharles:User {name: 'Charles'}),
  (nDoug:User {name: 'Doug'}),
  (nMark:User {name: 'Mark'}),
  (nMichael:User {name: 'Michael'}),

  (nAlice)-[:LINK]->(nBridget),
  (nAlice)-[:LINK]->(nCharles),
  (nCharles)-[:LINK]->(nBridget),

  (nAlice)-[:LINK]->(nDoug),

  (nMark)-[:LINK]->(nDoug),
  (nMark)-[:LINK]->(nMichael),
  (nMichael)-[:LINK]->(nDoug);

以下语句将使用 Cypher 投影一个图，并将其存储在图目录中，名称为“myGraph”。

内存估算

MATCH (source:User)-[r:LINK]->(target:User)
RETURN gds.graph.project(
  'myGraph',
  source,
  target,
  {},
  { undirectedRelationshipTypes: ['*'] }
)

首先，我们将使用 `estimate` 过程估算运行算法的成本。这可以在任何执行模式下完成。在本例中，我们将使用 `stream` 模式。估算算法有助于了解运行算法对图的内存影响。当您随后实际以某种执行模式运行算法时，系统将执行估算。如果估算结果显示执行超出内存限制的可能性非常高，则禁止执行。要了解更多信息，请参阅自动估算和执行阻止。

有关 estimate 的一般详细信息，请参阅内存估算。

以下将估算运行算法所需的内存：

表 13. 结果

CALL gds.articulationPoints.stream.estimate('myGraph', {})
YIELD nodeCount, relationshipCount, bytesMin, bytesMax, requiredMemory

nodeCount
relationshipCount	bytesMin	bytesMax	requiredMemory	"1448 字节"
6	14	1448	1448	流

在 `stream` 执行模式下，算法返回每个节点的节点属性。这允许我们直接检查结果或在 Cypher 中进行后处理，而不会产生任何副作用。

有关 stream 模式的更多详细信息，请参阅流。

以下将以 stream 模式运行算法：

表 14. 结果

CALL gds.articulationPoints.stream('myGraph')
YIELD nodeId, resultingComponents
RETURN gds.util.asNode(nodeId).name AS name,resultingComponents
ORDER BY name ASC

name
"Alice"	resultingComponents
{count=2, max=3, min=2}	"Doug"
统计	"Doug"

在 `stats` 执行模式下，算法返回一个单行，其中包含算法结果的摘要。此执行模式没有任何副作用。通过检查 `computeMillis` 返回项，它可用于评估算法性能。在下面的示例中，我们将省略返回时间。该过程的完整签名可在语法部分找到。

有关 stats 模式的更多详细信息，请参阅统计。

以下将以 stats 模式运行算法：

表 15. 结果

CALL gds.articulationPoints.stats('myGraph',{})
YIELD articulationPointCount

变异
articulationPointCount
2

`mutate` 模式会使用一个新的节点属性更新命名图，该属性指示节点是否为关节点。这是通过设置 `0,1` 值实现的，其中 `1` 表示该节点是关节点。新属性的名称使用强制配置参数 `mutateProperty` 指定。结果是一个摘要行，类似于 `stats`，但带有一些额外的指标。

以下将以 mutate 模式运行算法：

表 16. 结果

CALL gds.articulationPoints.mutate('myGraph', { mutateProperty: 'articulationPoint'})
YIELD articulationPointCount

写入
articulationPointCount
2

`write` 模式将一个新的节点属性更新到 Neo4j 图中，该属性指示节点是否为关节点。这是通过设置 `0,1` 值实现的，其中 `1` 表示该节点是关节点。新属性的名称使用强制配置参数 `writeProperty` 指定。结果是一个摘要行，类似于 `stats`，但带有一些额外的指标。当多个算法协同使用时，`mutate` 模式特别有用。

以下将以 write 模式运行算法：

表 17. 结果

CALL gds.articulationPoints.write('myGraph', { writeProperty: 'articulationPoint'})
YIELD articulationPointCount

然后我们可以查询 Neo4j 查看关节点：
articulationPointCount
2

表 18. 结果

MATCH (n { articulationPoint: 1 }) RETURN n.name AS name ORDER BY name ASC

或者我们可以查询 Neo4j 查看**不是**关节点的节点：
"Alice"
{count=2, max=3, min=2}
统计

表 19. 结果

MATCH (n { articulationPoint: 0 }) RETURN n.name AS name ORDER BY name ASC

"Bridget"
"Alice"
"Charles"
"Mark"
"Michael"
文章排名介数中心性

关节点

词汇表

简介

语法

以下所有示例都应在空数据库中运行。

在 stream 执行模式下，算法返回每个节点的节点属性。这允许我们直接检查结果或在 Cypher 中进行后处理，而不会产生任何副作用。

在 `stream` 执行模式下，算法返回每个节点的节点属性。这允许我们直接检查结果或在 Cypher 中进行后处理，而不会产生任何副作用。