三角形计数

除了标准执行模式之外，还有一个 gds.triangles 过程，可用于列出图中所有的三角形。

首先，我们将使用 estimate 过程来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 write 模式。估算算法有助于了解在图上运行算法对内存的影响。当您稍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其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 的更多详细信息，请参阅内存估算。

请注意，关系计数为 16，尽管我们在原始 Cypher 语句中只投影了 8 个关系。这是因为我们使用了 UNDIRECTED 方向，这将把每个关系都投影到每个方向，从而有效地使关系数量翻倍。

在 stream 执行模式下，算法返回每个节点的三角形计数。这使我们能够直接检查结果或在 Cypher 中对其进行后处理，而不会产生任何副作用。例如，我们可以对结果进行排序，以找到三角形计数最高的节点。

有关 stream 模式的更多详细信息，请参阅流模式。

这里我们发现“Michael”节点拥有最多的三角形。这可以在示例图中验证。由于“Alice”节点只 KNOWS 另一个节点，它不能是任何三角形的一部分，因此算法报告计数为零。

在 stats 执行模式下，算法返回一行，其中包含算法结果的摘要。摘要结果包含全局三角形计数，即整个图中的三角形总数。此执行模式没有副作用。通过检查 computeMillis 返回项，它可以用于评估算法性能。在以下示例中，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，请参阅统计模式。

在这里我们可以看到，该图有六个节点，共有三个三角形。将其与流模式示例进行比较，我们可以看到“Michael”节点的三角形计数等于全局三角形计数。换句话说，该节点是图中所有三角形的一部分，因此在图中具有非常中心的位置。

mutate 执行模式扩展了 stats 模式，具有一个重要的副作用：使用包含该节点三角形计数的新节点属性更新命名图。新属性的名称使用强制配置参数 mutateProperty 指定。结果是一个单一的摘要行，类似于 stats，但带有一些额外的指标。当多个算法结合使用时，mutate 模式特别有用。例如，使用三角形计数来计算局部聚类系数。

有关 mutate 模式的更多详细信息，请参阅变异模式。

返回的结果与 stats 示例中的相同。此外，图“myGraph”现在有一个节点属性 triangles，它存储了每个节点的三角形计数。要了解如何检查内存中图的新模式，请参阅列出图。

write 执行模式扩展了 stats 模式，具有一个重要的副作用：将每个节点的三角形计数作为属性写入 Neo4j 数据库。新属性的名称使用强制配置参数 writeProperty 指定。结果是一个单一的摘要行，类似于 stats，但带有一些额外的指标。write 模式支持将结果直接持久化到数据库。

有关 write 模式的更多详细信息，请参阅写入模式。

返回的结果与 stats 示例中的相同。此外，六个节点中的每个节点现在在 Neo4j 数据库中都有一个新的属性 triangles，其中包含该节点的三角形计数。

三角形计数算法支持 maxDegree 配置参数，可用于在节点度数大于配置值时将其从处理中排除。当图中存在度数非常高的节点（所谓的超级节点）时，这对于加速计算非常有用。超级节点对三角形计数算法的性能有很大影响。要了解图的度数分布，请参阅列出图。

从计算中排除的节点将被分配三角形计数 -1。

在示例图上运行算法，并将 maxDegree 设置为 4，会排除“Michael”节点，因为它具有 5 度。

由于此节点是示例图中所有三角形的一部分，因此排除它将导致没有三角形。