割点

有向

无向

异构节点

异构关系

加权关系

词汇表

有向: 有向特征。该算法在有向图上定义良好。
有向: 有向特征。该算法忽略图的方向。
有向: 有向特征。该算法不在有向图上运行。
无向: 无向特征。该算法在无向图上定义良好。
无向: 无向特征。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。该算法对所有选定的节点进行类似处理，无论其标签如何。
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。该算法对所有选定的关系进行类似处理，无论其类型如何。
加权关系: 加权特征。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: 加权特征。该算法将每个关系视为同等重要，丢弃任何关系权重的值。

简介

给定一个图，割点是一个节点，其移除会增加图中连通分量的数量。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割点。

语法

本节介绍在每种执行模式下执行割点算法所使用的语法。我们正在描述命名的图变体的语法。要了解有关一般语法变体的更多信息，请参见语法概述。

每种模式下的割点语法

在命名图上以流模式运行割点。

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

表 1. 参数
名称	类型	默认值	可选	描述
graphName	字符串	`n/a`	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	使用给定的节点标签过滤命名图。将包含具有任何给定标签的节点。
relationshipTypes	字符串列表	`['*']`	是	使用给定的关系类型过滤命名图。包含任何给定类型的关系。
并发度	整数	`1`	是	该算法是单线程的，更改并发度参数不会影响运行时间。
作业ID	字符串	`内部生成`	是	一个可用于更轻松跟踪算法进度的ID。
记录进度	布尔值	`真`	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
节点ID	整数	表示关节点的节点的ID。

在统计模式下对命名图运行关节点。

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

表4. 参数
名称	类型	默认值	可选	描述
graphName	字符串	`n/a`	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	使用给定的节点标签过滤命名图。将包含具有任何给定标签的节点。
relationshipTypes	字符串列表	`['*']`	是	使用给定的关系类型过滤命名图。包含任何给定类型的关系。
并发度	整数	`1`	是	该算法是单线程的，更改并发度参数不会影响运行时间。
作业ID	字符串	`内部生成`	是	一个可用于更轻松跟踪算法进度的ID。
记录进度	布尔值	`真`	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
名称	类型	描述
计算毫秒数	整数	运行算法的毫秒数。
关节点计数	整数	图中关节点的数量。
configuration	映射	用于运行算法的配置。

在修改模式下对命名图运行关节点。

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	`n/a`	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 include::partial$/algorithms/common-configuration/common-mutate-configuration-entries.adoc

表9. 结果
名称	类型	描述
修改毫秒数	整数	向投影图添加属性的毫秒数。
节点属性写入数	整数	添加到投影图的属性数量。
计算毫秒数	整数	运行算法的毫秒数。
关节点计数	整数	图中关节点的数量。
configuration	映射	用于运行算法的配置。

在写入模式下对命名图运行关节点。

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

表10. 参数
名称	类型	默认值	可选	描述
graphName	字符串	`n/a`	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11. 配置
名称	类型	默认值	可选	描述 include::partial$/algorithms/common-configuration/common-mutate-configuration-entries.adoc

表12. 结果
名称	类型	描述
写入毫秒数	整数	向Neo4j数据库添加属性的毫秒数。
节点属性写入数	整数	添加到Neo4j数据库的属性数量。
计算毫秒数	整数	运行算法的毫秒数。
关节点计数	整数	图中关节点的数量。
configuration	映射	用于运行算法的配置。

示例

以下所有示例都应在空数据库中运行。

这些示例使用Cypher投影作为规范。原生投影将在未来的版本中弃用。

在本节中，我们将展示在具体图上运行关节点算法的示例。目的是说明结果的外观，并提供有关如何在实际环境中使用该算法的指南。我们将在一个小型社交网络图上进行此操作，该图包含少量节点并以特定模式连接。示例图如下所示

以下Cypher语句将在Neo4j数据库中创建示例图

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);

该图有两个用户集群，它们紧密连接。在这些集群之间有一条单边。

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

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

内存估算

首先，我们将使用estimate过程估算运行算法的成本。这可以使用任何执行模式来完成。在本例中，我们将使用stream模式。估算算法有助于了解在图上运行算法产生的内存影响。当您稍后在其中一种执行模式下实际运行算法时，系统将执行估算。如果估算表明执行很有可能超过其内存限制，则会禁止执行。要了解更多信息，请参阅自动估算和执行阻塞。

有关estimate的更多详细信息，请参阅内存估算。

以下将估算运行算法所需的内存

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

表13. 结果
节点数	关系数	最小字节数	最大字节数	所需内存
6	14	984	984	"984字节"

流

在stream执行模式下，算法为每个节点返回节点属性。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。

有关stream模式的更多详细信息，请参阅流。

以下将在stream模式下运行算法

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

表14. 结果
名称
"Alice"
"Doug"

统计

在stats执行模式下，算法返回包含算法结果摘要的单行。此执行模式没有任何副作用。通过检查computeMillis返回值，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以在语法部分中找到。

有关stats模式的更多详细信息，请参阅统计。

以下将在stats模式下运行算法

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

表15. 结果
关节点计数
2

修改

mutate模式使用新的节点属性更新命名图，该属性表示节点是否为关节点。这是通过设置0,1值来实现的，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。结果是单行摘要，类似于stats，但有一些额外的指标。

以下将在mutate模式下运行算法

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

表16. 结果
关节点计数
2

写入

write模式使用新的节点属性更新Neo4j图，该属性表示节点是否为关节点。这是通过设置0,1值来实现的，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。结果是单行摘要，类似于stats，但有一些额外的指标。mutate模式在多个算法结合使用时特别有用。

以下将在write模式下运行算法

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

表17. 结果
关节点计数
2

然后我们可以查询Neo4j以查看关节点

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

表18. 结果
名称
"Alice"
"Doug"

或者我们可以查询Neo4j以查看**不是**关节点的节点

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

表19. 结果
名称
"Bridget"
"Charles"
"Mark"
"Michael"