为什么我使用count（）运行时，我的密码查询需要10倍的时间？

Question

我开始用下面的查询：

PROFILE 
MATCH Base = (SBase:Snapshot {timestamp:1454983481.304583})-[:contains]->() 
MATCH Prime = (:Snapshot {timestamp:1454983521.642284})-[PContains:contains]->(SPrimePackage) 
WHERE NOT (SBase)-[:contains]->(SPrimePackage) 
RETURN PContains 
LIMIT 10 

我得到 “在119毫秒5834次总DB命中”。该图正确显示了9个节点和8个连接它们的边。然后我运行一个几乎相同的查询，除了我，而不是返回计数（不同的（））：

PROFILE 
MATCH Base = (SBase:Snapshot {timestamp:1454983481.304583})-[:contains]->() 
MATCH Prime = (:Snapshot {timestamp:1454983521.642284})-[PContains:contains]->(SPrimePackage) 
WHERE NOT (SBase)-[:contains]->(SPrimePackage) 
RETURN count(distinct(SPrimePackage)) 
LIMIT 10 

这使得“在1771毫秒1382270次总DB命中”。结果是正确的：8.然而，为什么count（distinct（））如此慢而且更昂贵？我应该以其他方式做这个吗？

我跑的Neo4j 2.3.1

编辑1

为了确保我比较苹果和苹果，并强调这个问题，这里是一对类似的查询和结果：

MATCH Base = (SBase:Snapshot {timestamp:1454983481.304583})-[:contains]->() 
MATCH Prime = (:Snapshot {timestamp:1454983521.642284})-[PContains:contains]->(SPrimePackage) 
WHERE NOT (SBase)-[:contains]->(SPrimePackage) 
RETURN SPrimePackage 
LIMIT 10 

请注意，它在原始中返回“SPrimePackage”而不是“PContains”。结果是“在740毫秒中总共有5834次数据访问”。

下面是与 “计数（）” 完全相同的查询：

MATCH Base = (SBase:Snapshot {timestamp:1454983481.304583})-[:contains]->() 
MATCH Prime = (:Snapshot {timestamp:1454983521.642284})-[PContains:contains]->(SPrimePackage) 
WHERE NOT (SBase)-[:contains]->(SPrimePackage) 
RETURN count(SPrimePackage) 
LIMIT 10 

结果： “在2731毫秒1382270次总DB命中”。注意只有区别在于“count（）”。直觉上，我希望“count（）”可以添加一个统计步骤，但显然它的作用远不止于此。为什么“count（）”会触发所有这些额外的工作？

Answer 1

如果你比较2（编辑）查询PROFILE输出[增订]

，你可能会看到，唯一的显著差异的EagerAggregation操作的存在，在COUNT()版本的查询。聚合函数使用EagerAggregation在实际执行聚合函数（在此例中为COUNT()）之前收集所有正在聚合的数据。这就需要在不使用聚合功能时不需要的额外工作。

下面的查询仍然使用COUNT()为了得到计数，但大大减少了需要进行汇总数据，从而减少需要在EagerAggregation一步要做的工作量：

PROFILE 
MATCH (SBase:Snapshot { timestamp:1454983481.304583 }) 
USING INDEX SBase:Snapshot(timestamp) 
WHERE (SBase)-[:contains]->() 
MATCH (s:Snapshot { timestamp:1454983521.642284 })-[:contains]->(SPrimePackage) 
USING INDEX s:Snapshot(timestamp) 
WHERE NOT (SBase)-[:contains]->(SPrimePackage) 
RETURN COUNT(DISTINCT SPrimePackage) 
LIMIT 10; 

上面的查询假设你已经在:Snapshot(timestamp)创建索引，大大加快了2个:Snapshot节点搜索：

CREATE INDEX ON :Snapshot(timestamp); 

使用一些简单的数据，我得到的分布是：

+-------------------+----------------+------+---------+--------------------------------------+--------------------------------------+ 
| Operator   | Estimated Rows | Rows | DB Hits | Variables       | Other        | 
+-------------------+----------------+------+---------+--------------------------------------+--------------------------------------+ 
| +ProduceResults |    1 | 1 |  0 | COUNT(DISTINCT SPrimePackage)  | COUNT(DISTINCT SPrimePackage)  | 
| |     +----------------+------+---------+--------------------------------------+--------------------------------------+ 
| +Limit   |    1 | 1 |  0 | COUNT(DISTINCT SPrimePackage)  | Literal(10)       | 
| |     +----------------+------+---------+--------------------------------------+--------------------------------------+ 
| +EagerAggregation |    1 | 1 |  0 | COUNT(DISTINCT SPrimePackage)  |          | 
| |     +----------------+------+---------+--------------------------------------+--------------------------------------+ 
| +AntiSemiApply |    1 | 7 |  0 | anon[180], s -- SBase, SPrimePackage |          | 
| |\    +----------------+------+---------+--------------------------------------+--------------------------------------+ 
| | +Expand(Into) |    1 | 0 |  34 | anon[266] -- SBase, SPrimePackage | (SBase)-[:contains]->(SPrimePackage) | 
| | |    +----------------+------+---------+--------------------------------------+--------------------------------------+ 
| | +Argument  |    4 | 8 |  0 | SBase, SPrimePackage     |          | 
| |     +----------------+------+---------+--------------------------------------+--------------------------------------+ 
| +CartesianProduct |    4 | 8 |  0 | SBase -- anon[180], SPrimePackage, s |          | 
| |\    +----------------+------+---------+--------------------------------------+--------------------------------------+ 
| | +Expand(All) |    4 | 8 |  10 | anon[180], SPrimePackage -- s  | (s)-[:contains]->(SPrimePackage)  | 
| | |    +----------------+------+---------+--------------------------------------+--------------------------------------+ 
| | +NodeIndexSeek |    2 | 2 |  4 | s         | :Snapshot(timestamp)     | 
| |     +----------------+------+---------+--------------------------------------+--------------------------------------+ 
| +SemiApply  |    1 | 2 |  0 | SBase        |          | 
| |\    +----------------+------+---------+--------------------------------------+--------------------------------------+ 
| | +Expand(All) |    4 | 0 |  2 | anon[112], anon[126] -- SBase  | (SBase)-[:contains]->()    | 
| | |    +----------------+------+---------+--------------------------------------+--------------------------------------+ 
| | +Argument  |    2 | 2 |  0 | SBase        |          | 
| |     +----------------+------+---------+--------------------------------------+--------------------------------------+ 
| +NodeIndexSeek |    2 | 2 |  3 | SBase        | :Snapshot(timestamp)     | 
+-------------------+----------------+------+---------+--------------------------------------+--------------------------------------+ 

除了使用索引，上面的查询：

1. 不打扰找到由SBase包含的所有节点，因为我们需要找到一个包含的节点，以便识别匹配的SBase节点。一旦找到单个(SBase)-[:contains]->()匹配，SemiApply操作就会完成，因此第一个MATCH子句将导致每个SBase单行而不是N行。 基于您的问题中的信息，我怀疑N应该是大约8.
2. 有一个笛卡儿积应该是相当快的，因为产品的“腿”应该具有较低的基数。