Cypher多深度查询

在 Cypher 中，深度查询的核心是「可变长度关系语法」，用于匹配节点间多步（多深度）的关联关系。它的核心格式、用法场景、常见问题及最佳实践如下，结合之前的示例系统化梳理：

一、核心语法：可变长度关系

匹配 n 到 m 步的关系，语法格式为：

 

()-[:关系类型*最小深度..最大深度]->()

 

关键细节：

1. 深度边界：
   • *1..2：匹配 1 到 2 度关系（直接关联 + 间接关联 1 次）
   • *2：等价于 *2..2，仅匹配 2 度关系（精确深度）
   • *1..：匹配 1 度及以上（无最大深度，谨慎使用）
   • *：等价于 *0..∞（0 度 = 节点本身，无上限，极易性能爆炸）
2. 关系方向：
   • ->：仅匹配「从左到右」的单向关系
   • <-：仅匹配「从右到左」的单向关系
   • 无箭头 ()-[]-()：匹配双向关系（如朋友、同事等无明确方向的关联）
3. 关系类型：
   • 单一类型：[:FRIENDS_WITH*1..2]（仅朋友关系）
   • 多类型：[:FRIENDS_WITH|COLLEAGUE*1..2]（朋友或同事关系，用 | 分隔）

二、常见场景与示例

基于你之前的用户 - 商品图模型，结合实际需求举例：

场景 1：精确深度查询（仅 N 度关系）

查询「张三的 2 度朋友」（朋友的朋友，不包含直接朋友）：

MATCH (zhangsan:User {name:"张三"})-[:FRIENDS_WITH*2]-(friend:User)
WHERE friend <> zhangsan  // 排除自己
RETURN DISTINCT friend.name AS 2度朋友;

 

场景 2：范围深度查询（N-M 度关系）

查询「张三的 1-3 度朋友」（直接朋友 + 朋友的朋友 + 朋友的朋友的朋友）：

MATCH (zhangsan:User {name:"张三"})-[:FRIENDS_WITH*1..3]-(friend:User)
WHERE friend <> zhangsan
WITH friend, shortestPath((zhangsan)-[:FRIENDS_WITH*]-(friend)) AS sp
RETURN friend.name AS 朋友, length(sp) AS 关系度数
ORDER BY 关系度数;

场景 3：多类型关系 + 深度查询

查询「张三的 1-2 度关联（朋友或购买过同商品的人）」：

// 逻辑：张三 → 朋友（1度），或 张三→购买商品→其他人（2度）
MATCH (zhangsan:User {name:"张三"})-[:FRIENDS_WITH|PURCHASED*1..2]-(related:User)
WHERE related <> zhangsan
RETURN DISTINCT related.name AS 关联用户;

 

场景 4：带关系属性的深度查询

查询「张三 2020 年后添加的 1-2 度朋友」（过滤关系属性 since）：

MATCH (zhangsan:User {name:"张三"})-[r:FRIENDS_WITH*1..2]-(friend:User)
WHERE friend <> zhangsan 
  AND all(rel IN r WHERE rel.since >= 2020)  // 所有路径中的关系都满足2020年后
RETURN friend.name AS 朋友, [rel.since IN r] AS 路径中关系的添加时间;

 

三、关键函数与优化

1. 计算路径深度（度数）

• 用 length(路径)：获取单条路径的长度（即度数）
• 用 shortestPath()：避免多路径导致的度数计算错误（之前报错的核心修复）
   

  MATCH (a:User {name:"张三"}), (b:User)
  MATCH p = shortestPath((a)-[:FRIENDS_WITH*1..3]-(b))  // 最短路径确保度数准确
  WHERE a <> b
  RETURN b.name AS 朋友, length(p) AS 度数;

   

2. 去重（避免重复节点）

多深度查询可能通过多条路径匹配到同一节点，用 DISTINCT 去重：

MATCH (zhangsan:User {name:"张三"})-[:FRIENDS_WITH*1..2]-(friend:User)
WHERE friend <> zhangsan
RETURN DISTINCT friend.id, friend.name;  // 去重同一朋友

 

3. 限制路径数量（性能优化）

无最大深度的查询（如 *1..）可能遍历全图，用 LIMIT 限制结果：

MATCH (zhangsan:User {name:"张三"})-[:FRIENDS_WITH*1..]-(friend:User)
WHERE friend <> zhangsan
RETURN DISTINCT friend.name LIMIT 10;  // 最多返回10个朋友

 

4. 过滤路径中的节点 / 关系

用 all()/any() 过滤路径中所有 / 任意节点 / 关系是否满足条件：

// 查询张三的1-2度朋友，且路径中所有朋友年龄≥25
MATCH (zhangsan:User {name:"张三"})-[r:FRIENDS_WITH*1..2]-(friend:User)
WHERE friend <> zhangsan
  AND all(node IN nodes(r) WHERE node.age >= 25)  // nodes(r) 获取路径中所有节点
RETURN friend.name;

 

四、常见错误与避坑

1. 类型不匹配（之前的报错）

• 错误写法：length((a)-[:FRIENDS_WITH*]-(b))
   
  原因：* 无边界，返回多条路径（List<Path>），length() 仅接收单条 Path
• 修复：用 shortestPath() 取单条路径，或用 WITH 处理路径列表

2. 性能爆炸（无最大深度）

• 错误写法：MATCH (a)-[:FRIENDS_WITH*]-(b)
   
  风险：遍历全图所有路径，数据量大时直接超时
• 避坑：必须指定最大深度（如 *1..3），根据业务场景限制深度（一般不超过 5）

3. 包含自身节点

• 错误：MATCH (a)-[:FRIENDS_WITH*0..2]-(b)
   
  问题：*0 会匹配 a 本身（0 度关系）
• 避坑：要么深度从 1 开始（*1..2），要么用 WHERE a <> b 排除自身

五、总结：深度查询最佳实践

1. 明确深度边界：始终指定最大深度（如 *1..3），避免无上限遍历
2. 关系方向按需选择：双向关系用无箭头（()-[]-()），单向关系用箭头（->）
3. 计算度数用最短路径：shortestPath() 确保度数准确，避免多路径干扰
4. 必去重 + 排重：用 DISTINCT 去重重复节点，ORDER BY 优化结果展示
5. 过滤路径属性：用 all()/any() 筛选符合条件的路径，减少无效结果

 

通过以上语法和技巧，可灵活实现 1 度、多度关联查询，适配社交关系、推荐系统、知识图谱等场景的深度遍历需求。