Агрегирование данных при переходе от корневого узла ко всем узлам и обратно в базе данных графа OrientDB

Это решение может приблизить вас к тому, что вам нужно, хотя я не уверен, что оно точно подходит, поскольку оно позволяет вам вычислять среднее значение только на выбранном уровне иерархии (то есть на «A» или «A1»). Вот мой сеанс Гремлина:

gremlin> g = new TinkerGraph()
==>tinkergraph[vertices:0 edges:0]
gremlin> a = g.addVertex("a")  
==>v[a]
gremlin> a1 = g.addVertex("a1")
==>v[a1]
gremlin> a2 = g.addVertex("a2")
==>v[a2]
gremlin> a.addEdge('has',a1)    
==>e[0][a-has->a1]
gremlin> a.addEdge('has',a2)
==>e[1][a-has->a2]
gremlin> a1.addEdge('relationship',g.addVertex("a11",[points:20]))
==>e[2][a1-relationship->a11]
gremlin> a1.addEdge('relationship',g.addVertex("a12",[points:20]))
==>e[3][a1-relationship->a12]
gremlin> a2.addEdge('relationship',g.addVertex("a21",[points:100]))
==>e[4][a2-relationship->a21]
gremlin> a2.addEdge('relationship',g.addVertex("a22",[points:0]))  
==>e[5][a2-relationship->a22]
gremlin> p=g.v("a").out.loop(1){it.loops<10}{true}.path.filter{it.last().getProperty("points")!=null}.toList()               
==>[v[a], v[a2], v[a22]]
==>[v[a], v[a2], v[a21]]
==>[v[a], v[a1], v[a12]]
==>[v[a], v[a1], v[a11]]
gremlin> p.collect{[it, it.last().getProperty("points")]}._().groupBy{it[0][0]}{it[1]}{it.sum()/it.size()}.cap.next()
==>v[a]=35
gremlin> p.collect{[it, it.last().getProperty("points")]}._().groupBy{it[0][1]}{it[1]}{it.sum()/it.size()}.cap.next()
==>v[a1]=20
==>v[a2]=50

Итак, эта строка дает нам пути, которые имеют значение (т.е. те, которые заканчиваются листовым узлом, имеющим points:

p=g.v("a").out.loop(1){it.loops<10}{true}.path.filter{it.last().getProperty("points")!=null}.toList()

Я сохраняю их в p для дальнейшего использования. Обратите внимание, что это будет исследовать дерево на глубину 10, как это контролируется it.loops<10. Отсюда довольно просто использовать p для вычисления средних значений. Вот пример его расчета для A:

p.collect{[it, it.last().getProperty("points")]}._().groupBy{it[0][0]}{it[1]}{it.sum()/it.size()}.cap.next()

Вышеупомянутое в основном говорит, что для каждого пути преобразуйте его в новый список, где первый элемент - это путь, а второй элемент - это точки в листовом узле. Преобразуйте этот список в конвейер с функцией идентификации и сгруппируйте по первому элементу пути (обозначенному it[0][0]) и возьмите значение точек (второе замыкание на groupBy) для этого пути. Третье замыкание на groupBy - это функция-редуктор, которая суммирует баллы и вычисляет на их основе среднее значение.

Другой альтернативой, если вам нужно рассчитать только среднее значение для одной вершины, был бы такой подход:

gremlin> g.v("a").out.loop(1){it.loops<10}{true}.path{it.points}.filter{it.last()!=null}
                 .transform{it.last()}.gather.transform{it.sum()/it.size()}
==>35

Обратите внимание, что обход в основном такой же в начале, но использует закрытие при захвате пути. Это замыкание преобразует вершину в значение свойства points (обратите внимание, что использование it.getProperty("points") намного эффективнее, чем it.points). Оттуда я снова отфильтровываю пути, которые имеют нулевое значение, последний элемент в пути (т.е. поскольку листовые узлы являются единственными, у которых есть свойство точек, это должно оставить нам пути, которые заканчиваются листьями). Затем я преобразовываю эти пути, чтобы получить точки, собрать их в список и преобразовать список в средние точки для «А».

Вы можете начать с просмотра инструкции Traverse и сохранить средние точки: - в родительских вершинах или - в контексте времени выполнения

Написав несколько строк на Java (или Javascript), будет проще использовать Java Traverse .

Пример обхода всех узлов на выходе, начиная с узла A, предполагая, что A является свойством name (я предлагаю проиндексировать свойство «name» для более быстрого поиска):

traverse out('has_a') from (
  select from Node where name = 'A'
)

С помощью этого запроса вы создаете карту в памяти с ключом = записью и значением = средним значением базовых узловых точек:

select avg( out('has_a').points ) ) as total_points from (
  traverse out('has_a') from (
    select from Node where name = 'A'
  )
)

Это работает, только если все узлы под «A» уже имеют точки.