参考：https://blog.csdn.net/CSDN___LYY/article/details/ 

背景：

目前图数据库领域最主流的两种查询语言为 Cypher 和 Gremlin。Cypher 是数据库Neo4j中实现的属性图数据查询语言。与SPARQL一样，Cypher 也是一种声明式语言，即用户只需要声明“查什么”，而无须关心“怎么查”。

Gremlin是Apache TinkerPop图计算框架提供的属性图查询语言。 Apache TinkerPop被设计为访问图数据库的通用API接口，其作用类似于关系数据库上的JDBC接口。Gremlin的定位是图遍历语言，其执行机制好比是一个人置身于图中沿着有向边，从一个节点到另一个节点进行导航式的游走。这种执行方式决定了用户使用Gremlin需要指明具体的导航步骤。

由于的笔者设计的知识图谱后端存储方案是利用janusgraph图数据库，而janusgraph使用的查询语言是Gremlin，本文重点针对对Gremlin的学习。

图数据模型示例：

  
讯享网

一：gremlin查询过程

gremlin的查询是流式查询，一步一步的进行下去，当然这里的“一步”可能是一个方法（g.V().has()）也可能是多个方法组成的一步(g.V().order().by(desc,‘age’))。下面看一个案例

g.V().has('code','AUS').out().value('name','age').order().by('age',desc) 

步骤解读
第一步：g.V() 标明是对图库中的所有节点进行操作的
第二步：has(‘code’,‘AUS’) 获取包含属性code并且该属性的值为AUS的所有节点
第三步：out() 获取上个结果集中所有节点的出边对应的节点
第四步：value(‘name’,‘age’) 获取上个结果集中所有节点的name和age属性值
第五步：order().by(‘age’,desc) 对结果集根据age进行降序排序
从上面便可以看出gremlin流式执行的特征，这使得gremlin的查询语句可以十分的灵活，从而满足我们的各种查询需求。想要了解更多全面的查询方法，可以看英文官网：http://kelvinlawrence.net/book/Gremlin-Graph-Guide.html#_introduction

二：常用的查询方法

1、首先，这里的g.V()中的g为遍历实例，其创建为：

讯享网graph = TinkerGraph.open() g = graph.traversal() 

2、V（）与E（）

在下面的例子中，你会发现几乎每一个查询的开始都会有他们的存在
V()代表查看图中的所有节点，接下来的操作是对节点进行操作的
E()代表图中的所有边，接下来的操作就是对边操作的

3、使用value获取节点的某一个属性值

g.V().has('code','AUS').out().value('name','age') //获取AUS的出边对应节点的name和age属性的值 g.V().has('code','AUS').out().value() //显示所有的属性值 

4、使用has、hasNot获取（不）包含某一属性值的节点

讯享网g.V().has('code','AUS') //获取拥有code属性并且其属性值为AUS的节点 g.V().has('user','code','AUS') //相当于 g.V().hasLabel('user').has('code','AUS') g.V().hasNot('name') //获取所有不包含name属性的节点，等同于g.V().not(has('name')) 

5、使用 hasLabel获取label为某值得节点

g.V().hasLabel("user") //获取label为user的节点 

6、使用hasNext方法判断两个节点中是否有查询的边

• 返回值为boolean类型参数，存在则返回true，不存在则false

讯享网g.V().has('code','AUS').out('route').has('code','DFW').hasNext() true g.V().has('code','AUS').out('route').has('code','SYD').hasNext() false 

7、使用range()获取某一范围内的数据

g.V().hasLabel('airport').range(0,2) //输出结果集中1，2个节点 g.V().hasLabel('airport').range(3,6) //输出结果集中4，5，6个节点 g.V().range(3500,-1) //输出结果集中3500往后的所有节点 

8、使用skip跳跃节点查找

讯享网g.V().has('region','US-TX').skip(5) //跳过节点集中的前5条数据，从第六条开始，效果等同于下面的语句 g.V().has('region','US-TX').range(5,-1) 

9、使用order对结果集进行排序

g.V().has('code','AUS').out().order().by() g.V().has('code','AUS').out().order(local). g.V().has('code','AUS').out() g.V().has('code','AUS').out() 

10、使用 out，in进行查找结点的出边和入边所对应的节点

讯享网g.V().has('code','AUS').out() //获取AUS的节点所有出边对应的节点 g.V().has('code','AUS').out("brought") //获取AUS节点所有边关系为“brought”的出边对应的节点 g.V().has('code','AUS').in() //获取AUS的节点所有入边对应的节点 g.V().has('code','AUS').in("brought") //获取AUS节点所有边关系为“brought”的入边对应的节点 

11、使用count、groupCount对结果集计数

g.V().has('code','AUS').out().count() //获取AUS节点的出边的个数 g.V().has('code','AUS').out().groupCount().by("name") //根据结果集的name属性的值进行分组计数，最终结果类似于：[a:1,b:3,r:6] 

12、使用dedup进行去重

讯享网g.V().has('code','AUS').out().out().dedup().count() //步骤解读： 1：获取AUS节点的两度出节点，用dedup对结果进行去重 2：使用count()对结果集进行计数