TITAN：识别并删除图中的重复顶点

Question

我在 Cassandra 上使用 TITAN 0.4，我已经索引了我的密钥（在我的例子中是“ip_address”），但作为非唯一的，以提高性能和可扩展性。 现在的挑战是图允许重复顶点。 我正在运行一个后台任务，通过遍历所有顶点来清理图中的重复顶点。 识别图中重复顶点的最佳方式或方法是什么。 生产中的图估计大小在10M~15M顶点左右，甚至更多。 TITAN 索引中是否存在任何有助于轻松识别重复项的功能？ 提前致谢

索引创建 Gremlin 脚本

g.makeKey("ip_address").dataType(String.class).indexed("standard",Vertex.class).make();

Answer 1

我将从 Titan/Hadoop 工作开始：

g.V().ip_address.groupCount()

然后使用那些计数 > 1 的 IP 地址在 OLTP 模式下清理/合并重复的顶点。