概述

K邻子句khop().src().depth()查询从一个点经过最短K步（K条边）能到达的邻居点，即该起点的K步邻居（简称K邻）。

K邻是图论基本概念之一。上图中，点B、C、D是点A的1步邻居，点E、F、G是点A的2步邻居，点H是点A的3步邻居。

K值是唯一的，取决于两点间最短路径的长度。例如，虽然点A、C间存在多条路径（A-C、A-D-C、A-D-E-C），但最短距离是1，因此点C是点A的1步邻居。查询点A的其他步K邻时，不应出现点C。

K邻查询结果应该去重。例如，点A、E间存在两条长度为2的最短路径，但查询点A的2步邻居时，点E只应出现一次。

嬴图使用BFS（广度优先）的方式查找最短路径，进而得到K邻。K邻查询是经过改良大幅提高性能的图近邻查询，在查询节点的邻居节点时，建议使用K邻而非其他等价的路径查询方法。

语法

• 子句别名：NODE类型
• 方法：

使用node_filter()或edge_filter()排除一部分点或边后，图结构会发生改变，从而影响查询结果。详见过滤点和过滤边示例。

示例

示例图集

在一个空图集中逐行运行以下语句创建示例图集：

create().edge_property(@default, "weight", int32)
insert().into(@default).nodes([{_id:"A", _uuid:1}, {_id:"B", _uuid:2}, {_id:"C", _uuid:3}, {_id:"D", _uuid:4}, {_id:"E", _uuid:5}, {_id:"F", _uuid:6}])
insert().into(@default).edges([{_uuid:1, _from_uuid:1, _to_uuid:3, weight:1}, {_uuid:2, _from_uuid:5, _to_uuid:2 , weight:1}, {_uuid:3, _from_uuid:1, _to_uuid:5 , weight:4}, {_uuid:4, _from_uuid:4, _to_uuid:3 , weight:2}, {_uuid:5, _from_uuid:5, _to_uuid:4 , weight:3}, {_uuid:6, _from_uuid:2, _to_uuid:1 , weight:2}, {_uuid:7, _from_uuid:6, _to_uuid:1 , weight:4}])

设置查询深度

查找点D的3步邻居。

khop().src({_id == "D"}).depth(3) as n
return n{*}

结果：

查找点D的1~3步邻居。

khop().src({_id == "D"}).depth(:3) as n
return n{*}

结果：

同时返回起点

查找点D的1~2步邻居，并返回点D自身。

khop().src({_id == "D"}).depth(0:2) as n
return n{*}

结果：

过滤点

要求不经过点E，查找点D的3步邻居。

khop().src({_id == "D"}).depth(3).node_filter({_id != "E"}) as n
return n{*}

结果：

排除点E（及其邻边）后，点B才成为点D的3步邻居。

过滤边

要求不经过5号边，查找点D的3步邻居。

khop().src({_id == "D"}).depth(3).edge_filter({_uuid != 5}) as n
return n{*}

结果：

排除5号边后，点E和B才成为点D的3步邻居。

规定边方向

查找点D的1~2步邻居，要求经过的所有边方向为右。

khop().src({_id == "D"}).depth(:2).direction(right) as n
return n{*}

结果：

src()调用别名

查找点D和点F的1步邻居。

find().nodes({_id in ["D", "F"]}) as start
khop().src(start).depth(1).direction(right) as n
return table(start._id, n._id)

结果：

使用limit()

查找3个点D的1~3步邻居。

khop().src({_id == "D"}).depth(:3).limit(3) as n
return n{*}

结果：

K邻子句按照由近及远的顺序返回起点的K邻，首先返回1步邻居，其次是2步邻居、3步邻居。

使用OPTIONAL

查找点A和D的2步邻居，要求经过的所有边方向为右。无结果时返回null。

find().nodes({_id in ["A", "D"]}) as start
optional khop().src(start).depth(2).direction(right) as n
return table(start._id, n._id)

结果：