当遇到展示小规模图谱时，使用 Nextworkx 和 GraphML 是一种性价比很高的解决方案。 GraphML 是通用的图数据交换格式，负责图数据的存储和跨工具共享。 NetworkX 是 Python 中一个强大的 网络（图）分析与操作库，它可以处理 GraphML ，还提供丰富的图算法。 本文使用 Nextworkx 实现查询 GraphML 图数据的功能。 查询根节点，支持分页 查询某个节点的子图结构：即它的子节点以及子节点对应的边和下一级节点 ...
在实际项目中，我们经常会遇到类似下面的查询图数据库的需求： 查询根节点，根节点可能有多个，需要分页 点击根节点，查询其子节点以及子节点关联的边和更下一层的子节点 本文使用 pyHugeGraph 实现上述查询 HugeGraph 图数据库的功能。 ...
elasticsearch 在使用 from + size 这种方式进行分页查询时，因为 index.max_result_window 的默认值是 10K，所以当查询的文档超过第10K个文档时，会报错：Result window is too large… 当然，我们可以调整index.max_result_window的大小，不过这种办法会导致查询效率降低和内存占用增加。 本文讲述了在 elasticsearch 中包含几十万乃至上百万的大数据量时，使用 search_after 进行深度分页的方法。 ...