Почему neo4j предупреждает: "Этот запрос создает декартово произведение между отключенными шаблонами"?

Я определяю связь между двумя объектами, Gene и Chromosome, в том, что я считаю простым и обычным способом, после импорта данных из CSV:

MATCH (g:Gene),(c:Chromosome)
WHERE g.chromosomeID = c.chromosomeID
CREATE (g)-[:PART_OF]->(c);

Тем не менее, когда я это делаю, neo4j (браузер UI) жалуется:

Этот запрос создает декартовое произведение между несвязанными шаблонами. Если часть запроса содержит несколько несвязанных шаблонов, это приведет к созданию декартова продукта между всеми этими частями. Это может привести к большому количеству данных и замедлить обработку запросов. Иногда изредка можно переформулировать запрос, который позволяет избежать использования этого перекрестного продукта, возможно, путем добавления отношения между различными частями или с помощью ДОПОЛНИТЕЛЬНОГО МАТЧИ (идентификатор: (c)).

Я не понимаю, в чем проблема. chromosomeID - очень простой внешний ключ.

Ответ 1

Браузер сообщает вам, что:

Он обрабатывает ваш запрос, проводя сравнение между каждым экземпляром Gene и каждым экземпляром Chromosome. Если ваша БД имеет гены G и хромосомы C, тогда сложность запроса O(GC). Например, если мы работаем с геномом человека, есть 46 хромосом и, возможно, 25000 генов, поэтому БД должна была бы выполнить сравнения 1150000.
Возможно, вы сможете улучшить сложность (и производительность), изменив ваш запрос. Например, если создал индекс на :Gene(chromosomeID) и изменил запрос так, чтобы мы первоначально согласовали только с node с наименьшей мощностью (46 хромосом), мы выполнили бы только O(G) (или 25000) "сравнения", и эти сравнения фактически были бы быстрыми поисками индекса! Это подход должен быть намного быстрее.

Как только мы создали индекс, мы можем использовать этот запрос:
```
MATCH (c:Chromosome)
WITH c
MATCH (g:Gene) 
WHERE g.chromosomeID = c.chromosomeID
CREATE (g)-[:PART_OF]->(c);
```
Он использует предложение WITH, чтобы принудительно выполнить первое предложение MATCH, избегая декартова продукта. Второе предложение MATCH (и WHERE) использует результаты первого предложения MATCH и индекс, чтобы быстро получить точные гены, принадлежащие каждой хромосоме.

Ответ 2

Как отмечает logisima в комментариях, это всего лишь предупреждение. Соответствие декартова продукта медленное. В вашем случае это должно быть хорошо, так как вы хотите подключить ранее не подключенные узлы Gene и Chromosome, и вы знаете размер декартова продукта. Не так много хромосом и небольшого числа генов. Если бы вы использовали MATCH, например. гены на белки могут вызвать удар.

Я думаю, что предупреждение предназначено для других проблемных запросов:

если вы MATCH декартовой продукт, но вы не знаете, есть ли связь, которую вы могли бы использовать OPTIONAL MATCH
если вы хотите MATCH как Gene, так и Chromosome без каких-либо отношений, вы должны разделить запрос

Если ваш запрос занимает слишком много времени или не заканчивается, вот еще один вопрос, дающий некоторые подсказки по оптимизации декартовых продуктов: Как оптимизировать запросы Neo4j Cypher с несколькими совпадениями node (Декартовый продукт)