Cayley图数据库的可视化（Visualize）

摘要：本文将继续上篇文章的旅程，给读者介绍如何在图数据库中实现查询结果的可视化。下面，让我们一起来探究的奥秘吧查询结果可视化图数据库的查询语句的参考网址为。我们使用的数据仍来自文章图数据库的简介及使用。

  在文章Cayley图数据库的简介及使用中，我们已经了解了Cayley图数据库的安装、数据导入以及进行查询等。
  Cayley图数据库是Google开发的开源图数据库，虽然功能还没有Neo4J来得那么强大，但也有很多新的功能等待着我们去探索。本文将继续上篇文章的旅程，给读者介绍如何在Cayley图数据库中实现查询结果的可视化。
  下面，让我们一起来探究Cayley的奥秘吧~

  Cayley图数据库的查询语句的参考网址为：https://github.com/cayleygraph/cayley/blob/master/docs/GizmoAPI.md 。 若想实现查询结果的可视化，则需要使用Tag()函数，返回的结果样式应当如下：

[
{
  "source": "node1",
  "target": "node2"
},
{
  "source": "node1",
  "target": "node3"
},
]

即返回的结果中对节点会打上Tag，source为来源，颜色为蓝色，target为目的地，颜色为橙色。
  我们使用的数据仍来自文章Cayley图数据库的简介及使用 。 首先导入数据：

./cayley load -c cayley_example.yml -i data/China_Movie.nq

接着启动查询语句的web界面：

./cayley http -i ./data/China_Movie.nq -d memstore --host=:64210

在浏览器中输入网址：http://localhost:64210 ，选择Visualize，

输入命令：

g.V("<沈腾>").Tag("source").Out("").Tag("target").All();

就能能到关系图的可视化结果了，如下：

  接着我们来查看某个实体的所有属性及属性值，输入的命令如下：

var eq = "<流浪地球>";
var attrs = g.V(eq).OutPredicates().ToArray(); 

values = new Array();
for (i in attrs) {
    var value = g.V(eq).Out(attrs[i]).ToValue();
    values[i] = value;
}

var s = new Array();


for (i in attrs) {
  var key_val_json = new Object();
  key_val_json["id"] = values[i];
  key_val_json["source"] = eq;
  key_val_json["target"]= attrs[i]+":"+values[i];
  s[i] = key_val_json;
}

for (i =0; i< s.length; i++) {
    g.Emit(s[i]);
}

出来的图如下：

这样我们就实现了Cayley图数据库的可视化，但是效果一般，而且不支持对边赋值，因此无法在边上显示关系。

  利用D3.js，我们可以把查询到的结果，自己来画关系图。笔者主要参考的项目的Github地址为： https://github.com/ownthink/KG-View/blob/master/index.html 。我们只需要将查询到的结果复制粘贴到该HTML文件中即可。还是以《流浪地球》的所有属性及属性值为例，查询的命令如下：

var eq = "<流浪地球>";
var attrs = g.V(eq).OutPredicates().ToArray(); 

values = new Array();
for (i in attrs) {
    var value = g.V(eq).Out(attrs[i]).ToValue();
    values[i] = value;
}

var s = new Array();

for (i in attrs) {
  var key_val_json = new Object();
  key_val_json["source"] = eq;
  key_val_json["rela"] = attrs[i];
  key_val_json["target"] = values[i];
  key_val_json["type"] = "resolved";
  s[i] = key_val_json;
}

for (i =0; i< s.length; i++) {
    g.Emit(s[i]);
}

返回的结果如下：

{
    "result": [
        {
            "rela": "",
            "source": "<流浪地球>",
            "target": "",
            "type": "resolved"
        },
        {
            "rela": "",
            "source": "<流浪地球>",
            "target": "2",
            "type": "resolved"
        },
        {
            "rela": "",
            "source": "<流浪地球>",
            "target": "/item/%E6%B5%81%E6%B5%AA%E5%9C%B0%E7%90%83",
            "type": "resolved"
        },
        {
            "rela": "",
            "source": "<流浪地球>",
            "target": "40.83亿",
            "type": "resolved"
        },
        {
            "rela": "",
            "source": "<流浪地球>",
            "target": "46",
            "type": "resolved"
        },
        {
            "rela": "",
            "source": "<流浪地球>",
            "target": "50",
            "type": "resolved"
        },
        {
            "rela": "",
            "source": "<流浪地球>",
            "target": "2019.02.05",
            "type": "resolved"
        }
    ]
}

将result的结果数组复制粘贴至index.html文件，内容如下：

在浏览器中打开，效果如下：

这个绘图的效果会比Cayley自带的效果好一些，但功能还是有限。

  网上关于Cayley的相关资料比较少，基本只有官方文档和社区作为参考。本文所讲述的内容如有不足之处，还请读者多多指教~另外，关于Cayley的可视化，如读者有更好地办法实现，也欢迎告知笔者~

注意：不妨了解下笔者的微信公众号： Python爬虫与算法（微信号为：easy_web_scrape）， 欢迎大家关注~