2.3 关系穿越与变长路径：走向纵深

2.3 关系穿越与变长路径

本节摘要：当"隔几层"不确定时，固定模式就不够用了。本节讲 Cypher 的三个纵深武器：变长路径 *1..n 表达任意深度、OPTIONAL MATCH 实现"没找到也返回"的左连接语义、WITH 把一段漫游的中间结果传给下一段并就地聚合。三者合用，才能把开放式的图问题写成稳定可控的查询。

前两节的查询深度都是写死的。现实里最常见的图问题恰恰深度未知：社交链路隔几层、组织的汇报链有多长、资金穿了几道手。本节把漫游从"走一步、走两步"推进到"走到底、走成路径"。

变长路径：* 的三种写法

在关系类型后加 *，即声明这一段可重复穿越：

// 写法一：*n 恰好 n 层——恰好两层的推荐关系
MATCH (p:Person {name: 'Tom Hanks'})-[:ACTED_IN*2]->(m:Movie)
RETURN p.name, m.title
​

p.name      | m.title
------------|--------
"Tom Hanks" | "Cloud Atlas"   -- 经由另一部影片中转的"二度关系"，示例图数据不同结果各异
​

// 写法二：*1..3 一到三层；写法三：* 无上界（危险，稍后解释）
MATCH path = (a:Person {name: 'Keanu Reeves'})-[:ACTED_IN*1..3]-(b:Person)
WHERE a <> b
RETURN length(path) AS 层数, count(*) AS 可达人数
​

层数 | 可达人数
-----|---------
1    | 9
2    | 41
3    | 118
​

path 变量把整条路径绑定下来，length() 取长度，nodes(path)、relationships(path) 分别取节点序列与关系序列——排查"路径怎么走出来的"时这组函数最好用。

图：变长路径的扩展过程

无上界的 * 是新手第一性能杀手。 稠密社交图上一个 * 可能展开百万级路径。纪律只有一条：永远给上界，配合 WHERE 在中途剪枝；确需"走到底"的场景，交给第 6 章的 GDS 图算法而不是裸 Cypher。

OPTIONAL MATCH：没找到也要出结果

普通 MATCH 匹配失败会整行丢弃；OPTIONAL MATCH 则像 SQL 的左连接——主行保留，缺失部分填 null：

// 每部电影都返回；没导演的电影 director 为 null
MATCH (m:Movie)
OPTIONAL MATCH (d:Person)-[:DIRECTED]->(m)
RETURN m.title, d.name AS director ORDER BY director IS NULL DESC LIMIT 4
​

m.title             | director
--------------------|---------
"Uncharted"         | null
"The Matrix"        | "Lana Wachowski"
"Forrest Gump"      | "Robert Zemeckis"
​

典型用法是补全信息而非筛选主问题——先 MATCH 主干，再 OPTIONAL MATCH 挂装饰性的旁支，主结果不会被旁支缺席绑架。

WITH：把一段漫游递给下一段

WITH 是查询内部的管道口：它像 RETURN 一样聚合、排序、筛选中间结果，再把结果作为下一程 MATCH 的输入。一个两段式问题："先找出参演人数最多的电影，再找这些电影里 1970 年后出生的演员"：

MATCH (:Person)-[:ACTED_IN]->(m:Movie)
WITH m, count(*) AS castSize
WHERE castSize >= 3
MATCH (a:Person)-[:ACTED_IN]->(m)
WHERE a.born >= 1970
RETURN m.title, collect(a.name) AS 年轻演员
​

m.title          | 年轻演员
-----------------|------------------------
"The Matrix"     | ["Keanu Reeves", "Carrie-Anne Moss"]
​

第一段算出每部电影的人数，WHERE castSize >= 3 就地过滤；第二段在缩小后的电影集合上继续漫游，最后 collect 收演员名单。没有 WITH，这两件事只能拆成两条查询在应用层拼接。

WITH 后接 DISTINCT 或聚合，是消除多路 MATCH 笛卡尔积的标准解法：先在 WITH 处收拢成"每部一行"，再展开下一段。

综合演练：朋友的朋友喜欢的电影

把三件武器合起来，重写 1.1 里那道产品题，并输出推荐理由：

// 两段式：先收拢二度人脉及其喜欢的电影，再剔除已看过
MATCH (me:Person {name: 'Alice'})-[:FRIENDS_WITH*1..2]-(friend:Person)
WHERE friend <> me
WITH DISTINCT me, friend
MATCH (friend)-[:LIKES]->(m:Movie)
WHERE NOT (me)-[:WATCHED]->(m)
RETURN m.title, count(friend) AS 支持人数
ORDER BY 支持人数 DESC, m.title
​

m.title           | 支持人数
------------------|---------
"The Matrix"      | 3
"Inception"       | 2
​

变式：想知道推荐理由来自哪一层的连接，把 *1..2 改写成两段独立 MATCH 分别计数即可；想知道路径本身，给第一程绑定 path 变量并输出 nodes(path)。