由于对图数据库不熟悉，我们在向图数据录入数据时发现录入速度不符合要求
我们的录入思路是：
录入节点的同时，顺便构建该节点与其他节点的边，使用了neo4j apoc语法可以一句话实现，而且构建出的边还不会导致图产生回环
这个方法已经比我们自己写程序实现录入节点，再通过查询构造边的方法快了一些，可是速度还是很慢，在数据量在几十万的时候，基本1秒创建一个节点和相关的边，这个速度远远跟不上数据产生的速度
想法1
将节点数据录入与构建关系分开，因为录入节点数据应该不会这么慢，慢的是新节点进入后，创建边的过程，这个数据处理还是行级处理，每次有新节点进入都要执行一边查询
先将一个批次所有节点数据录入，然后对所有节点数据执行一次边构建
难点1
批量数据构建边很难保证图数据不产生回环，想要保证节点边最后生成的是树，这个思路需要修改一下
想法2
按照生成树的想法构建边，分为2个步骤
1. 根据节点属性分组，每个分组作为一个节点集合，集合内节点数量需要＞1
2. 遍历每个集合，将集合内的第一个节点作为根节点，剩余节点作为叶节点，构建边
将这个想法告诉AI，来构造我们不熟悉的cypher语句
AI用不到5行代码实现了我们的这个思路，实测可行，且执行速度在几秒钟，比最早先的思路快了好几个级别
难点2
这个想法解决了生成边的速度慢，容易产生回环的问题，还有一个问题还需要后续测试求证，当有新的节点加入，这个代码执行时，不知道第一个节点的位置会不会迁移到其他节点上，如果每次执行该代码，新节点都会扰乱现有节点排序，那么还是会在重新构建边的时候产生环型图，生成多余的边
针对这个问题我们有2个假设
1. neo4j得到的节点集合是有序的，默认按照id排序，因此第一个节点的位置不会改变
2. 在第1个假设成立的基础上，有新节点加入图数据，重新执行生成边代码，不会产生多余的边
这两个假设成立的话，我们就可以继续使用这个代码进行数据构建，如果这两个假设不成立，我们还得继续找新的思路，来保证生成树的图数据结构，这些就留待后续测试吧
