GQL图查询语言语法概览

2024年4月，国际标准化组织(ISO)与国际电工委员会(IEC)共同发布了编号为ISO/IEC 39075:202的图查询语言标准 GQL(Graph Query Language)，这是继 ISO 发布第一版 SQL 37年后第二个数据库查询语言标准。目前，国际关联数据基准委员会（Linked Data Benchmark Council，以下简称LDBC）官网上已经发布了GQL相关的语法解析工具和基于antlr的文法文件。预计在GQL的影响下，图厂商会加强对GQL的支持力度，开发者后续进行图分析会更加方便。

笔者发现，目前网上对GQL相关语句的示例比较少，于是读了GQL标准文档，并试着写了一些符合GQL标准语法的语句，与大家分享。希望后面有越来越多的介绍GQL的相关文章，一方面让开发者了解图查询语言，进而了解图可以解决什么问题；另一方面，让图厂商了解GQL标准，推动GQL更快的普及。

注1：本文涉及的所有GQL语句，都在https://opengql.github.io/editor/上解析通过。GQL除了语法规则，还存在一部分语义约束，部分语句符合语法规则，但可能会违反语义约束，请读者自行甄别。
注2：本文只是GQL语法功能和应用场景探讨，不涉及某个特性在某个具体图产品上的具体实现讨论。

GQL语法介绍

本文集中对GQL的图管理、数据修改、数据查询、表达式这几部分给出语句示例,涵盖标准的12-20章的内容，每一部分会先尝试描述支持的特性，然后给出语句示例。
下列特性本文只是部分涉及，不做重点描述：

• Session管理 （第7章）和事务（第8章）
• 复杂引用类型和字面量（Literal）规则（17章、21章）
• 语句返回状态和诊断（23章）
• Binding Variable Definition Block(第9章)

图管理语句

图管理语句描述集中在标准的第12章，GQL提供了对图SCHEMA管理、图管理和图上点边类型管理三部分内容。

SCHEMA管理

SCHEMA管理(GC01)允许一个图数据库实例创建一个或多个SCHEMA，一个SCHEMA下可以创建多个图，不同的SCHEMA实现资源的隔离，从语义上支持逻辑多租。
创建一个图SCHEMA，使用下列语句：

CREATE SCHEMA IF NOT EXISTS /catelog/one_schema_name

其中if not exists是一个可选的语法（GC02)。
删除图SCHEMA，使用下列语句：

DROP SCHEMA IF EXISTS /catelog/one_schema_name

图管理

GQL同时兼容强类型图(Closed Graph Type，如GES）和弱类型图（Open Graph Type，如Neo4j)，因此创图语句也同时支持两种类型的图。
创图-弱类型图

CREATE OR REPLACE GRAPH /catelog/one_schema_name/graph_name TYPED ANY

或者

CREATE GRAPH /catelog/one_schema_name/graph_name ::ANY

GQL中支持使用typed关键字或者::关键字指定类型。
创图-强类型图

CREATE GRAPH /catelog/one_schema_name/graph_name :: one_graph_type

或者在创图语句定义类型(GG03)：

CREATE GRAPH graph_name TYPED graph {
  (customer:Customer => {id::STRING, name::STRING}),
  (account:Account => {no1 TYPED STRING, acct_type TYPED STRING }),
(customer)-[:HOLDS]->(account),
(account)-[:TRANSFER {amount::INTEGER}]->(account)
}

此外，还支持引用其他图类型(GG04)，以及创图时拷贝其他图类型的数据：

CREATE GRAPH graph_name LIKE another_graph AS COPY OF another_graph

其中AS COPY OF another_graph是可选语法项（GG05),表示数据拷贝，而like关键字（GG04)是表示的图上点边类型信息的拷贝。
删除图的逻辑比较简单，示例如下：

DROP GRAPH IF NOT EXISTS /catelog/schema_name/graph_name

其中IF NOT EXISTS是可选语法项（GC05)。

Graph Type管理

在GQL中，对于Closed Graph Type，提供了一套定义点边类型的能力。
这里有三点值得关注：

• 对点边类型，GQL认为点边的类型不一定等价于点边的Label（GG02)，即在某些情况下，类型可以表示为一组label sets和一组属性的定义的集合。
• GQL对无向边提供了支持（GH02)，通过波浪线可以定义某条类型的边是无向边。
• 如果启用了特性GG26, 不同type下的同名属性，允许支持不同类型。

一个典型的定义Graph Type的语句如：

CREATE GRAPH TYPE IF NOT EXISTS one_graph_type AS {
  (account:Account => {no1::STRING, acct_type::STRING }),
  (account)-[:Transfer {amount::INTEGER}]->(account),
  (account)~[:Transfer2 {amount::INTEGER}]~(account)
}

这里Account和Transfer都是Label名。
如果Account和Transfer是类型名，要这么写：

CREATE GRAPH TYPE IF NOT EXISTS one_graph_type AS {
 NODE Account(account{id::STRING, acct_type::STRING }),
 DIRECTED EDGE Transfer{amount::INTEGER} CONNECTING (account -> account),
 UNDIRECTED EDGE Transfer2{amount::INTEGER} CONNECTING (account ~ account)
}

如果图中类型信息包含了一组label信息(如支持可选特性GG02的图)，语句估计会这么写：

CREATE GRAPH TYPE IF NOT EXISTS one_graph_type AS {
 NODE Account(account:AccountA&AccountB{id::STRING, acct_type::STRING }),
 DIRECTED EDGE Transfer:Transfer{amount::INTEGER} CONNECTING (account -> account),
 UNDIRECTED EDGE Transfer2:Transfer2{amount::INTEGER} CONNECTING (account ~ account)
}

此外，也支持拷贝其他的graph_type,如：

CREATE GRAPH TYPE one_graph_type AS COPY OF graph_or_external_reference;
CREATE GRAPH TYPE one_graph_type LIKE like_graph;
CREATE OR REPLACE GRAPH TYPE one_graph_type LIKE like_graph;

删除Graph Type语法比较简单：

DROP GRAPH TYPE IF EXISTS /catelog/one_graph_type

数据修改语句

数据修改语句集中在第13章，和Cypher差异不大，这里只给出示例，不做过多描述。

// insert
USE graph_name INSERT (n:SomeLabel{prop1:'value1'})
INSERT (n:Account)-[r:Transfer{amount:10}]->(m:Account)
// set
MATCH (n:LabelA) WHERE element_id(n)='' SET n.prop='value1', n:LabelA, n =  {p1:'v1',p2:'v2'}
// remove
MATCH (n:LabelA) WHERE element_id(n)='' REMOVE n.prop, n:LabelA
// delete
MATCH p=(n)--(m) DELETE n,m
MATCH p=(n)--(m) DELETE nodes(p)

官方文档中，还有delete subQuery的语义（GD03)，因为之前没有类似的概念参考，所以这里不进行举例。

数据查询语句

在数据查询语句部分（第14章），GQL扩展了较多的能力，将文法文件读下来，感受有几点：

• 支持语句像电路一样串并联形成执行流水线，支持临时结果集，以及更灵活的子查询逻辑
• 支持多种路径模式，对查询意图的表达能力更强
• 支持变长路径（Quantified paths）以及嵌套变长路径查询，对时序图比较友好
• 支持SELECT关键字，使用SQL风格的文法查询图数据库

在开始介绍之前，首先枚举一下GQL涉及的查询类子句，以及Cypher中类似语义的子句或者关键字，方便了解Cypher的同学快速入门。

语句流水线

经常使用图查询来进行业务开发的同学可能会有这种需求，需要将同一个语句的结果（如Q1）作为输入同时给多条语句（如Q2和Q3)，然后将Q2和Q3的结果进行进一步加工处理，GQL提供了类似的能力，可以将若干语句像电路一样进行串联和并联，形成流水线执行。其中关键字如下：

• 并联：
  • UNION(GQ03)
  • OTHERWISE(GQ02)
  • EXCEPT(GQ04,GQ05)
  • INTERSECT(GQ07)
• 串联：
  • NEXT(GQ20)

例如下面的语句中，通过next和except关键字，检索了某个person的好友喜欢评论的帖子，都分布在哪些标签下，其中这些帖子不包含person自己早于$date时间创作的帖子。

MATCH (person)-[:KNOWS]->{2}(friend) WHERE element_id(n)=$personId RETURN person, friend
NEXT YIELD person, friend
MATCH (friend)<-[:HAS_CREATOR]-(comment:Comment)-[:REPLY_OF]->(post:Post) RETURN post
EXCEPT ALL
MATCH (person)<-[:HAS_CREATOR]-(post:Post) WHERE post.creationDate < $date0 RETURN post
MEXT YIELD post
MATCH (post)<-[:HAS_TAG]-(tag)
RETURN tag.name, count(*)

虽然Cypher也能表达相同的语义，但是，要么子查询会写的很复杂，要么受限于语句文法，会有重复遍历或者数据膨胀的问题。
从这一点上看，语句流水线这个特性，能大大缓解一部分Cypher做星型查询或者长链路查询时，由于查询路径上某一类点结果特别多，造成的数据膨胀以及反复遍历的问题。

Match子句

match子句GQL的描述，Neo4j官网已经介绍了很多内容。这里主要围绕四个特性进行介绍：

• 遍历模式
• 可变长路径
• 路径拼接
• 点边pattern和label过滤

遍历模式
GQL提供了match mode和path mode/search mode两类遍历模式，其中match mode只能写在每个match关键字后，path mode/search mode可以写在每条路径前，或者match语句后接的keep语句中，这里简要列一下文档中的语法规则。

<simple match statement> ::= MATCH <graph pattern binding table>
<graph pattern binding table> ::= <graph pattern> [ <graph pattern yield clause> ]
<graph pattern yield clause> ::= YIELD <graph pattern yield item list>
<graph pattern yield item> ::=
	<element variable reference>
	| <path variable reference>
<graph pattern> ::=
	[ <match mode> ] <path pattern list>
 	[ <keep clause> ]
 	[ <graph pattern where clause> ]
<path pattern list> ::=
	<path pattern> [ { <comma> <path pattern> }... ]
<path pattern> ::=
	[ <path variable declaration> ] [ <path pattern prefix> ] <path pattern expression>

提炼其中关于遍历模式相关的语法规则，简化后大概为：

<graph pattern> ::=
	[ <match mode> ]
    [ <path variable declaration> ] [ <path pattern prefix> ] <path pattern expression> 
    [ { <comma> [ <path variable declaration> ] [ <path pattern prefix> ] <path pattern expression> }... ]
    [ KEEP <path pattern prefix> ]
    [ <graph pattern where clause> ]

其中关于match mode和path pattern prefix，有如下规则：

<match mode> ::=
	<repeatable elements match mode>
	| <different edges match mode>
<path pattern prefix> ::=
	<path mode prefix>
	| <path search prefix>
<path mode prefix> ::=
	<path mode> [ <path or paths> ]
<path mode> ::=
	WALK
	| TRAIL
	| SIMPLE
	| ACYCLIC
<path search prefix> ::=
	<all path search>
	| <any path search>
	| <shortest path search>

关于Match Mode，可以看到起作用范围为整条match子句，有下列两种模式，根据模式名称可以大概猜出其含义：

其中Note 220提到了当match mode为DIFFERENT EDGES时，似乎是对Match后跟的path pattern数量有约束，即如果路径中出现selective path pattern，则当match mode为DIFFERENT EDGES时，path pattern list中只能有这一条path pattern。
这里给出match mode相关的例句：

MATCH DIFFERENT EDGES (n)-[r]->(m),(m)-[r1]->(s) WHERE element_id(n)='1'  RETURN count(*)
MATCH REPEATABLE ELEMENTS (n)-[r]->(m),(m)-[r1]->(s) WHERE element_id(n)='1'  return count(*)

关于path mode四种模式，其含义在聊聊超级快的图上多跳过滤查询文章中已经提到过，这里不再赘述。
至于path search prefix，可以用来约束查询数量以及是否优先返回最短路。
下面给出这些模式相关的例句：

这里有一个shortest group的概念（G020),其含义是将不同长度的路径分组，例如SHORTEST 3 GROUP就是将所有最短路、所有次短路以及除了最短路和次短路外的最短路返回，相关概念neo4j也解释的很好，可以参阅Neo4j - Shortest paths。

可变长路径
与Cypher不同，GQL提供可不一样的变长路径参数，相关例句Neo4j官网也有解释：

这里{1,3}还可以替换成*，{3}，+，?这样其他的表达方式，分别表示不限定跳数、固定跳数，至少1跳，存在性验证这样的场景。
这种改写方式，对时序图会更友好，想象一个列车中转的场景，要查询两班列车能否接续中转，可以用下列的写法：

MATCH (:Station)<-[:CALLS_AT]-(d:Stop)
      ((s:Stop)-[:NEXT0]->(f:Stop) WHERE s.time0 > f.time0){1,3}
      (a:Stop)-[:CALLS_AT]->(:Station)
RETURN d.departs AS departureTime, a.arrives AS arrivalTime

这里通过嵌套路径（G038)的where s.time0 > f.time0表达了路径上节点关系之间的强时序约束，可以用于微博转发分析、疫情传播分析等场景。在具体实现时，相关约束可以下推到遍历过程中。如果cypher要表达类似的语义，至少需要在所有路径产生后，使用ListComprehension语义和range枚举下标结合才能完成，且难以下沉到遍历过程中完成。
此外match语句的相关规则中，对无向边匹配也有相关描述，这里举个例子：

MATCH (a:Station)~[:CALLS_AT]~(d:Stop WHERE d.time0 > a.time0) RETURN d
MATCH (a:Station)~[:CALLS_AT]~>(d:Stop WHERE d.time0 > a.time0) RETURN d
MATCH (a:Station)<~[:CALLS_AT]~(d:Stop WHERE d.time0 > a.time0) RETURN d

此外还有些路径简写的例子，笔者没有做深入分析，只写几条通过了parser的示例语句：

路径拼接
GQL还支持对路径进行拼接，以及路径中使用|，以及|+|操作符，这里直接给例子：
G030 Path multiset alternation:

MATCH (p:Person)-[:LIVES_IN]->(c:City)|+|(p:Person)-[:LOCATED_IN]->(c:Place) RETURN p

GQ032 Path pattern union:

MATCH (p:Person)-[:LIVES_IN]->(c:City)|(p:Person)-[:LOCATED_IN]->(c:Place) RETURN p

以及查询结果的路径拼接(GE06)：

match p=(a)->(b),p1=(b)->(d) return p||p1
match (a)-[r]->(b),(b)-[r1]->(d) return PATH[a,r,b,r1,d]

点边pattern和label过滤
在GQL中，点边的属性过滤支持两种模式：

显然使用where表达过滤，能力会更为强大，当然，相关过滤条件也可以写在后面的where子句中。
此外label支持若干复杂的与或非操作，示例如下：

MATCH (a:Station|Stop) return a
MATCH (a:Station&Stop) return a
MATCH (a:(Station&Stop)|OtherLabel) return a
match (a:%) return a

这里%是wildcard label（G074), match (a:%) return a其含义是匹配有label的点，也就是在G074特性启用后，支持判断点上是否有label。

let子句

Let子句（GQ09)与cypher的with子句类似，这里只给一个示例：

MATCH (n) LET gender = n.gender RETURN gender

for子句

for子句与cypher的unwind类似，表示遍历某个可以遍历的结构，与unwind不同的是，for提供了一种类似于python中enumerate函数的用法，可以同时给出元素下标和索引值。
在官方文档中也同步说明，for语句中可以嵌套一个临时表结构，这里试着给出示例：
GQ10 FOR statement: list value support

MATCH (n:LabelA) WHERE n.age < 10 LET v=collect_list(n) FOR s IN v RETURN s 

GQ24 FOR statement: WITH OFFSET

MATCH (n:LabelA) WHERE n.age < 10 LET v=collect_list(n) 
FOR s IN v WITH OFFSET index 
RETURN index, s 

GQ23 FOR statement: binding table support

TABLE userActivity = {
     MATCH (u:User)-[a:ACTION]->()
     RETURN u.id AS userId, a.ts AS timestamps
 }
 FOR u IN userActivity RETURN u.userId, u.timestamps

GQ11 FOR statement: WITH ORDINALITY

TABLE userActivity = {
     MATCH (u:User)-[a:ACTION]->()
     RETURN u.id AS userId, a.ts AS timestamps
 }
 FOR u IN userActivity WITH ORDINALITY index 
 RETURN index,userId, timestamps

排序和分页子句

排序和分页相关语义与Cypher差异不大，GQL支持了排序时定义null的优先级（GA03),这里给出一个示例：

MATCH (n) RETURN n.name AS name ORDER BY name ASC NULLS FIRST, n.date0 DESC NULLS LAST

也同步给一个limit和offset的示例：

MATCH (n) RETURN n SKIP 10 LIMIT 10

return子句

GQL的结果返回子句中，除了支持order by之外，还可以支持group by子句(GQ15)，其他和Cypher差别不大，这里试着写一个sql风格的group by：

MATCH (n) LET type0=n.type0, name = n.name RETURN count(*) GROUP BY type0

select子句

在GQL文档中，提供了SQL风格的select子句，但是奇怪的是，select子句是在focused linear query statement语法规则下，而如果GQL没用启用GQ01 Use grpah相关的规则，focused linear query statement不应出现在GQL语句中，也就是说，select子句的特性是一组可选特性，但是select也可以有不显式声明使用某个graph的写法。
另一个奇怪的点在于，GQL提供了临时表的语法，但是select的语法规则中，其后必须跟一个match子句或者是嵌套子查询，而不能用来操作临时表，这就和SQL+Graph的设计理念有一些冲突。
先来看select的具体规则：

<select statement> ::=
SELECT [ <set quantifier> ] { <asterisk> | <select item list> }
     [ <select statement body>
     [ <where clause> ]
     [ <group by clause> ]
     [ <having clause> ]
     [ <order by clause> ]
     [ <offset clause> ] [ <limit clause> ] ]
<select item list> ::=
	<select item> [ { <comma> <select item> }... ]
<select item> ::=
	<aggregating value expression> [ <select item alias> ]
<select item alias> ::=
	AS <identifier>
<having clause> ::=
	HAVING <search condition>
<select statement body> ::=
	FROM { <select graph match list> | <select query specification> }
<select graph match list> ::=
	<select graph match> [ { <comma> <select graph match> }... ]
<select graph match> ::=
	<graph expression> <match statement>
<select query specification> ::=
	<nested query specification>
	| <graph expression> <nested query specification>

这样很容易写出一条符合语法规则的语句：

SELECT n.name AS name, n.age AS age FROM CURRENT_GRAPH MATCH (n:LabelA) WHERE n.score > 10 ORDER BY age OFFSET 10 LIMIT 10

但是如果用来操作临时表，就得这么写：

TABLE userActivity = {
     MATCH (u:User)-[a:ACTION]->()
     RETURN u.id AS userId, a.ts AS timestamps
 }
 SELECT userId, ts FROM 
 {
 	FOR u IN userActivity 
    RETURN u.userId AS userId, u.timestamps AS ts
 }
 where ts > 2

可以看到显得有些鸡肋，虽然下面的写法也能parse成功，但是总感觉少了些什么：

TABLE userActivity = {
     MATCH (u:User)-[a:ACTION]->()
     RETURN u.id AS userId, a.ts AS timestamps
 }
 SELECT userId, ts FROM 
 {
 	FOR u IN userActivity 
 }
 where ts > 2

此外select也能使用group by和having，这里给个例子，做例子时没有做到只在group by子句中出现group key，可能在具体语义上会有些问题：

SELECT n.gender AS gender,count(*) AS count0 FROM CURRENT_GRAPH 
MATCH (n:LabelA) WHERE n.score > 10 
GROUP BY gender having count0 > 10

表达式

GQL的表达式主要在第20章，总体上继承了Cypher的风格，但是在一些表现形式上有差异。与Cypher相比，其做的好的点有：

• 支持判断值的类型
• 支持显示类型转换
• 支持一系列值拼接语法，内置了丰富的谓词

感觉缺失的点有：

• 缺少访问列表下标相关语义（也可能是笔者没读到，毕竟collect_first函数、for子句都有了）
• 缺少一些原生的、与返回格式相关的关键字（毕竟都有table、graph这样的显式值类型了）

表达式就不展开描述了，只讲下做的好的几个点：

值类型判断

GQL中支持判断值类型(GA06),相关的类型有15种，这里给出14种类型判断的语句，至于判断某个类型是否为Graph，笔者实在是不知道怎么用GQL构造一个语义上很清晰的Graph对象，暂时不给出示例。

Dynamic Union Type(GV67):

VALUE a = 1 RETURN a is ::int|bool

Binding Table Type(GV61,GE02):

TABLE userActivity = {
     MATCH (u:User)-[a:ACTION]->()
     RETURN u.id AS userId, a.ts AS timestamps
 }
 RETURN userActivity IS ::BINDING Table{userId::INT, timestamps::TIMESTAMP}

支持显示类型转换

GQL支持下列语法，可以显示转换类型：

RETURN CAST(1 as INT64)

支持一系列拼接语法，内置丰富的谓词

GQL支持字符串、list和path等对象的拼接，如：

RETURN "aaa"||"bbb"
MATCH p=(a)->(b),p1=(b)->(d) RETURN p||p1
MATCH [1,2,3,4]||[5,6,7,8]

也内置了一系列丰富的谓词,如：

MATCH (n)-[r]->(m) RETURN n IS SOURCE OF r,m IS DESTINATION OF r
MATCH (n) WHERE n.id=1 LET a=n  WHERE EXISTS{(a)-->()} RETURN a

其他资料和困惑

除了上述介绍的语法特征，GQL还支持事务管理、session管理，语句状态和诊断，以及将子查询的结果绑定到某个表或者某个变量上(GQ18)，这些后面再聊。

有点疑惑的点在于，GQL支持表和图作为变量的类型，但是有下面的矛盾：

• 文档中给出了定义临时表的语法，处理临时表的语法却很少（只有一个for语句）
• 文档中给出了处理图的语法，但是没有给出定义一个临时图的语法

也就是说文档里没有显示的标明，在Binding Variable Definition Block中，如何通过子查询来定义一个图，而不是表。虽然可以用value关键字将某个子查询绑定到图上，但是这种绑定依赖的是等号左边声明的图类型，而非语句本身结果就是一个图，例如下列语句能过GQL的解析器，但是却不一定有实际含义，等号右侧不一定是一个图，如果右侧可以是一个图，也是因为等号左侧声明了GRAPH userActivity：

GRAPH userActivity = value {
     MATCH (u:User)-[a:ACTION]->()
     RETURN u,a
 } 
 return userActivity 

相反表的定义就很自然，毕竟处理结果总是能整理成一张表的，不过GQL中处理表的文法就有点鸡肋了，select后的from子句还无法直接跟表的名称。这块等后面有时间再讨论。

在github OPENGQL 代码仓中，给出了GQL的文法，以及解析工具，还有railroad图，本文的所有示例都是在代码仓的GQL Editor中解析通过的，毕竟解析通过的，才至少"看起来是正确的”。

另外，文中所有的GV45,GC02，G002这样的编号，都是GQL官方文档中可选特性的特性编号，可以直接对号入座方便了解和学习。

参考文档（需要将&&替换为//，$$替换为/,@替换为.）：

1.LDBC open-source GQL tools: https:&&ldbcouncil@org$$pages/opengql-announce/
2.ISO/IEC 39075:2024 GQL: https:&&www.iso@org$$standard/76120.html
3.Neo4j GQL conformance: https:&&neo4j@com$$docs/cypher-manual/current/appendix/gql-conformance/
4.Neo4j - Shortest paths: https:&&neo4j@com$$docs/cypher-manual/current/patterns/shortest-paths/
5.GQL overview https: &&cloud.google@com$$spanner/docs/reference/standard-sql/graph-intro
6.What is the database language GQL?: https:&&www.linkedin@com$$posts/jtc1news_gql-database-language-standard-isoiec-39075-activity-7186398287963279360-E6rV?utm_source=share&utm_medium=member_desktop
7.Open GQL: https:&&github@com$$opengql