【图数据库内核】标签、类型与属性索引：起点过滤器，不是遍历引擎

第 01 篇把「索引」钉成坐标系之一：决定从哪里开始走，很少替代深度 expand。 本篇把该句落到 Neo4j 5 的具体对象——token lookup、RANGE/TEXT/POINT、关系属性索引，以及唯一/存在/类型/KEY 约束——并接到第 06 篇的写放大。全文与向量索引只留接口，展开在第 08 篇。

本文是「图数据库内核」系列第 7 篇（共 16 篇）。→ 系列目录

篇目	核心内容
第 6 篇 · 写入路径	建边、dense、ID 复用
第 7 篇 · 索引与约束	LOOKUP / RANGE / TEXT / POINT；约束
第 8 篇 · 全文与向量边界	Lucene / vector；不重写 ANN 全书
第 9–10 篇 · Expand / 计划	索引起点之后发生什么

版本锚定：Cypher Manual 5（与站内 Neo4j 5.x / current 产品线对齐）Indexes → Search-performance indexes、Constraints。运维侧：Operations Manual Memory configuration（native 索引进 page cache；Lucene / 向量不在其中——第 05、08 篇）。不粘贴未执行的 PROFILE 行数；算子名以手册示例为准。

一、先立边界：索引解决什么、不解决什么

一次典型模式匹配的代价仍接近：

[ {}() + {}^{k} + _{} ]

索引只硬砍第一项，并间接影响计划是否敢选某条路径。若 \(\mathrm{Cost}_{\mathrm{entry}}\) 产出的 \(|S|\) 仍然巨大，后面的 expand 照样爆炸——这是「计划每个算子都合理、乘积不合理」的常见入口。

二、Token lookup：数据库自带的标签/类型索引

Cypher Manual：创建库时默认存在两个 token lookup index——节点标签 lookup 与关系类型 lookup。它们只解决标签 / 关系类型谓词，不解决任何属性谓词。

手册原话级警告：删除 token lookup 会导致严重性能退化；它们也帮助其它索引的填充。非平凡库上「只靠 lookup」不够——因为业务过滤几乎总在属性上——但没有 lookup 则连「按标签起步」都贵。

与第 03 篇对照：标签在节点记录里另有字段/动态记录；lookup 是为扫描准备的二级结构，不是「读节点时顺便得到的免费列表」。关系类型同理：store 里每条 Rel 带 type token，lookup 加速「找出所有 [:R]」类入口，不替代邻接 expand。

三、搜索性能索引四型

手册把加速精确检索的索引称为 search-performance indexes，四类：

3.1 RANGE：默认主力

• 单属性与复合属性均可；复合索引要求查询谓词覆盖索引定义的属性集合（手册：须过滤复合索引中的全部属性才使用该复合索引）；创建时属性顺序影响计划如何拆谓词。
• 节点与关系皆可：FOR (n:Label) ON (n.prop) 或 FOR ()-[r:TYPE]-() ON (r.prop)。
• 适合高基数属性（唯一 ID、用户名、时间戳等）——手册 heuristics 原句方向。

3.2 TEXT 与 RANGE 分工

同一 STRING 属性上可同时存在 range 与 text。手册规则：

• 规划器对 CONTAINS / ENDS WITH 倾向 text；
• 其它情况倾向 range（精确匹配、前缀等 range 更擅长的形态）；
• Text 仍是精确子串类匹配语义；模糊、打分、分词检索走 full-text（第 08 篇），不要把 TEXT INDEX 当成搜索引擎。

text-2.0 用 trigram 切分（手册举例 "developer" → dev/eve/vel/…）——解释为何 CONTAINS 能走索引而不必全表扫字符串。

3.3 POINT

专用于 POINT 属性的距离与 bbox 类谓词。规划器需能推断属性为 point 类型才会用它；仅有松散谓词时可能退回 label scan（手册有「text/point 需能排除非兼容类型」的讨论）。存在 property type constraint（EE，5.9+）时可帮规划器确立类型。

3.4 自动选用与提示

多索引可用时，规划器选自认最便宜者；也可用 USING 提示强制（手册 Index hints）。强制错索引会把「起点过滤器」变成「起点误伤」——第 10 篇再谈。

四、约束：完整性，兼带索引副作用

Cypher Manual 5 约束一览：

4.1 唯一性细节

• 语法形态：REQUIRE n.prop IS UNIQUE（及复合括号列表）。
• 未具备全部约束属性的实体不受唯一性约束——缺属性的节点/关系不参与该规则（手册原文）。这与「关系库 NOT NULL + UNIQUE」心智不同：Neo4j 唯一约束默认允许「没有这个属性」。
• 需要「必须有且唯一」时用 NODE KEY / RELATIONSHIP KEY（EE），或唯一 + 存在两条约束组合。

4.2 索引后备（写路径含义）

创建唯一性 / KEY 类约束会带上后备索引（同 schema 上通常不能再单独建同型重复索引——历史手册与创建冲突规则一致；以当前版本文档的冲突提示为准）。后果直接对接第 06 篇：

• 每次写入命中约束属性 → 维护索引；
• 过索引与过约束一样惩罚写入；
• 读侧则多了一个高选择率入口（唯一键查找）。

存在性约束不像唯一约束那样以同样方式「顺带当查找索引」——手册写明 existence 目前不按同一方式 leverage 索引使用；其价值在写入期拒绝坏数据。

4.3 Community / Enterprise 边界

存在、类型、KEY 在手册标为 EE。含这些约束的库不能用 Community 打开（4.x 手册已有同类警告；迁移时按 edition 规划）。本系列正文区分能力边界，不做版本营销。

五、和存储 / 缓存的接口

因此「给图查询加索引」会：

1. 增加 store 侧体积（手册 over-indexing：索引是主数据的二级拷贝，空间上近似再占一份被索引数据）；
2. 推高 server.memory.pagecache.size 的合理下界；
3. 拖慢写路径（每写更新索引）。

SHOW INDEXES（5.8+ 相关列）可用 lastRead / readCount / trackedSince 抓闲置索引，再 DROP INDEX——手册推荐的反过索引手段。

六、经典事故：索引起点 × 深度遍历

6.1 高召回入口

索引求出 |S| = 50万起点
→ 每点 expand 平均 f = 20
→ 一层就百万级中间行

索引「很成功」（避免了 AllNodesScan），查询仍可能跑爆。杠杆在：收紧谓词、限制变长路径、换建模，而不是再加一个更宽的索引。

6.2 低基数属性上的索引

手册 heuristics 偏向高基数属性。低基数（布尔、状态枚举）上的 range 可能选出巨大起点，计划看起来用了 NodeIndexSeek，实质接近标签扫描。此时索引的存储与写成本几乎白付。

6.3 复合索引属性顺序

创建 (a,b,c) 与查询只提供 c 时，复合索引可能根本用不上（须覆盖全部属性的规则）。错误顺序会导致「建了却不见 seek」。用 EXPLAIN/PROFILE 核对算子（有环境再贴；第 10 篇）。

6.4 与邻接布局的分工

索引再强，也要把第 03–05 篇的 hop 成本算进总账。

七、Heuristics（手册口径 + 本系列补一句）

手册 Heuristics: deciding what to index 要点：

1. 频繁用于过滤/匹配的属性；
2. 已确认的慢查询瓶颈属性；
3. 高基数属性；
4. 复杂多跳且多层过滤时，给过滤属性加索引；
5. 用实验对比有无索引——不要凭感觉堆。

手册 Over-indexing：空间接近翻倍被索引数据；写变慢。本系列补一条图特有的：

6. 先问入口选择性，再问跳数——选择性差的索引对多跳查询是负资产。

八、学术与工程谱系（短）

1. 二级索引加速选择：与关系库 B-Tree/LSM 二级索引同构；图引擎的增量在于入口之后是拓扑算子而非更多 JOIN 节点（第 02、09 篇）。
2. Token 与属性分离：标签/类型走 lookup、属性走 range/text/point——承认「图式过滤」与「键值过滤」不是同一访问路径。
3. 争论：应用层「先建齐所有属性索引」vs「按 readCount 裁剪」。写多读少的摄取管道与读多写少的查询服务答案相反；用第 06 篇写放大与本节 over-indexing 对齐，而不是品牌默认。
4. 开放问题：幂律下入口基数估计（第 10 篇）；约束与 graph type（Cypher 25 方向）如何改变「开放属性图」的工程默认——本篇不展开 25 全书。

九、来源与实验台账（本篇）

十、小结

1. LOOKUP 保标签/类型入口；RANGE/TEXT/POINT 保属性入口；都不是遍历引擎。
2. 唯一/KEY 约束带索引后备，把完整性与写放大绑在同一条绳上；存在/类型约束偏 EE 的形状治理。
3. 过索引有价：空间、写入、错误的低基数入口。
4. 下一篇：全文（Lucene）与向量索引如何接在属性旁边，以及为何不应塞进 page cache 叙事。

→ 系列目录 · 上一篇：写入路径 · 下一篇：全文与向量边界