检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
检测到您已登录华为云国际站账号，为了您更好的体验，建议您访问国际站服务网站 https://www.huaweicloud.com/intl/zh-cn
不再显示此消息
表示要做的查询类型，可选的值有： inV：入点 outV：出点 bothV：入点和出点 vertex：所有节点。第一层filter可用，若起始传入节点，则第一层输出为传入的节点；若起始传入节点为空，则第一层输出为所有节点 in：入边 out：出边 both：入边和出边 edge：所有边，仅第一层filter可用，使用方式与vertex类似
Shortest Paths） 概述 全最短路径算法（All Shortest Paths）用以解决图论研究中的一个经典算法问题，旨在寻找图中两节点之间的所有最短路径。 适用场景 全最短路径算法（All Shortest Paths）适用于路径设计、网络规划等场景。 参数说明 表1 全最短路径算法（All
连通分量（connected_component） 功能介绍 根据输入参数，执行连通分量（Connected Component）算法。 连通分量代表图中的一个子图，当中所有节点都相互连接。考虑路径方向的为强连通分量（strongly connected component），不考虑路径方向的为弱连通分量（weakly
边上权重应大于0。 - OD_pairs 否 起点终点节点对 String 标准csv格式，起点和终点以英文逗号分隔，各起点和终点节点对之间以换行符“\n”分隔，例如：“Alice,Nana\nLily,Amy”。 - seeds 否 热点事件发生地的节点ID String 当未知OD_pair
三角计数算法（Triangle Count） 概述 三角计数算法（Triangle Count）统计图中三角形个数。三角形越多，代表图中节点关联程度越高，组织关系越严密。 适用场景 三角计数算法（Triangle Count）适用于衡量图的结构特性场景。 参数说明 参数 是否必选
说明： 可以查询jobId查看任务执行状态、获取返回结果，详情参考Job管理API。 图数据库中的悬空边（边存在，但是边的source节点或target节点不存在）不会同步到HyG引擎。 请求示例 图数据库的更新信息同步到HyG计算引擎，点属性列表为空，边属性列表的属性名称为“Rating”、label名称为“rate”。
功能介绍 根据输入参数，执行全最短路算法。 全最短路（all_shortest_paths）用以解决图论研究中的一个经典算法问题，旨在寻找图中两节点之间所有的最短路径。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
功能介绍 根据输入参数，执行最短路径算法。 最短路径算法（Shortest Path）用以解决图论研究中的一个经典算法问题，旨在寻找图中两节点之间的最短路径。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm 表1
导入。 单次导入的文件总大小（包括点、边数据集）不能超过可用内存的1/5。可用内存参考“运维监控看板”的“节点监控”中名称后缀为ges-dn-1-1和ges-dn-2-1节点可用内存（可以把鼠标悬浮在内存使用率上弹出）的最小值。 调试 您可以在API Explorer中调试该接口，支持自动认证鉴权。API
三角计数算法（triangle_count） 功能介绍 根据输入参数，执行三角计数算法。 三角计数算法（Triangle Count）统计图中三角形个数。三角形越多，代表图中节点关联程度越高，组织关系越严密。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
产品优势 大规模 高效的数据组织，让您更有效的对百亿节点千亿边规模的数据进行查询与分析。 高性能 深度优化的分布式图形计算引擎，为您提供高并发、秒级多跳的实时查询能力。 查询分析一体 查询分析一体化，提供丰富的图分析算法，为关系分析、路径的规划、营销推荐等业务提供多样的分析能力。
在算法分析区，你可以选择算法，并设置参数。 图引擎服务支持的算法如算法一览表所示，详细算法介绍请参见算法参考。 图1 设置算法参数 对于用source（节点ID） 和target参数进行查询的算法，例如personalrank算法，k跳算法，最短路径算法等，支持按照属性查询点。当前该功能只支持图规格为内存版的图使用。
infomap算法是一种基于信息论的社区发现算法，该算法在效率和效果上都表现较好，并且能够发现层次性的社区结构，其优化目标为找到最优的社区结构，使节点的层次编码长度最小。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
信息和容量、请求数等统计信息。 集群信息：包括图规格、CPU架构。 集群容量：包括点和边的使用量、容量和使用率。 集群节点：包括CN节点可用数量/总数量、DN节点可用数量/总数量。 集群请求数统计：包括等待中的读请求个数、运行中的读请求个数、等待中的写请求个数、运行中的写请求个数。
网络I/O使用率 实例主节点的平均I/O使用率。 0%～100% 5min 节点监控-概览 节点名称 实例中节点的名称。 字符串 - CPU使用率 节点的CPU使用率。 0%～100% 5min 内存使用率 节点的内存使用率。 0%～100% 5min 平均磁盘使用率 节点磁盘使用率。 0%～100%
游走过程提前结束参数：候选推荐节点访问次数的最小值。 说明： 对于一个节点，如果其在随机游走过程被访问到，且被访问到的次数达到“nv”，则该节点将记入候选推荐的节点。 Integer 1~10。 5 np 否 游走过程提前结束参数：候选推荐节点个数。 说明： 若某个source节点的候选推荐节点达到“n
一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系建图，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点。标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。 Louvain算法
一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系建图，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点。标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。 Louvain算法
source 是 节点的ID。 String - - directed 否 是否考虑边的方向。 Boolean true或false。 true 表2 response_data参数说明 参数 类型 说明 distance List 源节点（source）到图中各节点的路径长度： [
将默认为1。 说明： 边上权重应大于0。 - seeds 否 节点ID String 当图较大时，运行betweenness较慢，可以设置seeds作为采样节点，进行近似运算，seeds节点越多越接近准确解。输入节点个数不大于100000。 - k 否 采样个数 Integer
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
