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
新建数据迁移任务 前提条件 已确认数据源数据库中各表对应的点边类型。 操作步骤 登录图引擎服务管理控制台，在左侧导航栏中选择“数据迁移”。 在“数据迁移”页签单击“新建”。 图1 新建数据迁移 设置数据源配置参数。 任务名称：自定义名称，不能与已有任务名称重复，长度在4位到50位
实时查询 在运维监控页面左侧导航栏单击“监控>实时查询”，进入实时查询页面，将会展示了当前运行在实例中的所有查询的实时信息。在该页面，您可以根据选择的指定时间段浏览实例中正在运行的所有查询信息。其中包括：请求ID、任务名称、请求参数、进度（内存版）、阻塞时长（内存版）、开始时间、结束时间、运行时长。
索引管理 在图访问界面增加索引管理功能，方便您在界面进行索引增删查操作。 创建索引 进入图引擎编辑器页面，详细操作请参见访问图引擎编辑器。 在图引擎编辑器左侧的索引模块，单击“创建索引”。 图1 创建索引 在创建索引弹框中，填写以下参数： 索引名称：自定义索引名称。 索引类型： 内存版图：有全局点索引和全局边索引。
Node2vec算法 概述 Node2vec算法通过调用word2vec算法，把网络中的节点映射到欧式空间，用向量表示节点的特征。 Node2vec算法通过回退参数 P 和前进参数 Q 来生成从每个节点出发的随机步，带有BFS和DFS的混合，回退概率正比于1/P，前进概率正比于1
共同邻居算法（Common Neighbors） 概述 共同邻居算法（Common Neighbors）是一种常用的基本图分析算法，可以得到两个节点所共有的邻居节点，直观地发现社交场合中的共同好友、以及在消费领域共同感兴趣的商品，进一步推测两个节点之间的潜在关系和相近程度。 适用场景
导入IAM用户 您需要在“导入IAM用户”弹框中，填写需要添加的IAM用户ID和IAM用户名，填写完成后单击“确定”，系统将会帮您在GES服务中添加该IAM用户，以便在用户组配置中能够选择该IAM用户。 图4 填写IAM用户信息 父主题： 配置图操作权限
查看创建失败的图 当GES依赖的ECS服务的配额不足时，会出现创建图失败的情况，您可以在“图管理”页面查看创建失败的图。 操作步骤 在左侧导航栏，选择“图管理”。 在“图管理”页面中，左上角的“图管理”页签旁可以看到当前创建图失败的图数量。 图1 创图失败的图数量 单击可查看创建
条件过滤 为了方便用户对图数据的分析，可以通过设置条件过滤，对图数据进行进一步的过滤分析。 具体操作如下： 进入图引擎编辑器页面，详细操作请参见访问图引擎编辑器。 单击绘图区右侧的，或者在绘图区，选中一个点，单击右键，选择“查看属性”，显示“条件过滤及属性”页面。 在“条件过滤及属性”区，设置条件，然后单击“过滤”。
子图匹配（Subgraph Matching） 概述 子图匹配（subgraph matching）算法的目的是在一个给定的大图里面找到与一个给定小图同构的子图，这是一种基本的图查询操作，意在发掘图重要的子结构。 适用场景 子图匹配（subgraph matching）算法适用于
属性编辑 属性页签可展示选中点或边的属性信息，也可对单个点或边的属性进行编辑。 属性编辑的操作如下： 在绘图区选中一个点或边，单击右键，选择“查看属性”，会在右侧显示“属性”页签，展示选中点边的属性信息。 若选中的点有多个标签（label），可单击label后的下拉框来查看其它label的属性信息。
k核算法（k-core） 概述 k核算法（k-core）是图算法中的一个经典算法，用以计算每个节点的核数。其计算结果是判断节点重要性最常用的参考值之一，较好的体现了节点的传播能力。 适用场景 k核算法（k-core）适用于社区发现、金融风控等场景。 参数说明 表1 k核算法（k-core）参数说明
获取账号名和账号ID 在调用接口的时候，部分请求中需要填入账号名（domain name）和账号ID（domain_id），所以需要先在管理控制台上获取到账号ID。账号ID获取步骤如下： 登录管理控制台。 鼠标移动至用户名，在下拉列表中单击“我的凭证”。 在“API凭证”页面的查看“账号名”和“账号ID”。
查看查询结果 数据分析结束后，您可以直接在绘图区查看结果或者在“查询结果”页签获取结果信息。 查看查询结果的具体步骤如下： 进入图引擎编辑器页面，详细操作请参见访问图引擎编辑器。 在执行Gremlin/Cypher/DSL查询或算法分析之后，在“查询结果”页签下，展示查询结果。
关联预测算法（Link Prediction） 概述 关联预测算法（Link Prediction）给定两个节点，根据Jaccard度量方法计算两个节点的相似程度，预测节点之间的紧密关系。 适用场景 关联预测算法（Link Prediction）适用于社交网上的好友推荐、关系预测等场景。
关联路径算法（n-Paths） 概述 关联路径算法（n-Paths）用于寻找图中两节点之间在层关系内的n条路径。 适用场景 关联路径算法（n-Paths）适用于关系分析、路径设计、网络规划等场景。 参数说明 表1 关联路径算法（n-Paths）参数说明 参数 是否必选 说明 类型
历史查询 在运维监控页面左侧导航栏单击“监控>历史查询”，进入历史查询页面，该页面展示了图实例历史上运行过的异步任务的详情（和业务面任务中心展示的一样）。 图1 历史查询页面 父主题： 监控
紧密中心度算法（Closeness Centrality） 概述 紧密中心度算法（Closeness Centrality）计算一个节点到所有其他可达节点的最短距离的倒数，进行累积后归一化的值。紧密中心度可以用来衡量信息从该节点传输到其他节点的时间长短。节点的“Closeness
中介中心度算法（Betweenness Centrality） 概述 中介中心度算法（Betweenness Centrality）以经过某个节点的最短路径数目来刻画节点重要性的指标。 适用场景 可用作社交、风控等网络中“中间人”发掘，交通、传输等网络中关键节点识别；适用于社交、金融风控、交通路网、城市规划等领域
查看运行记录 系统会以表格的方式记录用户的执行操作记录，方便用户在分析数据时了解执行进度和执行完成时间。 查看运行记录的具体步骤如下： 进入图引擎编辑器页面，详细操作请参见访问图引擎编辑器。 在执行Gremlin/Cypher/DSL查询或算法分析之后，在“运行记录”页签下会展示
连通分量算法（Connected Component） 概述 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 connected compone
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
