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
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
终端节点 终端节点即调用API的请求地址，不同服务不同区域的终端节点不同，您可以从地区和终端节点中查询所有服务的终端节点。 图引擎服务的终端节点如下表所示，请您根据业务需要选择对应区域的终端节点。
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。 当返回结果很大
k跳算法（k-hop） 概述 k跳算法（k-hop）从起点出发，通过宽度优先搜索（BFS），找出k层与之关联的所有节点。找到的子图称为起点的“ego-net”。k跳算法会返回ego-net中节点的个数。 适用场景 k跳算法（k-hop）适用于关系发现、影响力预测、好友推荐等场景。
最短路径算法（Shortest Path） 概述 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。 适用场景 最短路径算法（Shortest Path）适用于路径设计、网络规划等场景。 参数说明 表1 最短路径算法（
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
Cypher查询 Cypher是一种声明式图查询语言，使用Cypher语句可以查询和修改GES中的数据，并返回结果。 具体操作步骤如下： 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。 Cypher查询编译过程中使用了基于label的点边索引。 第一次使用Cypher查询，
时序路径分析（Temporal Paths） 概述 时序路径分析算法（Temporal Paths）区别于静态图上的路径分析，结合了动态图上信息传播的有序性，路径上后一条边的经过时间要晚于或等于前一条边，呈现时间递增（或非减）性。 时序路径不满足传递性：即从节点i到节点j有一条时序路径
API版本选择建议 GES API版本与软件版本相对应，1.0.0为起始版本号，其余版本均在起始版本基础上进行修改，且向下兼容。具体请参考管理面API概览和内存版中各接口对应的版本号。 建议您根据需要选择合适的版本进行操作。 父主题： 使用前必读
使用feature函数可以看到当前支持的Gremlin特性，显示false表示GES服务不支持此特性，显示为true表示GES服务支持此特性，特性详情可参考Gremlin官网。
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
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）算法适用于社交网络分析
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
索引操作API 新建索引(1.1.6) 删除索引(1.1.6) 查询索引(1.1.6) 父主题： 内存版
Gremlin操作API 执行Gremlin查询(1.0.0) 父主题： 内存版
点操作API 批量添加点(2.1.9) 父主题： 业务面API
图操作API 导入图（2.1.14） 导出图（1.0.5） 清空图（2.1.1） 父主题： 内存版
备份管理API 查看所有备份列表(1.0.0) 查看某个图的备份列表(1.0.0) 新增备份(1.0.0) 删除备份(1.0.0) 导出备份（2.3.16） 导入备份（2.3.16） 获取备份下载链接（2.4.3） 父主题： 管理面API（V2）
度数关联度算法（Degree Correlation） 概述 度数关联度算法（Degree Correlation）计算所有边上起点和终点度数之间的Pearson关联系数，常用来表示图中高度数节点是否和高度数节点相连。 适用场景 度数关联度算法（Degree Correlation
聚类系数算法（Cluster Coefficient） 概述 聚类系数表示一个图中节点聚集程度的系数。在现实的网络中，尤其是在特定的网络中，由于相对高密度连接点的关系，节点总是趋向于建立一组严密的组织关系。聚类系数算法（Cluster Coefficient）用于计算图中节点的聚集程度
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
