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
graph_id String 备份关联的图ID。 graph_name String 备份关联的图Name。 graph_status String 备份关联的图状态。 graph_size_type_index String 备份关联的图规格。 data_store_version
Integer 图的点数。 edgeNum Integer 图的边数。 labelDetails(2.2.14) Object 不同label下的点边数目信息。若需要正常显示此字段,请按照表 labelDetails数据各要素说明建立点边索引。 表4 执行成功时,labelDetails数据各要素说明
String 图名称。 labelDetails 否 Boolean 是否返回不同label下点边的数目信息,默认为false。为true时,返回不同label的点边数目。 请求示例 查询图的点数和边数等概要信息,true表示返回不同label的点边数目。 GET http://{SERVER_URL}/ges/v1
带过滤的n_paths算法(filtered_n_paths) 概述 带过滤的n_paths算法是给定起始点source、目的点target、跳数k、路径数n、过滤条件filters,找出source和target间不多于n条的k跳无环路径。 适用场景 任意网络。 参数说明 表1
Boolean 是否考虑边的方向。取值为true或false,默认值为false。 weight 否 String 边上权重。取值为:空或字符串。 空:边上的权重、距离默认为1。 字符串:对应的边上的属性将作为权重,当某边没有对应属性时,权重将默认为1。 OD_pairs 否 String
String 备份关联的图ID。 graph_name String 备份关联的图Name。 graphStatus String 备份关联的图状态。 graphSizeTypeIndex String 备份关联的图规格。 dataStoreVersion String 备份关联的图版本。 arch
导出过滤后的边(2.2.7) 功能介绍 导出满足过滤条件的边集合。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/edges/action?action_id=export 请求参数 表1 Body参数说明 参数 是否必选
删除过滤后的边(2.2.7) 功能介绍 删除满足过滤条件的边集合。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/edges/action?action_id=delete 请求参数 表1 Body参数说明 参数 是否必选
通过导入文件更新点边的指定属性(2.2.13) 功能介绍 通过导入文件更新点边的指定属性。 为防止系统重启时,不能正常恢复更新图数据,建议在使用图期间,不要删除存储在OBS中的数据。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/action
导出过滤后的点(2.2.7) 功能介绍 导出满足过滤条件的点集合。 URI POST /ges/v1.0/{project_id}/graphs/{graph_name}/vertices/action?action_id=export 表1 路径参数 参数 是否必选 类型 说明
说明:如果begin和end不设置,默认对全图进行过滤;业务可根据自身情况调整end - begin的值(比如1000w); limit 否 Integer 被删除点数量的最大值,默认删除全部满足条件的点 表3 vertexFilters参数结构 参数 是否必选 类型 说明 propertyName
Centrality)在已知一系列OD出行计划前提下,以经过某个点/某条边的最短路径数目来刻画边重要性的指标。 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,城市热点事件\早晚高峰人群车辆迁徙发生时关键路段的模拟;适用于社交、金融风控、交通路网、城市规划等领域 参数说明
带过滤的n_paths算法(filtered_n_paths)(2.2.22) 概述 带过滤的n_paths算法是给定起始点source、目的点target、跳数k、路径数n、过滤条件filters,找出source和target间不多于n条的k跳无环路径。 算法名称:带过滤的n_paths
} ] } 添加边时的平行边处理策略: 通过cypher添加边的时候,允许添加重复边,此处的重复边的定义为<源点,终点>相同的两条边。 添加无label的边的方法: 通过Cypher添加边时必须指定label,所以指定待添加边的label为默认值”__DEFAULT__”即可,例如create
} ] } 添加边时的平行边处理策略: 通过cypher添加边的时候,允许添加重复边,此处的重复边的定义为<源点,终点>相同的两条边。 添加无label的边的方法: 通过Cypher添加边时必须指定label,所以指定待添加边的label为默认值”__DEFAULT__”即可,例如create
项目ID。获取方法请参见获取项目ID。 graph_name 是 String 图名称。 details 否 String 可为SIMPLE或FULL,SIMPLE模式表示只返回点或边的label,FULL模式表示除点或边的label外,还有点或边的数量。若该字段不填,则默认为SIMPLE。 响应参数 表2 响应Body参数说明
与seeds对应的热点事件参加人数 Integer - - OD_pairs和seeds参数二选一,当OD_pairs和seeds同时输入时,以OD_pair为准,忽略seeds。 表2 response_data参数说明 参数 类型 说明 betweenness List 各边的betweenness值,格式:
类型 取值范围 默认值 directed 否 是否考虑边的方向 Boolean true或者false true weight 否 边上权重 String 空或字符串 * 空:边上的权重、距离默认为“1”。 * 字符串:对应的边上的属性将作为权重,当某边没有对应属性时,权重将默认为1。
PageRank算法。该算法继承了经典PageRank算法的思想,利用图链接结构来递归地计算各节点的重要性。与PageRank算法不同的是,为了保证随机行走中各节点的访问概率能够反映出用户的偏好,PersonalRank算法在随机行走中的每次跳转会以(1-alpha)的概率返回到source节点,因此可
根据输入参数,执行BigClam算法。 BigClam算法是一种重叠社区发现算法,该算法将节点与社区之间的关系建模为一个二部图,假设图中节点的连边是根据社区关系生成的,其可以检测出图中的重叠社区。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm