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
解绑EIP(1.0.6) 功能介绍 当无需继续使用EIP时,您可通过解绑EIP来释放网络资源。 调试 您可以在API Explorer中调试该接口,支持自动认证鉴权。API Explorer可以自动生成SDK代码示例,并提供SDK代码示例调试功能。 URI POST /v2/{p
建成功后,单击刷新,再选择使用。 图1 绑定EIP 单击“确定”,完成绑定。 解绑EIP 当无需继续使用EIP时,您可通过解绑EIP来释放网络资源。 具体操作步骤如下: 登录图引擎服务管理控制台。 在左侧导航栏,选择“图管理”。 在图管理列表中,选择需解绑EIP的图,在“操作”列选择“更多”>“解绑EIP”。
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、生物信息学、交通运输、群体发现、异常检测等领域。 参数说明 表1 subgraph matching参数说明 参数 是否必选 说明 类型
系统默认当前最新版本,目前只能选择当前默认的版本号。 选择网络信息,包含“虚拟私有云”、“子网”、“安全组”、“公网访问”和“企业项目”。 图2 网络信息 参数 说明 虚拟私有云 VPC即虚拟私有云,是通过逻辑方式进行网络隔离,提供安全、隔离的网络环境。 选择需要创建集群的VPC,单击“查看虚
为云统一入口的鉴权功能。 与虚拟私有云的关系 图引擎服务使用虚拟私有云(Virtual Private Cloud,简称VPC)为集群提供网络拓扑,实现多个不同集群互相隔离并控制访问。 与对象存储服务的关系 图引擎服务使用对象存储服务(Object Storage Service
单源最短路算法(SSSP)计算了图论中的一个经典问题,给出从给定的一个节点(称为源节点)出发到其余各节点的最短路径长度。 适用场景 单源最短路算法(SSSP)适用于网络路由、路径设计等场景。 参数说明 表1 单源最短路算法(SSSP)参数说明 参数 是否必选 说明 类型 取值范围 默认值 source 是
如有多条,返回任意一条最短路径。 适用场景 带一般过滤条件的最短路径算法(Filtered Shortest Path)适用于路径设计、网络规划等场景,通过对点边条件的过滤,控制最短路径的生成。 参数说明 表1 带一般过滤条件最短路径算法(Filtered Shortest Path)参数说明
概述 Louvain算法是基于模块度的社区发现算法,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,其优化目标是最大化整个社区网络的模块度。 适用场景 Louvain算法适用于社团发掘、层次化聚类等场景。 参数说明 表1 Louvain算法参数说明 参数 是否必选 说明
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(Shortest Path)参数说明 参数 是否必选 说明 类型 取值范围 默认值 source
面。在性能监控页面展示以下这些性能指标的趋势,其中包括: CPU使用率(%) 内存使用率(%) 磁盘使用率(%) 磁盘I/O(KB/s) 网络I/O(KB/s) tomcat连接数使用率(%) swap盘使用率(内存版) jvm堆内存使用率 读请求运行队列长度(内存版) 读请求阻塞队列长度(内存版)
根据输入参数,执行Louvain算法。 Louvain算法是基于模块度的社区发现算法,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,其优化目标是最大化整个社区网络的模块度。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm 表1 路径参数
图实例运维监控 GES为用户提供了一个多维度运维监控的界面,为客户图实例的稳定运行提供保驾护航的能力。该功能对图实例所使用磁盘、网络、OS指标数据,集群运行关键性能指标数据进行收集、监控、分析,及时暴露数据库中关键故障及性能问题,指导客户进行优化解决。 图实例运维监控看板只支持:2
动态图数据格式 在大多数实际生活场景中,实体以及关系是动态变化的(如疫情传播网络、转账关系等),这些时序、变化背后蕴含的信息会对结果产生重要影响,因此需要采用动态图对其进行数据建模、存储和动态分析。本服务对动态图的相关能力进行了支持。 图1 动态图示例 本章节重点介绍动态图数据格
代变化的绝对值累加和上限,当小于这个值时认为计算收敛,算法停止。 收敛精度(convergence)设置较大值时,迭代会较快停止。 注意事项 收敛精度(convergence)设置较大值时,迭代会较快停止。 示例 需要在图引擎编辑器的算法区内,选定该算法进行操作。具体操作详见使用算法分析图。
graph. 清空图失败 网络波动问题建议重试下。 若继续失败,则根据errorMessage查看错误信息联系技术支持人员。 400 GES.8013 Failed to incrementally import data to the graph. 增量导入图失败 网络波动问题建议重试下。
“区域”即集群工作区域,在页面左上角下拉栏选择,使用默认“华北-北京四”区域即可。 在创建图页面单击“自定义创建”tab页进入自定义创图界面。 设置图相关信息: 图名称:使用系统默认名称即可。图创建后不支持修改图名称。 GES软件版本:默认选择服务最新版本。 虚拟私有云:若您的账号下有
社区结构,其优化目标是最大化整个社区网络的模块度。 关联预测(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。 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
rsonalRank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,因此可以基于source节点个性化地计算网络节点的相关性和重要性。(PersonalRank值越高,source节点的相关性/重要性越高)。 适用场景 PersonalRank算法适
nvergence)。 算法终止的条件:要么达到设置的最大迭代次数,要么满足收敛精度,满足其一即可。 一般来说,收敛精度设置得越小,迭代次数设置得越大,算法的效果越好。 在固定收敛精度的情况下,要想算法优先满足收敛精度,迭代次数设置得尽量大。 迭代次数越大,算法运行时间越长。在固
社区结构,其优化目标是最大化整个社区网络的模块度。 关联预测(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。 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