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
准备元数据 本地准备元数据 您需要在本地准备好需要上传的元数据文件,将元数据文件导入到图引擎服务中以便后续进行图分析。 准备上传的元数据文件需要注意以下几点: 可导入的元数据文件数上限为50,达到上限将不能再继续导入元数据。 元数据文件的格式必须为xml格式。 导入元数据至OBS(可选)
持久化版 持久化版业务面API包括点操作、边操作、元数据操作、索引操作、HyG数据集管理、HyG算法、算法、图统计、图操作、Job管理、Cypher操作API。 表1 点操作API 名称 起始版本 URL 功能描述 查询点详情 1.0.0 GET/ges/v1.0/{projec
算法API 执行算法(1.0.0) 算法API参数参考 父主题: 内存版
算法API 最短路径(Shortest Path)(1.0.0) 点集最短路(Shortest Path of Vertex Sets)(1.0.0) 标签传播(Label Propagation)(1.0.0) Louvain算法(1.0.0) 父主题: 业务面API
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”。
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。 表1 图引擎服务的终端节点 区域名称 区域 终端节点(Endpoint) 华北-北京一
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(Shortest
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。
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
删除备份 当备份数据不再使用时,您可以根据情况删除备份数据。 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“备份管理”。 在备份列表中,选择需要删除的备份数据,在“操作”列,单击“删除”。 在弹出的对话框中,单击“是”删除数据。 数据删除后无法恢复,请谨慎操作。
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
全最短路算法(All 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。
Gremlin命令怎么执行和查看运行结果? 执行 在图编辑器页面,您可以在此页面对当前图进行查询分析,在页面下方的Gremlin输入框中,输入一行Gremlin命令后,按“回车”键执行。 查看结果 执行Gremlin命令后在“运行记录”可以看到命令运行情况,在“查询结果”可以看到
3D图展示 您可以使用3D模式来展现图效果,帮助您更直观的查看图和分析图。 使用限制说明:目前3D展示功能只支持PagePank算法、personalRank算法、Cypher查询和Gremlin查询的展示,其余算法或功能只能用2D模式来分析图。 3D图展示的具体操作 以PagePank算法的3D模式图展示为例:
添加自定义操作 通过调用API的方式来添加自定义操作,支持您在界面上定义自己的快捷操作集。 操作步骤 在图引擎编辑器左侧的操作区内,单击“编辑”后,下方会出现“新增操作”的按钮,单击此按钮。 图1 新增操作 在弹出的新增操作框中填写以下参数: 自定义操作名称:填写名称,方便后续快速查找和使用。
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)适用于衡量图的结构特性场景。
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。
业务面任务中心 业务面任务中心功能,可以查看图当前正在运行和历史上运行过的异步任务的详情。 具体操作步骤如下: 在左侧导航栏中选择“图管理”,单击图管理操作列中的“更多 > 任务中心”,进入“任务中心”页面。 图1 任务中心 2.2.23及以上版本的图可以使用该功能。 当图的运行
群体演化 针对包含某些节点的群体,结合时间轴观察其结构的动态演化过程 。具体操作步骤如下: 在左侧“动态图”操作区的“群体演化”模块内填写参数。 开始和结束的时间以及属性值在上述章节时间轴设置中已经设置完成,如果要修改参数,单击画布左下方进行设置在时间轴设置框内填写,此处不可填写。