正在生成
详细信息:
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
停止图不会释放资源。 停止图七天后,系统会自动重新启动该图数据库实例,以确保该图可以跟上服务提供的系统维护更新。 操作步骤 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,选择需停止的图,在“操作”列选择“更多”>“停止”。 图1 停止图 图状态切换为“停止中”。等
Java Developers最新版本。 已在Eclipse中配置好JDK。 下载SDK 进入图引擎服务管理控制台,在左侧导航栏选择“连接管理”,进入SDK下载页面。具体操作请参见连接管理操作指导。
是否必选 类型 说明 vertices 否 List 结果包含的点集合。 edges 否 List 结果包含的边集合。 请求样例 观察某些节点群体结构的动态演化过程,算法名称为temporal_graph,动态分析的开始时间为${startTime},结束时间为${endTime}。
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。
能包含< > &。 基数 数据的复合类型。 单值:表示该属性的数据是一个单值,如一个数字或一个字符串。 多值:表示该属性的数据由多个值组成,不同的值用分号分隔。可勾选是否允许重复值。 数据类型 属性的数据类型。当前支持“char”、“float”、“double”、“bool”、
标签:统计当前画布中所有的标签名称和对应的点边数量。 节点权重Top10:当前图中边数量最多的十个节点。 以下图统计信息为例,图中共有7个标签。标签为FUND_PRODV的点有5个,标签为FIN_PRODV的点有3个。 图中权重最大的是节点id为1101的点,共有5条边。排名第十的是节点id为1103的点,共有1条边。
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
图信息:显示当前快照所保存的图数据。 主题色:记录保存快照时,画布的主题颜色。 快照的创建时间和修改时间。 操作列功能: 查看:将选择的快照展示在画布上。若您当前主题的颜色与当时保存的快照颜色不同,会有提示信息如图3所示。单击“是”系统会切换到快照保存时的主题,单击“否”系统会继续使用当前画布主题色。
表3 data参数说明 参数 类型 说明 vertexNum 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。
用户在第一次使用GES服务的时候需要授权,授权过程会在IAM(统一身份认证)页面创建例如名为“ges_admin_trust”的委托。而一个用户最多只能创建10个委托,委托个数超限之后无法创建委托,所以页面会出现“委托配额不足”的提示。 按照以下步骤删除不用的委托,然后重新授权即可。
动态分析时间边界的开始时间。 end 是 Date或Integer 动态分析时间边界的结束时间。 time_props 是 Object 动态分析的时间属性定义。 表4 time_props参数说明 参数 是否必选 类型 说明 stime 是 String 动态图开始时间的属性名称。 etime
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/Q。每个节点出发生成多个随机步,反映出网络的结构信息。 适用场景
您可以查看账号下所有IAM用户所具备的图细粒度权限。 具体操作步骤如下: 在“用户详情”页面单击用户名旁的按钮,可查看当前用户所具备的图细粒度权限。 图1 图细粒度权限 单击“图权限配置名称”可查看该图的权限配置详情。 图2 权限配置详情 如果因为权限不足导致未同步到IAM用户数据,也可以点击右上方的“导入I
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。 参数说明 表1
图名称。 sourceVertex 是 String 边的起点。 targetVertex 是 String 边的终点。 label(持久化版) 否 String 边的label值。 sortKey(持久化版) 否 String 重复边的sortKey值。 sortKeyType(持久化版)
k跳算法(k_hop) 功能介绍 根据输入参数,执行k跳算法。 k跳算法从起点出发,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中节点及其个数。 URI POST /ges/v1.0/{project_i
k核算法(kcore) 功能介绍 根据输入参数,执行K核算法。 K核算法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。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
执行成功时,字段可能为空。 执行失败时,用于显示错误码。 jobId String 执行该异步任务的jobId。 可以查询jobId查看任务执行状态、获取返回结果,详情参考Job管理API。 请求示例 DELETE /ges/v1.0/{project_id}/graphs/{graph_name}
15和30。 同一个label下不允许存在相同的property。 cardinality 是 String 属性的复合类型,包括: single list set dataType 是 String 属性的数据类型。具体请参考表1中的元数据类型。 typeNameCount 否(若dataType为enum,则必选)
根据输入参数,执行link_prediction算法。 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。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm