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
filtered_n_paths参数说明 参数 是否必选 说明 类型 取值范围 默认值 source 是 起始点 String 图内部点 无 target 是 目标点 String 图内部点 无 k 是 跳数 Int [2,6] 2 n 是 路径数 Int [1,1000] 1 父主题： 算法参考
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 节点的ID。 String
Propagation）是一种基于图的半监督学习方法，其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系建图，节点包括已标注和未标注数据，其边表示两个节点的相似度，节点的标签按相似度传递给其他节点。标签数据就像是一个源头，可以对无标签数据进行标注，节点的相似度越大，标签越容易传播。 适用场景
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。
sources 是 起点ID集合，多个节点ID以逗号分隔（即，标准CSV输入格式） String source节点的个数不超过10000个。 - targets 是 终点ID集合，多个节点ID以逗号分隔（即，标准CSV输入格式） String target节点的个数不超过10000个。
边上权重应大于0。 - OD_pairs 否 起点终点节点对 String 标准csv格式，起点和终点以英文逗号分隔，各起点和终点节点对之间以换行符“\n”分隔，例如：“Alice,Nana\nLily,Amy”。 - seeds 否 热点事件发生地的节点ID String 当未知OD_pa
k核算法（k-core） 概述 k核算法（k-core）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。 适用场景 k核算法（k-core）适用于社区发现、金融风控等场景。 参数说明 表1 k核算法（k-core）参数说明
带一般过滤条件最短路径算法（Filtered Shortest Path）寻找两点间满足过滤条件的最短路径，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
exIndex”为全局的Composite类型的点索引。 “GlobalCompositeEdgeIndex”为全局的Composite类型的边索引。 “CompositeVertexIndex”为局部的Composite类型的点索引。 “CompositeEdgeIndex”为局部的Composite类型的边索引。
扩副本(2.2.23) 功能介绍 扩副本能力允许动态扩容多个从节点，扩容的从节点可以处理读请求，从而提高读请求性能。 一万边的图暂不支持扩副本。 进行扩副本操作后，不支持变更图规格操作。 如果要对图进行变更规格和扩副本两个操作，需要您先进行变更图规格操作，再进行扩副本操作。 持久化版图不支持调用接口进行扩副本操作。
连通分量（connected_component） 功能介绍 根据输入参数，执行连通分量（Connected Component）算法。 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
参数 是否必选 说明 类型 取值范围 默认值 sources 是 节点的ID，支持多点输入，csv格式，逗号分割。 字符串 当前仅支持少于等于100000个 id输入。 - actived_p 否 初始sources节点对应的权重初始值。 Double 0~10000，包括0和100000。
infomap算法是一种基于信息论的社区发现算法，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，其优化目标为找到最优的社区结构，使节点的层次编码长度最小。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm 表1
需匹配的子图的边集, 点的ID要求为非负整数 String 标准CSV格式，边的起点与终点之间以英文逗号分隔，各边之间以换行符“\n”分隔，例如:“1,2\n2,3”。 vertices 是 需匹配的子图上各点的label String 标准CSV格式，点与其label之间以英文
Path）基础上支持条件过滤，寻找图中两节点之间满足条件的全最短路径。 适用场景 适用于关系挖掘、路径规划、网络规划等场景。 参数说明 表1 Filtered All Shortest Paths参数说明 参数 是否必选 说明 类型 取值范围 默认值 source 是 起点ID String - -
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。 适用场景 聚类系数算法（Cluster
在图集群状态模块，您可以浏览当前图实例基本信息和容量、请求数等统计信息。 集群信息：包括图规格、CPU架构。 集群容量：包括点和边的使用量、容量和使用率。 集群节点：包括CN节点可用数量/总数量、DN节点可用数量/总数量。 集群请求数统计：包括等待中的读请求个数、运行中的读请求个数、等待中的写请求个数、运行中的写请求个数。
Shortest Paths）参数说明 参数 是否必选 说明 类型 取值范围 默认值 source 是 输入路径的起点ID String - - target 是 输入路径的终点ID String - - directed 否 是否考虑边的方向 Bool true或false false
关联路径算法（n-Paths）用于寻找图中两节点之间在层关系内的n条路径。 适用场景 关联路径算法（n-Paths）适用于关系分析、路径设计、网络规划等场景。 参数说明 表1 关联路径算法（n-Paths）参数说明 参数 是否必选 说明 类型 取值范围 默认值 source 是 输入路径的起点ID String
三角计数算法（Triangle Count） 概述 三角计数算法（Triangle Count）统计图中三角形个数。三角形越多，代表图中节点关联程度越高，组织关系越严密。 适用场景 三角计数算法（Triangle Count）适用于衡量图的结构特性场景。 参数说明 参数 是否必选
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
