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
历史查询 在运维监控页面左侧导航栏单击“监控>历史查询”，进入历史查询页面，该页面展示了图实例历史上运行过的异步任务的详情（和业务面任务中心展示的一样）。 图1 历史查询页面 父主题： 监控
大图访问 为了提高画布展示体验，您可以使用大图访问模式，对图数据进行处理和分析。 目前仅支持使用Cypher查询来进行大图访问和分析。 具体操作步骤如下： 登录图引擎服务管理控制台，在左侧导航栏中选择“图管理”。 在图管理页面，对需要进行分析的图，单击操作列中的“更多 > 大图访问”。
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。
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。
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。
“备份管理”页面操作如下： 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“备份管理”页面右上角，单击“备份”。 在备份页面，选择“关联图”，即当前用户创建的图，单击“确定”开始备份。 图3 备份管理页面备份 “备份管理”页面的“备份”操作，可选择“关联图”，但是当系统中只有一个图时，也不能更改其关联图选项。
管理面任务中心 管理面任务中心功能，可用于查看创建图、备份图、启动图、增加备份、导入图、导出图、升级图等操作的异步任务的详情。 具体操作步骤如下： 在左侧导航栏，选择“任务中心” 在“任务中心”页面可以查看对应图所执行任务的类型，任务名称，图名称，关联图，开始时间，结束时间，状态和运行结果。
可视化查询图 在图引擎编辑器中，您可以使用拖拽的方式创建图查询语句，并且可以直接预览查询结果，无需手动编写任何代码。 操作步骤 在图引擎编辑器左侧的区域内选择“可视化查询”模块。 图1 可视化查询 在画布中添加点： 在“添加点模式”页签下会展示全图数据中所有的点边label，每个
动态拓展 指定某个起始节点id，结合消息传递时间递增和BFS遍历顺序（temporal bfs算法），搜索周围与之相关联的点，输出对应各节点的到达时间以及和源起点之间的距离。具体操作步骤如下： 在左侧“动态图”操作区的“动态拓展”模块内填写参数： 开始和结束的时间以及属性值在上述
时序路径 从一个点出发搜索到目标节点的时序路径（时序路径满足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的经过时间），在画布上呈现点、边随时间递增（或非减）的变化趋势。 该功能可以通过strategy参数调整搜索的是距离最短的时序路径，还是尽早到达目标节点的时序路径。具体操作步骤如下：
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。
统计信息展示 通过框选画布中点和边，在统计信息区会显示出当前所框选的点边对应的标签和节点权重的数量。关于点和边的概念请参考图数据格式。 统计信息展示的具体操作如下： 进入图引擎编辑器页面，详细操作请参见访问图引擎编辑器。 单击绘图区右侧的，显示“条件过滤、属性和统计信息”页面，单击“统计信息”页签。
隐藏图敏感信息 您可以通过开关控制是否显示敏感信息。 操作步骤 进入图引擎编辑器页面，详细操作请参见访问图引擎编辑器。 隐藏全部敏感信息： 在绘图区右上角，单击“展示/隐藏敏感信息”旁的小眼睛，会隐藏图中的敏感信息。 图1 隐藏前 图2 隐藏后 隐藏后，元数据编辑面板中每个Pro
请求什么类型的操作。 GET：请求服务器返回指定资源。 PUT：请求服务器更新指定资源。 POST：请求服务器新增资源或执行特殊操作。 DELETE：请求服务器删除指定资源，如删除对象等。 HEAD：请求服务器资源头部。 PATCH：请求服务器更新资源的部分内容。当资源不存在的时
点集最短路（Shortest Path of Vertex Sets） 概述 点集最短路算法（Shortest Path of Vertex Sets）用于发现两个点集之间的最短路径。 适用场景 点集最短路算法（Shortest Path of Vertex Sets）适用于互联
边中介中心度（Edge-betweenness Centrality） 概述 边中介中心度算法（Edge-betweenness Centrality）以经过某条边的最短路径数目来刻画边重要性的指标。 适用场景 同betweenness类似，可用作关键关系的发掘；适用于社交、金融风控、交通路网、城市规划等领域
点集共同邻居（Common Neighbors of Vertex Sets） 概述 点集共同邻居（Common Neighbors of Vertex Sets）可以得到两个点集合（群体集合）所共有的邻居（即两个群体临域的交集），直观的发现与两个群体共同联系的对象，如发现社交场
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
