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
在弹出的“绑定EIP”页面中,选择可用EIP。 若无可用EIP,请单击“创建EIP”,购买并创建成功后,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。
绑定弹性公网IP访问GES服务,弹性公网IP的ID为02bd6dc1-5be8-430e-a4cd-2b0f6d0bb042。 POST http://Endpoint/v2/{project_id}/graphs{graph_id}/bind-eip { "eip_id" :
绑定EIP(1.0.6) 功能介绍 可以通过绑定弹性公网IP(简称EIP)访问GES服务。 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 /v1.0/{p
请求示例 解绑EIP来释放网络资源,弹性公网IP的ID为02bd6dc1-5be8-430e-a4cd-2b0f6d0bb042。 POST http://Endpoint/v2/{project_id}/graphs{graph_id}/unbind-eip { "eip_id"
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 /v1.0/
功能介绍 根据输入参数,执行点集全最短路算法。 点集全最短路(all_shortest_paths_of_vertex_sets)用于发现两个点集之间的所有最短路径。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
_sets) 功能介绍 根据输入参数,执行点集最短路算法。 点集最短路(shortest_path_of_vertex_sets)用于发现两个点集之间的最短路径。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
根据输入参数,执行点集共同邻居算法。 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, URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm
创建实例或实例已创建,需绑定EIP时,页面提示“委托配额不足”如何处理? 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。
Shortest Paths of Vertex Sets) 概述 点集全最短路算法(Shortest Path of Vertex Sets)用于发现两个点集之间的所有最短路径。 适用场景 点集最短路算法可应用于互联网社交、金融风控、路网交通、物流配送等场景下的区块之间关系的分析。 参数说明
在“图管理”页面,您可以查看图的名称,运行状态,内网访问地址,公网访问地址,计费模式,创建时间。 “内网访问地址”可单击查看,该地址是访问图实例的浮动IP,通过单击该IP地址您可以查看访问图实例的物理IP列表。为了防止浮动IP切换造成业务闪断,推荐您通过轮询的方式使用物理IP访问图实例。 方式1:单击“图名称”前的
功能介绍 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/{g
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,如发现社交场合中的共同好友、消费领域共同感兴趣的商品、社区群体共同接触过的人,进一
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。
当批量添加部分失败时,data字段包含失败的label_name以及失败原因。 请求示例 批量添加元数据label,元数据label的名称分别为book和movie,以及两个label的待添加属性数组。 POST http://{SERVER_URL}/ges/v1.0/{project_id}/graphs/
概述 共同邻居算法(Common Neighbors)是一种常用的基本图分析算法,可以得到两个节点所共有的邻居节点,直观地发现社交场合中的共同好友、以及在消费领域共同感兴趣的商品,进一步推测两个节点之间的潜在关系和相近程度。 适用场景 共同邻居算法(Common Neighbors)适用于电商、社交等多领域的推荐场景。
选择“更多”>“删除”。 在弹出的确认提示框中,需要选择: 是否删除“图实例绑定的弹性公网IP地址”(没有绑定EIP的图没有该选项),若不释放弹性公网IP则会继续计费。不勾选默认保留EIP。 是否删除“图备份(默认保留1个自动备份和2个手动备份,占用备份配额)”,不勾选默认保留图备份。
概览 在概览页面,您可以根据节点名浏览指定节点的关键资源情况,包括:节点名称、CPU使用率(%)、内存使用率(%)、平均磁盘使用率(%)、IP地址、磁盘I/O(KB/s)、TCP协议栈重传率(%)、网络I/O(KB/s)节点状态和节点监控情况等。 图1 概览页 用户可单击指定节点名
l、神通数据库、Oracle、DWS、Hive。 图名称:选择需要导入数据的图。 网段CIDR:数据源所在子网的网段。 访问IP地址:数据源的数据库的IP。 访问端口:数据源的数据库的端口(Hive不涉及)。 数据库名称:数据源的数据库的名称。 数据库用户名:访问数据源的数据库的用户名(Hive不涉及)。