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
紧密中心度算法（Closeness Centrality） 概述 紧密中心度算法（Closeness Centrality）计算一个节点到所有其他可达节点的最短距离的倒数，进行累积后归一化的值。紧密中心度可以用来衡量信息从该节点传输到其他节点的时间长短。节点的“Closeness
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
变更图规格 图存储容量、计算能力或服务能力无法满足业务需求时，需要考虑对图进行变更规格。 暂不支持一万边图的规格变更。 变更规格以后所有索引（复合索引和全文索引）都需要重新创建。 变更图规格的具体操作步骤如下： 登录管理控制台，在左侧导航栏中选择“图管理”。 对需要变更规格的图，单击图管理操作列中的“更多
4及以上版本的图升级完成后，支持回退图版本功能。 升级完成后30天内支持回退，超过时间将无法回退。 回退期间图不可用，且会将数据回退到升级之前。 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“图管理”。 在图管理列表中，选择需要回退版本的图，在“操作”列选择“更多”>“回退”。 不支持回退的图，没有“回退”按钮。
编辑元数据 如果导入或创建的元数据文件不符合业务诉求，需要进行变更，您可以通过编辑元数据对Label和Property进行修改。 编辑元数据文件完成后，将覆盖之前的元数据文件。为避免数据丢失，建议您在编辑前，先复制一份元数据。 操作步骤 在“元数据管理”页面，编辑元数据有两个入口：
删除元数据 当元数据文件失效后，您可以在“元数据管理”页面，对应的元数据文件“操作”列中单击“删除”，来删除元数据文件。 数据删除后无法恢复，请谨慎操作。 图1 删除元数据 父主题： 元数据操作
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
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
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
单源最短路算法（SSSP） 概述 单源最短路算法（SSSP）计算了图论中的一个经典问题，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
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
点集全最短路（All 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。
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
带一般过滤条件最短路径（Filtered Shortest Path） 概述 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
带过滤全对最短路径（Filtered All Pairs Shortest Paths） 概述 带过滤全对最短路径（Filtered All Pairs Shortest Paths）是寻找图中任意两点之间满足条件的最短路径。当前，考虑到实际应用场景，此算法需要用户指定起点集（s
单点环路检测（Single Vertex Circles Detection） 概述 单点环路检测（Single-Vertex-Circles-Detection）是一个经典的图问题，意在寻找图中的环路。环路上的点较好地体现了该点的重要性。 适用场景 单点环路检测适用于交通运输、金融风控等场景。
下载与安装SDK 业务面SDK支持Java和Python两种语言，Java SDK有以下两种情况： Maven源可用：有配置maven源，且maven源可以从开源仓库下载jar包。 Maven源不可用：没有配置maven源或者maven源不能从开源仓库下载jar包。 下载SDK
带过滤全最短路径（Filtered All Shortest Paths） 概述 带过滤全最短路径（Filtered All Shortest Paths）是在最短路径算法（Shortest 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。
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
