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
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
图细粒度权限配置 GES图实例提供了细粒度权限控制,可对特定Label的特定属性设置遍历(traverse)、读、写权限。您可以对您管理的图进行label、property级别细粒度权限设置,并对用户组进行授权。 该功能支持对“2.2.21”及以上版本的内存版图和“2.4.0”及
点操作API 查询点详情 批量点查 批量添加点 批量删除点 批量更新点属性 父主题: 持久化版
图操作API 导入图 清空图 导出图 创建图 删除图 图列表 父主题: 持久化版
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
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。
索引操作API 新建索引(1.1.6) 删除索引(1.1.6) 查询索引(1.1.6) 父主题: 内存版
Gremlin操作API 执行Gremlin查询(1.0.0) 父主题: 内存版
点操作API 批量添加点(2.1.9) 父主题: 业务面API
图操作API 导入图(2.1.14) 导出图(1.0.5) 清空图(2.1.1) 父主题: 内存版
备份管理API 查看所有备份列表(1.0.0) 查看某个图的备份列表(1.0.0) 新增备份(1.0.0) 删除备份(1.0.0) 导出备份(2.3.16) 导入备份(2.3.16) 获取备份下载链接(2.4.3) 父主题: 管理面API(V2)
可以使用备份数据进行恢复操作。 操作步骤 备份操作的入口有两个:“图管理”页面和“备份管理”页面。 “图管理”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“图管理”。 在图管理列表中,选择需要备份的图,在“操作”列单击“备份”。 在弹出的确认提示框中,单击“确定”完成图备份。
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。
查看运行记录 系统会以表格的方式记录用户的执行操作记录,方便用户在分析数据时了解执行进度和执行完成时间。 查看运行记录的具体步骤如下: 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。 在执行Gremlin/Cypher/DSL查询或算法分析之后,在“运行记录”页签下会展示
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。