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
连接管理 图实例创建完成后，您可以通过连接管理功能下载相应的SDK和驱动，以及查看图实例的连接信息。 在图引擎管理控制台，左侧导航栏选择“连接管理”，进入连接管理页面。 图1 连接管理 下载SDK和驱动 图2 SDK和驱动 您可以选择集群支持的CPU架构，单击“下载”按钮进行SDK的下载。
客户端连接参数 在进行了上述客户端初始化认证方式后，您可根据需要进行HTTP配置。 HTTP配置 您可根据以下代码进行配置： import com.huaweicloud.sdk.core.http.HttpConfig; // 默认配置 HttpConfig config
图数据模型中的点代表实体，如交通网络中的车辆、通信网络中的站点、电商交易网络中的用户和商品、互联网中的网页等。 图数据模型中的边代表关系，如社交网络中的好友关系、电商交易网络中用户评分和购买行为、论文中作者之间的合作关系、文章之间的索引关系等。 如果点被删除了，基于该点的边会自动删除。
超时配置 # 将连接超时时间和读取超时时间统一设置为120秒 http_config.timeout = 120 # 将连接超时时间设置为60秒，读取超时时间设置为120秒 http_config.timeout = (60, 120) # SSL配置：是否跳过SSL证书验证 http_config
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。
展示以下这些性能指标的趋势，其中包括: CPU使用率（%） 内存使用率（%） 磁盘使用率（%） 磁盘I/O（KB/s） 网络I/O（KB/s） tomcat连接数使用率（%） swap盘使用率 jvm堆内存使用率 读请求运行队列长度 读请求阻塞队列长度 您可以选择时间段后，查看不同时间区间的性能趋势数据。
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
基本概念 点 图数据模型中的点代表实体。如交通网络中的车辆、通信网络中的站点、电商交易网络中的用户和商品、互联网中的网页等。 边 图数据模型中的边代表关系。如社交网络中的好友关系、电商交易网络中用户评分和购买行为、论文中作者之间的合作关系、文章之间的索引关系等。 Gremlin Gremlin是Apache
on：表示文件系统的挂载点。 网络 在网络页面，您可以根据节点和网卡名称浏览指定节点的网络资源实时消耗情况。其中包括：节点名称、网卡名称、网卡状态、接收丢包数、接收速率（KB/s）、发送速率（KB/s）和网络监控情况等。 图5 网络页 用户可单击指定节点名称所在行最右侧的“监控”按钮，进入网络监控概览
一般情况下，建议就近选择靠近您或者您的目标用户的区域，这样可以减少网络时延，提高访问速度。不过，在基础设施、BGP网络品质、资源的操作与配置等方面，中国大陆各个区域间区别不大，如果您或者您的目标用户在中国大陆，可以不用考虑不同区域造成的网络时延问题。 在除中国大陆以外的亚太地区有业务的用户，可
中介中心度算法（Betweenness Centrality）以经过某个节点的最短路径数目来刻画节点重要性的指标。 适用场景 可用作社交、风控等网络中“中间人”发掘，交通、传输等网络中关键节点识别；适用于社交、金融风控、交通路网、城市规划等领域 参数说明 表1 Betweenness Centrality算法参数说明
企业IT应用 网络&IT基础设备规模庞大、结构复杂，帮助客户深入了解设备状态、设备之间的关系，实现全网络设备智能监控与管理。 该场景能帮助您实现以下功能。 合理规划网络 快速确定故障节点对网络的影响，并在最依赖的节点周围推荐备用路由，在新节点的规划时，精准规划网络位置。 分析故障根因
Centrality）在已知一系列OD出行计划前提下，以经过某个点/某条边的最短路径数目来刻画边重要性的指标。 适用场景 可用作社交、风控等网络中“中间人”发掘，交通、传输等网络中关键节点识别，城市热点事件\早晚高峰人群车辆迁徙发生时关键路段的模拟；适用于社交、金融风控、交通路网、城市规划等领域 参数说明
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。 适用场景
、目的点target、跳数k、路径数n、过滤条件filters，找出source和target间不多于n条的k跳无环路径。 适用场景 任意网络。 参数说明 表1 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
e和target间不多于n条的k跳无环路径。 算法名称：带过滤的n_paths 英文名称：filtered_n_paths 应用场景 任意网络。 请求参数 表1 body体格式 字段名 是否必选 类型 说明 algorithmName 是 String 对应值为“filtered_n_paths”。
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。 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
长按/截图保存，微信识别二维码
或者关注公众号“华为云”
