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
最小化的安全管控要求。 策略:IAM最新提供的一种细粒度授权的能力,可以精确到具体服务的操作、资源以及请求条件等。基于策略的授权是一种更加灵活的授权方式,能够满足企业对权限最小化的安全管控要求。例如:针对GES服务,管理员能够控制IAM用户仅能对某一类云服务器资源进行指定的管理操作。
添加点label:鼠标左键拖动小圆形到画布中新增点,单击画布中的该点,可以定义该点的名称、描述和属性等信息。 添加边label:单击点上的连接点拖动至另一个点的连接点,可创建边,定义该边的名称、描述、起始点、目的点和属性等信息,属性设置参数信息如表1所示。 图2 可视化构建 表1
Service,简称GES)是针对以“关系”为基础的“图”结构数据,进行查询、分析的服务。广泛应用于社交关系分析、营销推荐及社会化聆听、信息传播、防欺诈等具有丰富关系数据的场景。 本文档将为您介绍如何在图引擎服务管理控制台完成图数据的相关操作和分析。 使用本服务的操作流程如下所示: 图1 图引擎服务的使用流程 表1
SDK)是对GES提供的REST API进行的封装,以简化用户的开发工作。 SDK 业务面SDK 管理面SDK Cypher JDBC Driver访问GES 02 购买 GES的计费简单、易于预测,您既可以选择按照小时费率计费的按需计费方式,也可以选择更经济的预付费实例计费方式。
Integer 每页资源数量的最大值,默认为10。 offset 否 Integer 本次请求的起始位置,默认为0。 请求参数 表3 请求Header参数 参数 是否必选 参数类型 描述 X-Auth-Token 是 String 用户Token。 用于获取操作API的权限。获取方法请参见
器下。 资源的价格 不同区域的资源价格可能有差异,请参见华为云服务价格详情。 如何选择可用区 是否将资源放在同一可用区内,主要取决于您对容灾能力和网络时延的要求。 如果您的应用需要较高的容灾能力,建议您将资源部署在同一区域的不同可用区内。 如果您的应用要求实例之间的网络延时较低,则建议您将资源创建在同一可用区内。
动态图的表示形式粒度最细,保留信息更加全面。 本服务支持连续型动态图的建模方式: 例如图2,此图数据由3个点和3条边组成,Vivian、P1和P2表示点,(Vivian,P1)、(Vivian,P2)和(Vivian、Vivian)表示边,Person、Place表示点的类型(标
查找元数据 在“元数据管理”页面,您可以在搜索框中输入元数据文件的名称进行查找。 图1 查找元数据 父主题: 元数据操作
Propagation)是一种基于图的半监督学习方法,其基本思路是用已标记节点的标签信息去预测未标记节点的标签信息。利用样本间的关系建图,节点包括已标注和未标注数据,其边表示两个节点的相似度,节点的标签按相似度传递给其他节点。标签数据就像是一个源头,可以对无标签数据进行标注,节点的相似度越大,标签越容易传播。
或不足的风险。一般适用于电商抢购等设备需求量瞬间大幅波动的场景。 表1列出了两种计费模式的区别。 表1 计费模式 计费模式 包年/包月 按需计费 付费方式 预付费 后付费 计费周期 按订单的购买周期计费。 秒级计费,按小时结算。 适用计费项 图规格(边数)、数据存储空间、和公网带宽费用
object 存储metadata的消息信息的对象。 表4 GesMetaData 参数 参数类型 描述 labels Array of Label objects Label数据结构集合。 表5 Label 参数 参数类型 描述 name String Label的名称。 properties
List 各label与关联的property字段定义。 请求示例 查询图的元数据详情。 GET http://{SERVER_URL}/ges/v1.0/{project_id}/graphs/{graph_name}/schema SERVER_URL:图的访问地址,取值请参考业务面API使用限制。
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 下载相应的SDK和驱动,具体操
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
PageRank算法。该算法继承了经典PageRank算法的思想,利用图链接结构来递归计算各节点的重要性。与PageRank算法不同的是,为了保证随机行走中各节点的访问概率能够反映出用户的偏好,PersonalRank算法在随机行走中的每次跳转会以(1-alpha)的概率返回到source节点,因此可以
Paths:表示距离最短的时序路径。 Foremost Temporal Paths:表示尽可能早的到达目标节点的时序路径。 Fastest Temporal Paths :表示耗费时间最短的时序路径。 适用场景 适用于疫情或疾病传播溯源、信息传播和舆情分析、结合时序的路径规划、资金流通路径等场景。
根据网页(节点)之间相互的超链接进行计算的技术,用来体现网页(节点)的相关性和重要性。 如果一个网页被很多其他网页链接到,说明这个网页比较重要,也就是其PageRank值会相对较高。 如果一个PageRank值很高的网页链接到其他网页,那么被链接到的网页的PageRank值会相应地提高。
对于该source节点的随机游走将提前结束。 Int 1~2000 1000 label 否 希望输出的点的类型。 说明: 其值为空时,将不考虑点的类型,输出算法原始计算结果。 对其赋值时,将从计算结果中过滤出具有该“label”的点的返回。 String 节点label - directed
Louvain算法 概述 Louvain算法是基于模块度的社区发现算法,该算法在效率和效果上都表现较好,并且能够发现层次性的社区结构,其优化目标是最大化整个社区网络的模块度。 适用场景 Louvain算法适用于社团发掘、层次化聚类等场景。 参数说明 表1 Louvain算法参数说明