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
隐藏图敏感信息 您可以通过开关控制是否显示敏感信息。 操作步骤 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。 隐藏全部敏感信息: 在绘图区右上角,单击“展示/隐藏敏感信息”旁的小眼睛,会隐藏图中的敏感信息。 图1 隐藏前 图2 隐藏后 隐藏后,元数据编辑面板中每个Pro
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
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
环路。 适用场景 带一般过滤条件的环路检测(filtered circle detection)算法适用于金融风控中循环转账检测、反洗钱,网络路由中异常链接检测,企业担保圈贷款风险识别等场景。 参数说明 表1 filtered circle detection参数说明 参数 是否必选
图引擎编辑器介绍 访问图引擎编辑器 动态图 图探索功能 多图管理(持久化版) HyG图管理(持久化版) 添加自定义操作 Schema编辑 隐藏图敏感信息 可视化查询图 画布快照 Gremlin查询 Cypher查询 DSL查询 使用算法分析图 索引管理 在绘图区分析图 3D图展示 行业模板公有操作场景
关联路径算法(n-Paths)用于寻找图中两节点之间在层关系内的n条路径。 适用场景 关联路径算法(n-Paths)适用于关系分析、路径设计、网络规划等场景。 参数说明 表1 关联路径算法(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 输入路径的起点ID
、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”。
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。
系统默认当前最新版本,目前只能选择当前默认的版本号。 选择网络信息,包含“虚拟私有云”、“子网”、“安全组”、“公网访问”和“企业项目”。 图2 网络信息 参数 说明 虚拟私有云 VPC即虚拟私有云,是通过逻辑方式进行网络隔离,提供安全、隔离的网络环境。 选择需要创建集群的VPC,单击“查看虚
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
hip),点和关系是最重要的实体。 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。
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
Cypher查询的where子句暂不支持正则匹配。 函数 在分组聚集、点边操作时,cypher支持一系列的函数,目前支持的函数如下所示: Cypher查询输入函数的大小写不敏感(即不区分大小写)。 聚集函数 目前支持count、collect两个聚集函数。 函数名 支持的最低版本 释义 举例 count 2.2.17
Cypher查询的where子句暂不支持正则匹配。 函数 在分组聚集、点边操作时,cypher支持一系列的函数,目前支持的函数如下所示: Cypher查询输入函数的大小写不敏感(即不区分大小写)。 聚集函数 函数名 支持的最低版本 释义 举例 count 2.2.17 求结果总数 match (n) return
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
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
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