-
应用场景 - 图引擎服务 GES
路径设计 可以根据人与车的请求,进行实时路径设计,提高上座率,减少运营成本。 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
-
带一般过滤条件环路检测(filtered - 图引擎服务 GES
过滤条件列表,数组的每个元素分别对应每一层要做的查询和过滤条件。 Object - - 表2 filters元素格式 参数 是否必选 说明 类型 取值范围 默认值 operator 否 表示当前层要做的查询的方向 String out,in 或both out edge_filter 否 表示当前层查询时边的过滤条件。具体格式请见
-
连接管理 - 图引擎服务 GES
公网访问地址:使用公网访问地址(弹性IP)可以从互联网访问图实例。同时支持图实例弹性IP的解绑与绑定。 JDBC连接字符串(内网):当JDBC驱动执行机器和图实例处于同一私有网络时,使用此配置。 JDBC连接字符串(公网):当JDBC驱动执行机器可以通过互联网访问图实例(已绑定弹性IP)时,使用此配置。
-
计费模式概述 - 图引擎服务 GES
大。一般适用于设备需求量长期稳定的成熟业务。 按需计费:一种后付费模式,即先使用再付费,按照图实例实际使用时长计费,秒级计费,按小时结算。按需计费模式允许您根据实际业务需求灵活地调整资源使用,无需提前预置资源,从而降低预置过多或不足的风险。一般适用于电商抢购等设备需求量瞬间大幅波动的场景。
-
查询job列表(2.2.13) - 图引擎服务 GES
查询job列表(2.2.13) 功能介绍 异步任务jobId返回后,若jobId业务层丢失无法通过接口重新获取,现在提供一个新的接口用于查询engine中保存的所有异步任务,返回每个任务的jobId、job状态、原始请求。 URI GET /ges/v1.0/{project_i
-
关联路径算法(n-Paths) - 图引擎服务 GES
关联路径算法(n-Paths) 概述 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
-
Filtered-query API(2.2.13) - 图引擎服务 GES
vertex:所有节点。第一层filter可用,若起始传入节点,则第一层输出为传入的节点;若起始传入节点为空,则第一层输出为所有节点 in:入边 out:出边 both:入边和出边 edge:所有边,仅第一层filter可用,使用方式与vertex类似 后一层的查询操作以前一层的查询结果为输入:
-
查询job列表 - 图引擎服务 GES
查询job列表 功能介绍 异步任务jobId返回后,若jobId业务层丢失无法通过接口重新获取,现在提供一个新的接口用于查询engine中保存的所有异步任务,返回每个任务的jobId、job状态、原始请求。 图规格为持久化版的图,目前最多返回100000条请求。 URI GET /ges/v1
-
n - 图引擎服务 GES
n_paths算法(n_paths) 功能介绍 根据输入参数,执行n_paths算法。 n_paths算法用于寻找图中两节点之间在层关系内的n条路径。 URI POST /ges/v1.0/{project_id}/hyg/{graph_name}/algorithm 表1 路径参数
-
图探索功能 - 图引擎服务 GES
图探索功能 提供图相关工具来探索图。 多标签图不支持图探索功能。 路径拓展 利用Filtered-query-API原理,对k跳过程进行逐层过滤,列出满足过滤条件的第k跳节点或边。Filtered-query接口说明可参考Filtered-query API。 在图引擎编辑器左侧
-
k跳算法(k - 图引擎服务 GES
k跳算法(k_hop) 功能介绍 根据输入参数,执行k跳算法。 k跳算法从起点出发,通过宽度优先搜索(BFS),找出k层与之关联的所有节点。找到的子图称为起点的“ego-net”。k跳算法会返回ego-net中节点及其个数。 URI POST /ges/v1.0/{project
-
k跳算法(k-hop) - 图引擎服务 GES
k跳算法(k-hop) 概述 k跳算法(k-hop)从起点出发,通过宽度优先搜索(BFS),找出k层与之关联的所有节点。找到的子图称为起点的“ego-net”。k跳算法会返回ego-net中节点的个数。 适用场景 k跳算法(k-hop)适用于关系发现、影响力预测、好友推荐等场景。
-
点集最短路(Shortest Path of Vertex Sets) - 图引擎服务 GES
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分析。 参数说明 表1 点集最短路算法(Shortest Path of Vertex
-
点集全最短路(All Shortest Paths of Vertex Sets) - 图引擎服务 GES
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。 参数说明 表1 All Shortest Paths of Vertex
-
如果点被删除了,基于该点的边会怎么处理? - 图引擎服务 GES
ionship),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。
-
节点监控 - 图引擎服务 GES
Available(540228616) != Total(569616888) 图中各个参数的含义如下: Filesystem:代表文件系统对应的设备文件的路径名(一般是硬盘上的分区)。 IK-blocks:分区包含的数据块(1024字节)的数目。 Used:磁盘已使用数据块数目。 Available:磁盘可用的数据块数目。
-
基本概念 - 图引擎服务 GES
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
-
服务支持使用哪些算法对图进行分析? - 图引擎服务 GES
Path of Vertex Sets) 用于发现两个点集之间的最短路径。适用于互联网社交、金融风控、路网交通、物流配送等场景下的区块之间关系分析。 关联路径(n-Paths) 该算法用于寻找图中两节点之间在k层关系内的n条路径。适用于关系分析、路径设计、网络规划等场景。 紧密中心度(Closeness
-
算法一览表 - 图引擎服务 GES
Path of Vertex Sets) 用于发现两个点集之间的最短路径。适用于互联网社交、金融风控、路网交通、物流配送等场景下的区块之间关系分析。 关联路径(n-Paths) 该算法用于寻找图中两节点之间在k层关系内的n条路径。适用于关系分析、路径设计、网络规划等场景。 紧密中心度(Closeness
-
Filtered-query V2(2.3.6) - 图引擎服务 GES
select有times+1个隐含的选择字段,v0,v1,v2...vtimes。其分别表示: v0: 用户输入的点集第0层。 v1: K跳中的第1层。 v2: K跳中的第2层等。 select选择的结果路径是默认去重的。 by(2.2.21) 否 Array of Json 输出所有 用于控制输出字段具体内容。