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
是否必选 类型 说明 sources 是 String 起点ID集合,标准csv格式,ID之间以英文逗号分隔,例如:["Alice","Nana"],个数不大于100000。 targets 是 String 终点ID集合标准csv格式,ID之间以英文逗号分隔,例如:["Mike","Amy"],个数不大于100000。
sources 是 String 起点ID集合,多个节点ID以逗号分隔(即,标准CSV输入格式),个数不大于100000。 targets 是 String 终点ID集合,多个节点ID以逗号分隔(即,标准CSV输入格式),个数不大于100000。 directed 否 Boolean
edges 是 String 需匹配的子图的边集,标准CSV格式,边的起点与终点之间以英文逗号分隔,各边之间以换行符“\n”分隔,例如:“1,2\n2,3”。 vertices 是 String 需匹配的子图上各点的label, 标准CSV格式,点与其label之间以英文逗号分隔,
字符串:对应的边上的属性将作为权重,当某边没有对应属性时,权重将默认为1。 说明: 边上权重应大于0。 - OD 否 起点终点对 String 标准csv格式,起点和终点以英文逗号分隔,各起点和终点对之间以换行符“\n”分隔,例如:“Alice,Nana\nLily,Amy”。 - seeds
Recommendation)参数说明 参数 是否必选 说明 类型 取值范围 默认值 sources 是 节点的ID,可以是多个ID,以逗号分隔(即,标准CSV输入格式)。 String source节点的个数不超过30个 - alpha 否 权重系数,其值越大,步长越长。 Double 0~1,不包括0和1
parameters Object 算法参数。 表3 parameters 参数 是否必选 类型 说明 sources 是 String 计算的节点ID集合,标准csv格式,ID之间以英文逗号分隔,例如:"Alice,Nana"。 响应参数 参数 类型 说明 errorMessage String
parameters参数说明 参数 是否必选 说明 类型 取值范围 默认值 sources 否 查询的起始节点ID集合 String - 标准csv格式,ID之间以英文逗号分隔,例如:["Alice","Nana"] n 否 枚举的满足过滤条件的圈的个数的上限 Integer [1
evs:types:get 项目级服务VPC vpc:ports:create vpc:ports:update vpc:securityGroups:get vpc:publicIps:list vpc:ports:get vpc:subnets:get vpc:vpcs:list √ √ 关闭图
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
AK/SK签名认证方式仅支持消息体大小为12M以内的请求,12M以上的请求请使用Token认证。 AK(Access Key ID):访问密钥ID。与私有访问密钥关联的唯一标识符;访问密钥ID和私有访问密钥一起使用,对请求进行加密签名。 SK(Secret Access Key):与访问密钥ID结合使用的密钥,对
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。
运维监控 监控项列表 图实例运维监控 监控 Cloud Eye监控集群
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
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
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。
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
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
能会影响云服务资源的正常运行,需要及时充值。详细介绍请参见欠费说明。 停止计费 当云服务资源不再使用时,可以将他们退订或删除,从而避免继续收费。详细介绍请参见停止计费。
、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