Skip to main content

图计算

简介

图计算是一种处理和分析大规模图数据结构的技术。随着社交网络、知识图谱、推荐系统等应用的兴起,图计算技术已经成为数据处理领域的一个热点。 ArcGraph 涵盖了图计算的存储、处理和通信等关键领域,为用户提供一个高效、可扩展和灵活的图计算平台,ArcGraph 图计算架构图如下所示。

graph-computing.png

主要优势

  • 高性能图计算内存引擎

    • 向量化计算效率提升:向量化计算利用单指令多数据(SIMD)指令集,可以同时处理多个数据项,大大提高了计算效率。在图计算中,这意味着可以更快地处理图的节点和边。
    • 边数据读取性能优化:图的边数据通常非常庞大。优化边数据的读取性能可以大幅提高整体的计算速度,特别是当从磁盘或网络读取数据时。
    • 支持更高效的PIE计算模型,兼容 Pregel:PIE(Partitial-Incremental-assEmbal)是一个新的图计算模型,它旨在提高图计算的效率。而Pregel是Google推出的一个大规模图处理框架。一个良好的图计算引擎应该同时支持这两种模型,以满足不同应用的需求。
    • 平衡分区数据分布:在分布式图计算中,数据分布的均衡性对于确保所有计算节点均衡负载和最大化资源利用至关重要。
  • 高性能网络通信框架

    • 优化序列化/反序列化性能,降低数据传输量:序列化是将数据结构或对象转换为字节流的过程,以便在网络上发送或存储。优化序列化和反序列化的性能可以减少数据传输和处理的时间。
    • 实现Pull与Push机制,同时支持稀疏图与稠密图:Pull和Push是两种不同的数据通信机制。在Pull模式下,计算节点从其他节点请求数据;在Push模式下,计算节点向其他节点发送数据。根据图的稠密性选择合适的机制可以大幅提高效率。
  • 优秀的开放性与兼容性

    • 自定义算法支持PIE与Pregel计算模型:允许开发者根据自己的需求编写自定义算法,并且可以选择基于PIE或Pregel模型来执行这些算法。
    • 支持基于GPU的图计算:GPU(图形处理单元)具有强大地并行处理能力,适合执行大规模图计算任务。支持GPU意味着可以进一步加速图计算的性能。

算法支持

离线图计算算法支持情况请参考算法列表

ArcGraph 图计算架构

arcgraph-computing-arch.png

ArcGraph HTAP 架构

HTAP(Hybrid Transactional and Analytical Processing,混合事务和分析处理)是一种数据库架构,它可以同时处理 OLTP(Online Transaction Processing,在线事务处理)和 OLAP(Online Analytical Processing,在线分析处理)的请求。 HTAP 能够实时同步数据且可以通过查询语句生成数据并直接进行图计算,时效性较强。所以,HTAP 在图计算方面具有更高的灵活性和可扩展性,且简化了整体技术架构,减少维护的复杂性,满足了各种不同实际应用场景的需求。

ArcGraph HTAP 的整体架构由两个独立的集群组成: TP 集群和 AP 集群。这些集群可根据实际情况进行独立扩展和缩容,以实现灵活的资源管理和高可用性。在部署方面,HTAP Graph 支持根据实际情况单独部署和扩缩容,同时保持功能应用之间的联动性。这种架构提供了高度的灵活性和可扩展性,使得用户可以更加方便地使用 HTAP Graph 进行事务和分析处理。 HTAP Graph 整体架构图如下。

htap-graph-architecture.png

基本概念

  • TP 集群
    由一个或多个 TP Server (即 TP 服务器)组成,主要负责处理事务性读写操作。每个 TP 服务器中,与 HTAP 工作密切相关的组件包括:
    • HTAP 查询计划,该组件用于解析用户的 HTAP 请求,并将其编译成执行计划。
    • HTAP 执行器,该组件负责查询图的计算所需的数据,形成子图。
    • 子图缓存,该组件负责缓存 HTAP 执行器的查询结果,等待 AP 工作节点来获取。目前支持内存(memory)和 TiKV 两种模式,具体模式由 TP 服务器的配置决定。
  • AP 集群
    主要用于执行大规模数据图计算任务,其中与 HTAP 工作密切相关的组件包括:
    • AP Coordinator,即 AP 协调器,负责接收 TP 服务器的 AP 请求,并协调各个 AP 工作节点来获取子图数据,执行算法。同时,协调器也负责协调 AP 工作节点来获取结果数据。
    • AP Worker,由 AP 执行器和算法库组成,主要负责获取数据、执行 AP 算法,并将计算结果保存在计算结果存储中。
    • 计算结果存储,负责保存图计算的结果,通常使用 MinIO 等存储系统。

基本流程

当用户发起 HTAP 语句时流程如下:

  1. 首先,用户通过客户端或驱动程序将语句文本发送到 TP 服务器。
  2. TP 服务器接收到语句文本后,解析并生成执行计划,生成唯一的查询 ID(task id)。
  3. TP 服务器开始执行查询操作。
    查询结果将被存储为一个子图,并根据 TP 服务器的配置情况,选择存储在内存、TiKV 或其他存储系统中。
  4. TP 服务器通知 AP 协调器需要执行的算法,以及数据存储的位置。
  5. TP 计算节点将查询 ID 返回给客户端,语句执行结束。
  6. AP 协调器根据接收到的请求,通知各个 AP 工作节点拉取输入数据。
  7. AP 工作节点从 TP 的子图缓存中拉取数据。
    数据拉取完成后,图计算算法将被执行,执行结果将被保存至计算结果存储中。

当用户发起 HTAP 结果查询语句时,流程如下:

  1. 查询图计算结果的语句被发送至 TP 的计算节点。
  2. TP 计算节点解析语句并向 AP 协调器请求结果数据。
  3. 协调器根据任务 ID 从结果存储中获取数据,并将其返回。
  4. TP 计算节点将返回的结果传递给客户端。

说明:
只有一个查询 ID 时,通常无法直接查看图计算的结果,可以发起一条以查询 ID 为参数的查询结果语句,获取相应的结果数据。

HTAP Query 语法

前提条件

进行 HTAP 查询前请确认已部署 AP 并获取相关权限。

目前,用户只要具备执行 MATCH 权限,便可通过执行 MATCH CALL 语句来调用图计算功能。获取相关权限的方法详情请参见 权限 章节。

语法

图计算相关的 Cypher 语句采用 MATCH .. CALL 的形式组成。

  • 执行图计算任务

    语法

     MATCH <pattern_part> [WHERE <expression>] CALL <algo_name> '(' <algo_params> ')'  
    [WITH HINT(SAMPLING)]
    YIELD task_id
    RETURN task_id;

    algo_name ::= <Ident>
    algo_params ::= <expression> [',' <expression>]

    参数说明

    参数说明
    <algo_name>算法名,如 pagerank
    <algo_params>参数,多个参数间以英文逗号分隔。

    详细说明

    • MATCH 部分是一个完整的只读的 MATCH 子句,用于查询参与图计算的相关点和边。
    • CALL 子句用于调用图算法。CALL 子句后需要指定具体的算法名称 <algo_name> 和该算法需要的参数 <params>,具体支持的算法请参见 算法列表 章节。
    • WITH HINT(SAMPLING) 可选配置,指定交给图计算的MATCH结果不超过1000条。没有该hint时, 对MATCH结果不做限制。
    • YIELD 子句用于返回 CALL 子句产出的结果。目前 MATCH CALL 只产出 task_id
    • RETURN 子句用于指定查询的返回结果。目前 RETURN 返回的是 YIELD 子句中返回的 task_id,并作为结果返回给客户端。
    • <Ident><expression><pattern_part> 等语法详情请参见 DML(增|删|改) 章节。
  • 获取图计算结果信息

    语法

     SHOW TASK <task_id> 
    RESULTS [LIMIT <limit>] [SKIP <skip>];
    <task_id> ::= int64
    <limit> ::= int32
    <skip> ::= int32

    参数说明

    参数说明
    <task_id>任务 ID。
    <limit>(可选)返回结果的最大行数。请根据实际情况设置参数,则默认情况下只显示最多 5000 行。
    <skip>(可选)跳过行数,若未设置参数,则默认情况下不跳过行。

    详细说明

    • SHOW TASK 子句用于显示查询的详细信息。
    • RESULTS 子句用于显示查询的结果。
    • LIMIT 子句用于限制返回结果的最大行数。查询结果将按照指定的限制行数返回,如果查询结果不足限制行数,则返回所有结果。
    • SKIP 子句用于指定结果的开始获取行数。后面跟着一个数字,表示结果中从第 n+1 行开始获取。

应用示例

通过 TP 入口执行图计算以及查询计算结果请参考以下步骤执行,此处以 LPA(Label Propagation Algorithm,标签传播算法)算法为例介绍。 若需要通过 Java SDK 应用 HTAP,示例方法请参见 ArcGraph Java SDK 章节。

  1. 执行 LPA 算法,发起图计算。

    MATCH (n:person)-[e:knows]->(b:person) 
    call lpa((n)-[e]->(b), 3)
    YIELD task_id
    RETURN task_id;
  2. 根据返回结果,获取任务 ID。
    返回结果示例 1:
    AP 顺利开始执行,返回 task_id

    +---------------------+
    | task_id |
    +=====================+
    | 7107968001563041787 |
    +---------------------+

    返回结果示例 2:
    当前有 AP 任务正在执行,返回如下失败信息。请在当前任务结束后,再次发起执行请求,以获取正确的任务号。

    +----------------------------------------------------------------------------------------------------+
    | error |
    +====================================================================================================+
    | Code: 8006, AP_ANALYTICAL_ENGINE_INTERNAL_ERROR: another task 7107968001563041787 already started. |
    +----------------------------------------------------------------------------------------------------+

    返回结果示例 3:
    AP 服务器连接异常,返回如下错误信息。请确认已部署 AP 并检查 AP 连接情况,如有需要可联系 我们 获取帮助。

    +-------------------------------------------------------------+
    | error |
    +=============================================================+
    | Code: 8004, AP_NETWORK_ERROR: Fail to connect to AP server. |
    +-------------------------------------------------------------+
  3. 通过任务 ID,执行下列命令,获取图计算结果信息。

    SHOW TASK 7107968001563041787 
    RESULTS LIMIT 10;

RESTful API

自 ArcGraph 图数据库 v2.1.2 版本起,ArcGraph OLAP 引擎提供了一套完整的 RESTful API,允许用户通过 HTTP 请求与 ArcGraph OLAP 引擎进行交互,如提交图计算任务、查询任务状态以及获取任务结果等。

URL 与方法

  • URLhttp://localhost:8000/graph-computing/
  • 方法:POST

请求头(Headers)

为确保 API 调用的顺利进行,需要在请求命令中包含必要的 HTTP 请求头信息。请求头参数说明如下:

参数说明是否可选
Accept用于指定客户端期望从服务器获取的数据格式,默认为 application/json
Content-Type用于指定客户端发送给服务器的数据格式,默认为 application/json

请求体(Request Body)

请求体是一个 JSON 对象,它包含了执行图计算算法所需的参数和配置。请求体参数说明如下:

参数说明是否可选
algorithmName算法英文名称,用于指定要执行的算法。
graphNameArcGraph 图数据库中的图名称。
dataSetName图数据集名称,默认与 graphName 相同。
taskId任务的唯一标识符,它是一个由用户自定义的字符串(如果未配置,则系统会计算一个 uuid)。
dataSetSchema图的 Schema 信息,用于从 ArcGraph 图数据库中导出数据。它包括点类型(vertexTypes)和边类型(edgeTypes)的详细信息,需与 ArcGraph 图数据库中的图 Schema 匹配。
  • vertexTypes:定义点类型的名称和属性等。
  • edgeTypes:定义边类型名称、关联点类型、属性和是否为时序边等。
subGraph指定执行算法的子图结构,其格式与 dataSetSchema 相同。
algorithmParams算法执行时所需的特定参数。不同算法所需参数不同,请根据实际算法要求设置,算法参数详情请参见 请求参数(Algorithm Params) 章节。

示例

{
"algorithmName": "attribute_assortativity_coefficient",
"graphName": "LDBC_SNB",
"dataSetName": "LDBC_SNB",
"taskId": "attribute_assortativity_coefficient",
"dataSetSchema": {
"edgeTypes": [
{
"edgeTypeName": "knows",
"vertexPairs": [
{
"fromName": "person",
"toName": "person"
}
],
"props": [],
"temporal": true
}
],
"vertexTypes": [
{
"vertexTypeName": "person",
"props": [
"weight"
]
}
]
},
"subGraph": {
"edgeTypes": [
{
"edgeTypeName": "knows",
"vertexPairs": [
{
"fromName": "person",
"toName": "person"
}
],
"props": []
}
],
"vertexTypes": [
{
"vertexTypeName": "person",
"props": [
"weight"
]
}
]
},
"algorithmParams": {}
}

请求参数(Algorithm Params)

算法参数

支持的算法及算法执行时所需的算法参数如下:

算法/算法简介参数名称类型是否可选默认值参数说明
attribute_assortativity_coefficient
属性同配系数算法
numericboolNotrue
numeric_assortativity_coefficient
数值同配系数算法
numericboolNotrue
average_degree_connectivity
平均度连接性算法
sourcestringNoin+out仅适用于有向图。使用“入度”或“出度”表示源节点,允许的值包括 in(入度),out(出度),in+out(入度 + 出度)
targetstringNoin+out仅适用于有向图。使用“入度”或“出度”表示目标节点,允许的值包括 in(入度),out(出度),in+out(入度 + 出度)
average_shortest_path_length
平均最短路径长度算法
betweenness_centrality
介数中心性算法
normalizedboolYestrue是否归一化
endpointsboolYesfalse是否包含 endpoints
edge_betweenness_centrality
边介数中心性算法
normalizedboolYestrue是否归一化
bfs
广度优先搜索算法
srcint/stringNo0广度优先搜索的源顶点
kintYes0k
bfs_generic
广义广度优先搜索算法
srcint/stringNoNone广度优先搜索的源顶点
limitintYes10深度限制
formatstringYespredecessors值为 successors 或者 predecessors
closeness_centrality
紧密中心性算法
wf_improvedboolYestrue是否采用 Wasserman and Faust 公式改进
avg_clustering
平均聚类系数算法
degree_thresholdintYes10000000000度数限制
clustering
聚类系数算法
degree_thresholdintNo10000000000
degree_assortativity_coefficient
度同配系数算法
xstringYesNone目标节点的度类型,可用选项有 in 或者 out
ystringYesNone源节点类型,可用选项有 in 或者 out
weightedboolNofalse
degree_centrality
度中心性算法
centrality_typestringYesNone中心度类型,可用选项有 in,out 或者 both
dfs
深度优先搜索算法
srcint/stringYesNone深度优先搜索的源顶点
edge_boundary
边界边算法
nbunch1stringYesNone顶点列表 1
nbunch2stringYesNone顶点列表 2
eigenvector_centrality
特征向量中心度算法
tolerancefloatYes1e-06收敛偏差
max_roundintYes100最大迭代轮数
hits
链接分析算法
tolerancefloatYes0.01收敛偏差
max_roundintYes10最大迭代轮数
normalizedboolYestrue是否将结果归一化为 0-1。默认为 true
is_simple_path
简单路径算法
nodesstringYesNone一个包含一个或多个图 G 中节点的列表
all_simple_paths
全简单路径算法
srcstringNoNone起点
nodesstringNoNone目标点数据列表
limitintNo100000000数量限制
k_core
k 核算法
kintNo0k_core 的阶数
k_shell
K-Shell 算法
kintNo0k_shell 的阶数
katz_centrality
Katz 中心性算法
alphafloatYes0.1衰减因子
betafloatYes1.0分配给直接邻居的权重
tolerancefloatYes1e-06收敛偏差
max_roundintYes100最大迭代轮数
normalizedboolYestrue是否将结果归一化为 0-1。默认为 true
degree_thresholdintYes1e9是否将结果归一化为 0-1。默认为 true
louvain
鲁汶算法
min_progressintYes1000内层循环数
progress_triesintYes1外层循环数
girvan_newman
Girvan-Newman 社交网络算法
community_numintYes10社区数量
cdlp
标签传播算法(LPA)
max_roundintYes10最大迭代轮数
slpa
SLPA 社交网络分析算法
max_roundintYes10最大迭代轮数
rfloatYes0.3
wcdlp
加权标签传播算法
max_roundintYes10最大迭代轮数
lpa_u2i
lpa_u2i 社交网络分析算法
max_roundintYes10最大迭代轮数
node_boundary
节点边界算法
nbunch1stringYesNone顶点列表 1
nbunch2stringYesNone顶点列表 2
pagerank_nx
pagerank_nx 算法
alphafloatYes0.85计算因子
max_iterintYes10算法迭代次数
tolfloatNo0.000001
pagerank
网页排名算法
deltafloatYes0.85计算因子
max_roundintYes10算法迭代次数
tolfloatNo0.000001
wpagerank
改进版的 PageRank 算法
alphafloatYes0.85计算因子
max_iterintYes10算法迭代次数
tolfloatYes1e-6计算因子
ppagerank
改进版的 PageRank 算法
srcint/stringYesNone源点 id
alphafloatYes0.85计算因子
max_iterintYes10算法最大迭代轮数
tolfloatNo1e-6
sybil_rank
Sybil 攻击的社交网络算法
sourcesstringYesNone源点 id 列表
total_trustfloatYes0.85计算因子
max_iterintYes10算法最大迭代轮数,推荐设置为 log(|V|)
trust_rank
信任排名算法
seedsstringNoNone信任节点列表
alphafloatYes0.85阻尼因子
max_iterintYes10算法最大迭代轮数,推荐设置为 log(|V|)
tolfloatYes1e-6
sssp
单源最短路径算法
srcint/stringYesNone源顶点
shortest_path
最短路径算法
srcint/stringNoNone源顶点
targetint/stringNoNone目标顶点
weightstringYesNone边类型属性名称, 仅支持int32,int64,float,double类型的属性选
rankstringYesNone
all_shortest_path
全最短路径算法
srcint/stringNoNone源顶点
targetint/stringNoNone目标顶点
kintYesNone最大跳数
directedintYesNone方向,允许的选项有 0(in),1(out),2(both)
weightstringYesNone边类型属性名称, 仅支持int32,int64,float,double类型的属性选
rankstringYesNone
ksssp
k 步最短路径算法
srcint/stringYesNone源顶点
kintYes1hop 数量
mssp
多源最短路径算法
sourcesstringYesNone源点 id 列表
sssp_has_path
路径存在判断算法
srcint/stringNoNone源顶点
dstint/stringNoNone目标顶点
sssp_all_pairs_length
节点对最短路径算法
diameter
直径估计算法
sampleintYesNone采样数
transitivity
传递性算法
triangles
三角计数算法
voterank
投票排名算法
num_of_nodesintYesNone要提取的排名节点数量。默认为所有节点
random_walk
随机游走算法
nodesstringYesNone源点 id 列表
lengthintNoNone随机游走长度
vertex_similarity
节点相似性算法
nodes1stringYesNone顶点 id 列表 1
nodes2stringYesNone顶点 id 列表 2
metricstringYescommon度量方法,支持 common 和 jaccard
vertex_similarity_ss
节点相似性 ss 算法
srcint/stringYesNone顶点 id 列表 1
kintYesNone返回 top 数
metricstringYescommon度量方法,支持 common 和 jaccard
wcc_projected
弱连通分量算法
scc
强连通分量算法
number_connected_components
弱连通分量数算法
graph_matching
子图匹配算法 GAE 版本
limitintYes10
verticesstringNo
edgesstringNo
rankstringYes
graph_matching_query
子图匹配算法 gremlin 版本
patternstringNo
limitintYes10
rankstringYes
cycle_detection
环路检测算法
limitintNoNone结果循环限制
khopintNoNonek-hop 数量
rankstringYes_ts
sequential_cycle_detection
时序环路发现算法
nodes_jsonstringYes
node_attributestringYes
khopstringYes2,6
first_edge_time_rangestringYes0,0
attributestringYes边属性
limitintYes
bfs_levelintYes3
cycle_detection_filter
带过滤的环路检测算法
srcint/stringYesNone源顶点的 ID
vertex_typestringYesNone点类型名称
edge_propstringYesNone用于过滤的边属性名称
khopintNoNonek-hop 数量
prop_thresholdfloatYesNone边属性过滤的阈值
rankstringYesNone
all_path_search
全路径搜索算法
nodes1stringYesNone顶点 id 列表 1
nodes2stringYesNone顶点 id 列表 2
kintYesNonek-hop 数量
rankstringYes_ts
ego_net
本体网络算法
srcint/stringYesNone源点 id
kintYes1k-hop 数量
rankstringYes_ts
multi_source_khop
查找多个源节点与目标节点之间的 k-hop 路径的一种算法
src_idsstringNoNone源点 id 列表
v_typestringYesNone点类型名称
e_typestringYesNone边类型名称
dirintYesNone方向, 允许的选项有0(in),1(out),2(both)
khop1intYesNonek-hop 数量下限
khop2intYesNonek-hop 数量上限
countboolYesfalse是否只统计数量,不返回具体的点
node2vec
node2vec 算法
dimintYes128图嵌入的维度
pfloatYes1游走时用到的概率 p
qfloatYes1游走时用到的概率 q
walk_lengthintYes20游走路径长度
walks_per_nodeintYes10每个节点游走次数
epochintYes10训练epoch数
note

在有向图中,点(顶点)的入度是指进入该点(顶点)的边的条数;出度是指从该点(顶点)出发的边的条数。

点/边属性支持

各算法对点属性和边属性的支持情况如下:

算法是否接受点属性是否接受边属性
attribute_assortativity_coefficient、numeric_assortativity_coefficientTrueFalse
average_degree_connectivity、average_shortest_path_length、degree_assortativity_coefficient、eigenvector_centrality、katz_centrality、louvain、wcdlp、wpagerank、sssp、shortest_path、all_shortest_path、ksssp、mssp、sssp_all_pairs_length、diameterFalseTrue
betweenness_centrality、edge_betweenness_centrality、bfs、bfs_generic、closeness_centrality、avg_clustering、clustering、degree_centrality、dfs、edge_boundary、hits、is_simple_path、all_simple_paths、k_core、k_shell、girvan_newman、lpa、slpa、lpa_u2i、node_boundary、pagerank_nx、pagerank、ppagerank、sybil_rank、trust_rank、sssp_has_path、transitivity、triangles、voterank、random_walk、vertex_similarity、vertex_similarity_ss、wcc、scc、number_connected_components、graph_matching、graph_matching_query、cycle_detection、sequential_cycle_detection、cycle_detection_filter、all_path_search、ego_net、multi_source_khop、node2vecFalseFalse

其他参数

在发送请求时,可以通过在请求 URL 的末尾附加特定的查询参数来调整行为。参数详情如下:

参数说明是否可选
use_cache用于指定是否启用图缓存机制。当此参数设置为 true 时,算法首次执行将自动缓存图数据至内存中,以确保后续执行相同算法时能够直接从缓存中读取图数据,避免重复加载,有效提升图计算性能。
reload用于指定是否强制重新加载图。

示例

'http://localhost:8000/graph-computing/algos/attribute_assortativity_coefficient?use_cache=true&reload=false' 

响应

成功响应(200)

提交请求成功后,服务器将返回一个 JSON 格式的响应,如下所示:

  • Media Type: application/json

  • Example Value:

    {
    "code": 200,
    "msg": "Success",
    "data": "string"
    }

验证错误(422)

如果请求体中的参数不符合要求,服务器将返回包含错误信息的 JSON 响应,如下所示:

  • Media Type: application/json

  • Example Value:

    {
    "detail": [
    {
    "loc": [
    "string",
    0
    ],
    "msg": "string",
    "type": "string"
    }
    ]
    }

RESTful API 应用

前提条件

在使用 RESTful API 前,请确保您已经成功部署了单机版或敏捷版 ArcGraph 图数据库中的 ArcGraph OLAP 引擎。

发起图计算任务

本章节以 attribute_assortativity_coefficient 算法为例,介绍如何发起图计算任务。

请求 URL: http://localhost:8000/graph-computing/

请求方式: POST

curl 示例:

curl -X 'POST'     'http://localhost:8000/graph-computing/'     
-H 'accept: application/json'
-H 'Content-Type: application/json'
-d '{
"algorithmName": "attribute_assortativity_coefficient",
"graphName": "LDBC_SNB",
"dataSetName": "LDBC_SNB",
"taskId": "attribute_assortativity_coefficient",
"dataSetSchema": {
"edgeTypes": [
{
"edgeTypeName": "knows",
"vertexPairs": [
{
"fromName": "person",
"toName": "person"
}
],
"props": [],
"temporal": true
}
],
"vertexTypes": [
{
"vertexTypeName": "person",
"props": ["weight"]
}
]
},
"subGraph": {
"edgeTypes": [
{
"edgeTypeName": "knows",
"vertexPairs": [
{
"fromName": "person",
"toName": "person"
}
],
"props": []
}
],
"vertexTypes": [
{
"vertexTypeName": "person",
"props": ["weight"]
}
]
},
"algorithmParams": {}
}'

返回结果示例如下:

{
"code": 200,
"msg": "Success",
"data": "string"
}

查询任务状态

在提交图计算任务后,可以发送 GET 请求到相应的任务状态查询接口来查询任务的状态,了解任务的执行进度。

请求 URL: http://localhost:8000/graph-computing/

请求方式: GET

curl 示例:

curl -X 'GET' \
'http://localhost:8000/graph-computing/status?task_id=attribute_assortativity_coefficient&with_log=false' \
-H 'accept: application/json'

返回结果示例如下:

{
"code": 200,
"msg": "success",
"data": {
"taskId": "attribute_assortativity_coefficient",
"graphId": 0,
"algorithm": "attribute_assortativity_coefficient",
"code": "0",
"message": "",
"status": "finished",
"subStatus": "",
"resultSize": 1,
"resultStorageType": "local",
"resultStorageFormat": "csv",
"resultStorageProperties": "",
"log": "",
"errors": []
}
}

查询图计算结果

在提交图计算任务后,可以发送 GET 请求到相应的结果查询接口获取图计算的结果。

请求 URL: http://localhost:8000/graph-computing/

请求方式: GET

curl 示例:

curl -X 'GET' \
'http://localhost:8000/graph-computing/result?task_id=attribute_assortativity_coefficient&with_log=true&limit=100&skip=0' \
-H 'accept: application/json'

返回结果示例如下:

{
"code": 200,
"msg": "success",
"data": {
"status": "finished",
"log": "",
"errors": [],
"result": {
"header": [
"0"
],
"data": [
[
"-0.010865380609647247"
]
]
}
}
}