嬴图的图算法可通过GQL和UQL在嬴图Manager和嬴图CLI上执行，或将嬴图Drivers集成到应用程序中。嬴图Drivers支持多种编程语言，包括Java、Python、Go、Node.js和C#。

算法结果

算法执行结果包括基本结果和一些可选的统计概述。

• 基本结果是算法的核心输出，如点排名、成对相似度和计算的指标。
• 统计概述（如有）提供汇总数据，包括平均值、总和和分布细节，以便对基本结果作进一步分析。

执行模式

算法支持以下六种执行模式：文件回写、数据库回写、统计回写、完整返回、流式返回和统计返回。

文件回写

文件回写模式下，算法以作业形式执行，将基本结果写至文件中，方便后续访问。该模式在处理大型输出结果时非常有用，不用将数据直接返回至客户端，尤其适用于需要离线存储或对数据进行后续处理的场景。

CALL algo.<algoName>("<projectName>", {
  params: {
    ...
  },
  write_params: {
    file: {
      <filename_item1>: "<fileName1>",
      <filename_item2?>: "<fileName2?>",
      ...
    }
  }
})

algo(<algoName>).params({
  project: "<projectName>",
  ...
}).write({
  file: {
    <filename_item1>: "<fileName1>",
    <filename_item2?>: "<fileName2?>",
    ...
  }
})

详情

• 可以指定输出文件的扩展名（如.csv或.txt），如果未指定，系统会使用默认格式或通用格式。

数据库回写

数据库回写模式下，算法以作业形式执行，将基本结果中的指定列直接写入数据库中指定的点属性里，以便永久存储，在未来查询或分析时，能随时使用。

CALL algo.<algoName>("<projectName>", {
  params: {
    ...
  },
  write_params: {
    db: {
      property: "<propertyName>"
    }
  }
})

algo(<algoName>).params({
  project: "<projectName>",
  ...
}).write({
  db: {
    property: "<propertyName>"
  }
})

详情

数据库回写作用于图集中的所有点，将结果写入指定属性，无需定义标签（schema）。

• 如果标签下指定属性不存在，系统会自动创建该属性。
• 如果标签下指定属性存在，已存在的属性值将被覆盖。
• 仅当已有属性和新结果的数据类型不匹配时，相关标签回写失败。
• 若点有算法结果返回，返回值会存储在属性里；若点没有算法结果返回，则根据结果类型接收默认值，如0或空字符串。

统计回写

统计回写模式下，算法以作业形式执行。执行过程会生成统计概述，并与作业一同保存下来。

CALL algo.<algoName>("<projectName>", {
  params: {
    ...
  },
  write_params: {
    stats: {
      <stats1?>: <boolean?>,
      <stats2?>: <boolean?>,
      ...
    }
  }
})

algo(<algoName>).params({
  project: "<projectName>",
  ...
}).write({
  stats: {
    <stats1?>: <boolean?>,
    <stats2?>: <boolean?>,
    ...
  }
})

详情

• 当stats留空时，所有统计概述会保存在作业里。也可在stats中指定某个统计概述，通过设定true或false保留想要的概述。

完整返回

完整返回模式下，算法以实时进程形式执行。算法执行完成后，将所有结果和统计概述汇总成单条响应，返回给客户端。

CALL algo.<algoName>("<projectName>", {
  params: {
    ...
  },
  return_params: {}
}) YIELD <resultsAlias>, <statsAlias?>
RETURN <resultsAlias>, <statsAlias?>

exec{
  algo(<algoName>).params({
    ...
  }) as <resultsAlias>, <statsAlias?>
  return <resultsAlias>, <statsAlias?>
} on <projectName>

详情

• 使用能生成统计概述的算法时，可以声明两个别名：第一个别名用于基本结果，第二个别名用于统计概述。如果算法不生成统计概述，则只能为算法结果声明一个别名。

流式返回

流式返回模式下，算法以实时进程形式执行。基本结果在生成时会流式逐步返回至客户端。在此模式下，资源使用率得到优化，访问结果速度加快，非常适合需要即时反馈的应用程序。

CALL algo.<algoName>("<projectName>", {
  params: {
    ...
  },
  return_params: {type: "stream"}
}) YIELD <resultsAlias>
RETURN <resultsAlias>

exec{
  algo(<algoName>).params({
    ...
  }).stream() as <resultsAlias>
  return <resultsAlias>
} on <projectName>

详情

• 流式返回模式不会生成统计概述。

统计返回

统计返回模式下，算法以实时进程形式执行。算法执行完成后，将统计概述返回给客户端。

CALL algo.<algoName>("<projectName>", {
  params: {
    ...
  },
  return_params: {type: "stats"}
}) YIELD <statsAlias>
RETURN <statsAlias>

exec{
  algo(<algoName>).params({
    ...
  }).stats() as <statsAlias>
  return <statsAlias>
} on <projectName>

执行HDC算法或分布式算法

嬴图的所有图算法均提供HDC版本，部分算法也提供分布式版本。当算法同时提供HDC版本和分布式版本时（如Louvain算法），其参数设置可能有所不同。

HDC算法和分布式算法对执行模式的支持也有所不同：

每个投影类型专为执行特定算法设计：HDC投影用于执行HDC算法，分布式投影用于执行分布式算法。需根据算法执行时所在投影的类型选择算法版本。