概述

HDC投影驻留在HDC（高密度计算）服务器的内存中，其中包含从分片服务器物理存储中加载的图集的全部或部分数据。

HDC投影支持所有图算法和数据检索图查询。

管理HDC投影

显示HDC投影

获取当前图集的所有HDC投影信息：

hdc.graph.show()

获取其中一个特定HDC投影信息，如名为hdcGraph_1的投影：

hdc.graph.show("hdcGraph_1")

语句返回表_projectList，包含以下字段：

当使用hdc.graph.show("<projectName>")获取特定投影信息时，会额外返回两个表：

• _graph_from_<hdcName>：显示<hdcName>上创建的所有HDC投影
• _algoList_from_<hdcName>：列出安装在<hdcName>上的所有算法

其中，<hdcName>是投影所在的HDC服务器名称。

创建HDC投影

使用语句hdc.graph.create().to()可在HDC服务器上创建一个当前图集的内存投影。创建过程以作业形式执行，稍后可使用语句show().job(<id?>)来验证投影是否创建成功。

hdc.graph.create("<projectName>", {
  nodes: {
    "<schema1?>": ["<property1?>", "<property2?>", ...],
    "<schema2?>": ["<property1?>", "<property2?>", ...],
    ...
  },
  edges: {
    "<schema1?>": ["<property1?>", "<property2?>", ...],
    "<schema2?>": ["<property1?>", "<property2?>", ...],
    ...
  },
  direction: "<edgeDirection?>",
  load_id: <boolean?>,
  update: "<dataSyncMode>",
  query: "query",
  default: <boolean?>
}).to("<hdcName>")

将当前图集全部投影到hdc-server-1上并命名为hdcGraph：

hdc.graph.create("hdcGraph", {
  nodes: {"*": ["*"]},
  edges: {"*": ["*"]},
  direction: "undirected",
  load_id: true,
  update: "static",
  query: "query",
  default: true
}).to("hdc-server-1")

将当前图集投影到hdc-server-1上并命名为hdcGraph_1，其中点@account和@movie仅投影指定属性，边 @rate仅投影入边，且不加载点的_id值：

hdc.graph.create("hdcGraph_1", {
  nodes: {
    "account": ["name", "gender"],
    "movie": ["name", "year"]
  },
  edges: {"rate": ["*"]},
  direction: "in",
  load_id: false,
  update: "static",
  query: "query",
  default: false
}).to("hdc-server-1")

删除HDC投影

使用语句hdc.graph.drop()可以从HDC服务器上删除当前图集的HDC投影。

以下示例删除了名为hdcGraph_1的HDC投影：

hdc.graph.drop("hdcGraph_1")

示例图集和投影

在一个空图集中，逐行运行以下UQL语句，创建示例图集：

create().node_schema("entity").edge_schema("link")
create().edge_property(@link, "weight", float)
insert().into(@entity).nodes([{_id:"A"},{_id:"B"},{_id:"C"},{_id:"D"}])
insert().into(@link).edges([{_from:"A", _to:"B", weight:1},{_from:"A", _to:"C", weight:1.5},{_from:"A", _to:"D", weight:0.5},{_from:"B", _to:"C", weight:2},{_from:"C", _to:"D", weight:0.5}])

为全图创建名为hdcGraph的HDC投影：

hdc.graph.create("hdcGraph", {
  nodes: {"*": ["*"]},
  edges: {"*": ["*"]},
  direction: "undirected",
  load_id: true,
  update: "static",
  query: "query",
  default: false
}).to("hdc-server-1")

执行查询

使用语法exec{<query>} on <projectName>在HDC投影上执行UQL查询。注意，仅支持在HDC投影上执行数据检索类查询。

在hdcGraph上执行ab()查询：

exec{
  ab().src({_id == "A"}).dest({_id == "C"}).depth(2) as p
  return p
} on hdcGraph

结果：

在hdcGraph上执行khop()查询：

exec{
  khop().src({_id == "A"}).depth(1).direction(right) as n
  return count(n)
} on hdcGraph

结果：

数据写入语句无法在HDC投影上执行。例如以下查询会引发报错，报错信息显示不支持点插入操作。

exec{
  insert().into(@entity).nodes([{_id: "E"}])
} on hdcGraph

执行算法

HDC算法在HDC投影上执行。HDC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。

回写模式

使用语法algo().params().write()在HDC投影上以回写模式（文件回写、数据库回写和统计回写）执行算法。params()方法必须包含参数project以指定投影名称。

文件回写

在投影hdcGraph上执行度中心性算法，计算所有点的出度并将结果回写到文件degree.txt中：

algo(degree).params({
  project: "hdcGraph",
  return_id_uuid: "id",
  direction: "out"
}).write({
  file: {
    filename: "degree.txt"
  }
})

结果：

_id,degree_centrality
D,0
B,1
A,3
C,1

数据库回写

在投影hdcGraph上执行度中心性算法，计算所有点的度并将结果回写到点属性degree中：

algo(degree).params({
  project: "hdcGraph"
}).write({
  db: {
    property: "degree"
  }
})

统计回写

在投影hdcGraph上执行三角形计算算法，计算图中三角形的个数并将统计概述写至作业中：

algo(triangle_counting).params({
  project: "hdcGraph",
  result_type: 1
}).write({
  stats: {}
})

结果：

返回模式

使用语法exec{<algo>} on <projectName>在HDC投影上以返回模式（完整返回、流式返回和统计返回）执行算法。

完整返回

在投影hdcGraph上执行度中心性算法，计算所有点的出度并返回结果：

exec{
  algo(degree).params({
    return_id_uuid: "id",
    direction: "out"
  }) as r
  return r
} on hdcGraph

结果：

流式返回

在投影hdcGraph上执行度中心性算法，计算所有点的出度并返回结果：

exec{
  algo(degree).params({
    return_id_uuid: "id",
    direction: "out"
  }).stream() as r
  return r
} on hdcGraph

结果：

统计返回

在投影hdcGraph上执行三角形计算算法，计算图中三角形的个数并返回统计概述：

exec{
  algo(triangle_counting).params({
    result_type: 1
  }).stats() as s
  return s
} on hdcGraph

结果：

图遍历方向

在创建HDC投影时，若direction选项设定为in或out，图遍历会被对应限制在入边或出边上。若在查询或算法中遍历缺失的方向，则会引发报错或生成空结果。

创建HDC投影hdcGraph_in_edges，其中包含所有点和入边：

hdc.graph.create("hdcGraph_in_edges", {
  nodes: {"*": ["*"]},
  edges: {"*": ["*"]},
  direction: "in",
  load_id: true,
  update: "static",
  query: "query",
  default: false
}).to("hdc-server-1")

本条khop()查询试图在投影hdcGraph_in_edges上寻找出边（右向边），没有结果返回。

exec{
  khop().src({_id == "A"}).depth(1).direction(right) as n
  return count(n)
} on hdcGraph_in_edges

结果：

本条查询中，度中心性算法计算投影hdcGraph_in_edges上所有点的出度，结果均为0。

exec{
  algo(degree).params({
    return_id_uuid: "id",
    direction: "out"
  }) as r
  return r
} on hdcGraph_in_edges

结果：

投影不包含点ID

在创建HDC投影时，若load_id选项设定为false，则投影不包含点的_id值。若在查询或算法中引用了_id，则会引发报错或生成空结果。算法回写文件会用_uuid值替代_id值。

创建HDC投影hdcGraph_no_id，其中不包含点的_id值：

hdc.graph.create("hdcGraph_no_id", {
  nodes: {"*": ["*"]},
  edges: {"*": ["*"]},
  direction: "undirected",
  load_id: false,
  update: "static",
  query: "query",
  default: false
}).to("hdc-server-1")

本条ab()查询使用_id过滤投影hdcGraph_no_id上的点，由于投影不包含点的_id，所以引发报错：

exec{
  ab().src({_id == "A"}).dest({_id == "C"}).depth(2) as p
  return p{*}
} on hdcGraph_no_id

度中心性算法计算投影hdcGraph_no_id上所有点的度，由于投影不包含点的_id值，结果中对应列的值均为空：

exec{
  algo(degree).params({
    return_id_uuid: "id"
  }) as r
  return r
} on hdcGraph_no_id

结果：

度中心性算法计算投影hdcGraph_no_id上所有点的度，并将结果回写至文件degree.txt上，其中点的_id被替换成_uuid：

algo(degree).params({
  project: "hdcGraph_no_id",
  return_id_uuid: "id"
}).write({
  file: {
    filename: "degree.txt"
  }
})

结果：

_uuid,degree_centrality
288232575174967298,2
3530824306881724417,2
10016007770295238657,3
12033620403357220866,3

投影不包含属性

如果创建HDC投影时未包含某些属性，则在查询或算法引用这些属性时会引发报错或生成空结果。

创建HDC投影hdcGraph_no_weight，其中包含所有点以及边@link的系统属性：

hdc.graph.create("hdcGraph_no_weight", {
  nodes: {"*": ["*"]},
  edges: {"link": []},
  direction: "undirected",
  load_id: true,
  update: "static",
  query: "query",
  default: false
}).to("hdc-server-1")

本条ab()查询在投影hdcGraph_no_weight上查找最短路径，以边属性@link.weight计算权重。由于weight属性缺失，查询会引发报错：

exec{
  ab().src({_id == "A"}).dest({_id == "C"}).depth(2).shortest(@link.weight) as p
  return p
} on hdcGraph_no_weight

度中心性算法根据边属性@link.weight加权计算投影hdcGraph_no_weight上所有点的度。由于weight属性缺失，查询会引发报错：

exec{
  algo(degree).params({
    edge_schema_property: "@link.weight"
  }) as r
  return r
} on hdcGraph_no_weight