TigerGraph Cloud 使用，以及Python的链接操作
点击start free
登录已有的账号 或者注册个新的
然后进入了cloud 主界面
然后点击 my solutions，我这里面已经创建了几个，才进入的时候应该什么都没有。点击create solution
这里可以选择tigergraph的版本，以及他已经有的模板，或者建立一个blank的solution。
next之后可以选择配置，默认的配置都是免费的，你也可以升级配置，只不过就需要给钱了，当然选择距离你比较近的Region是可以的，这改变不会花钱。
next之后这两个比较重要，一个是登录你solution的密码，还有个是域名，这两个之后都会用到。
当然免费的solution只能同时存在一个，新建一个免费的之后必须先终止该soluion才能新建第二个免费solution。
完成之后回到my solution界面，等待几分钟，可以在pengding tasks里面看到正在创建，
创建好了之后，就可以点击这个GraphStudio进入可视化管理。他默认用户名就是tigergraph，密码就是一开始设置的 。
进入之后点击Global View 进入具体的Graph。
这时候就可以看到模板solution的graph了。
接下来我会介绍怎么自己新建自己的Graph和插入数据
点击Global Views的 create a graph ，然后进入新的graph，在Design Schema中点击那个加号button新建Vertex 也就是 顶点，类似于neo4j中的node，右边可以规定该vertex的颜色属性之类的参数。
当建立多个vertex之后，可以点击圈中button，再依次点击想建立edge的两个vertex，这就相当于neo4j中的relastionship，右边就可以自定义该edge的type，以及具体属性，这里还可以设置该edge是有向边还是无向边（就是有无方向的指代）。需要注意的是，同一个type只能新建一次，
如果像这种情况，我还想让applicationlog 与message拥有have的edge怎么办呢，这时候就可以双击这个have的edge，就会出现右边的操作panel，就可以看到该type的edge的具体配置，点击加号，再选择你想链接的vertex，再点右上角的勾就可以了。
后重要的一步，schema定义好之后，点击圈中button，提交修改，虽然这时候切换其他tab他也会提醒你，但是以防万一，还是好自己点击提交。
这时候我们就需要导入数据模型，点击第二个tab，Map Data to Graph 。
点击圈中button，唤出上传的popup。我这里已经上传过，所以有很多文件，正常次进来应该是没有的，除非是使用的模板solution，点击加号上传你的csv， 包括vertex数据，以及edge数据（简言之就是节点数据以及关系数据）
我的vertex 以及edge 的csv结构就像上面的截图一样
上传之后，点击要添加的csv，就会出现这个，可以配置怎么解析这个csv，这里has header默认没有打勾，因为我的csv有header，所以打勾了，否则他会把header当成列的数据，确认无误之后就可以点击ADD了
添加完成之后，点击圈中button，来关联你的csv与vertex或者edge，点击button之后依次点击需要绑定的csv与vertex或edge，然后回出现右边的panel，这时候需要把csv中的属性，与vertex或者edge中的属性做匹配，依次点击相匹配的属性，例如点击左边的id 再点击右边的id
然后就会出现指向箭头显示我们所绑定的关系。然后就绑定每个csv与需要绑定的vertex或者edge
所有绑定完成之后就可以看到每个csv都有指向的vertex或者edge，这时候再点击左上角的提交button，和上一个design schema的操作一样，提交你的修改
然后进入Load Data tab，导入数据，然后点击圈中的button，然后点击continue来导入全部数据，等待一会就可以看到所有的csv都是finish了，右边可以看到Vertex 以及edge的统计数据以及每一个type的数量。
然后跳过Explore Graph 以及Build Graph Partterns。直接介绍后一个 GSQL查询。
我这里已经有几个query了，可以看到这些query有些右边的图标不一样，有些保存的图标，有些是箭头，保存图标代表只是保存个这个query，还不能使用，向上箭头代表该query已经被install了，只有install之后的query才能使用 。
点击加号来新建query，名字必须和圈中名字一致，这个就是填好名字之后自动生成的gsql模板。这个gsql使用C++编写的。tigergraph提供一些现成的algo，在GitHub可以找到，可以直接复制出来贴到这里面。
https://github.com/tigergraph/gsql-graph-algorithms
这些算法的doc我也贴出来了。
TigerGraph Graph Data Science Library - TigerGraph Documentation
等写完gsql之后点击第二个圈中button保存，之后可以点击第三个button来install这个query，或者点击个install全部的query 。
install完成之后 点击这个button，会出现一个pannel来输入参数，输入完参数之后滚动到下面点击Run Query，就可以执行这个gsql了。
有时候我们数据量比较大或者配置低了再加上algo比较复杂，一次查询时间会超出默认的timeout(60s)，就会报错，这时候点击这里
admin > management > components > restpp
这里可以修改默认timeout时间，我改成了一小时。
接下来介绍下python来链接tigergraph并执行gsql进行查询。
首先安装需要的插件
pip install pyTigerGraph
k-Nearest Neighbors (Cross-Validation Version) - TigerGraph Documentation
接下来的demo就是python链接tigergraph执行了k-Nearest Neighbors (Cross-Validation Version) algo
import pyTigerGraph as tg
def createQueary(conn):
knn_sub = '''
CREATE QUERY tg_knn_cosine_cv_sub (VERTEX source, SET<STRING> e_type, SET<STRING> re_type, STRING v_label, STRING weight, INT max_k) RETURNS (ListAccum<INT>) {
/* This subquery returns a list of predicted label for a source vertex with respect to different k within a given range.
*/
TYPEDEF TUPLE <label INT, similarity FLOAT> Label_Score;
HeapAccum<Label_Score>(max_k, similarity DESC) @@top_labels_heap; # heap stores the (label, similarity) tuple, order by similarity score
SumAccum<FLOAT> @numerator, @@norm1, @norm2, @similarity;
MapAccum<INT, INT> @@count;
ListAccum<INT> @@predicted_label_lists; # list of predicted labels to return
INT max_count = 0;
INT predicted_label; # predicted label in each iteration
INT k;
# calculate similarity and find the top k nearest neighbors
start = {source};
subjects = SELECT t
FROM start:s -(e_type:e)-> :t
ACCUM t.@numerator = e.getAttr(weight, "INT"),
@@norm1 += pow(e.getAttr(weight, "INT"), 2);
neighbours = SELECT t
FROM subjects:s -(re_type:e)-> :t
WHERE t != source AND t.getAttr(v_label, "INT") != 0 # only consider the neighbors with known label (TODO: EXCLUDES COMMUNITY 0)
ACCUM t.@numerator += s.@numerator * e.getAttr(weight, "INT");
kNN = SELECT s
FROM neighbours:s -(e_type:e)-> :t
ACCUM s.@norm2 += pow(e.getAttr(weight, "INT"), 2)
POST-ACCUM @@top_labels_heap += Label_Score(s.getAttr(v_label, "INT"), s.@numerator/sqrt(@@norm1 * s.@norm2)); # store the label and similarity score in a heap
# iterate the heap and calculate label count for different k
k = 1;
FOREACH item IN @@top_labels_heap DO
@@count += (item.label -> 1); # count is a map, key is the label, value is the count of the label
IF @@count.get(item.label) > max_count THEN
max_count = @@count.get(item.label);
predicted_label = item.label;
END;
@@predicted_label_lists += predicted_label; # list of predicted labels
k = k+1;
END;
PRINT @@predicted_label_lists;
RETURN @@predicted_label_lists;
}
'''
print(conn.gsql(knn_sub + "\n INSTALL QUERY tg_knn_cosine_cv_sub"))
knn_cv = '''
CREATE QUERY tg_knn_cosine_cv (SET<STRING> v_type, SET<STRING> e_type, SET<STRING> re_type, STRING weight, STRING label, INT min_k, INT max_k) RETURNS (INT){
/* Leave-one-out cross validation for selecting optimal k.
The input is a range of k, output is the k with highest correct prediction rate.
Note: When one vertex has no neighbor with known label, the prediction is considered false
*/
ListAccum<FLOAT> @@correct_rate_list;
ListAccum<INT> @is_correct_list;
ListAccum<INT> @predicted_label_list;
SumAccum<FLOAT> @@total_score;
INT n, k, best_k=1;
FLOAT max_rate=0;
IF max_k < min_k OR max_k < 1 THEN // terminate if the range is invalid
RETURN 0;
END;
start = {v_type};
start = SELECT s
FROM start:s
WHERE s.getAttr(label, "INT") != 0 // get the vertices with known label (TODO: EXCLUDES COMMUNITY NUMBER 0)
ACCUM s.@predicted_label_list = tg_knn_cosine_cv_sub(s, e_type, re_type, label, weight, max_k) // get a list of predicted label wrt different k
POST-ACCUM FOREACH pred_label IN s.@predicted_label_list DO
IF s.getAttr(label, "INT") == pred_label THEN # *vStrAttrOld* means no neighbor with label
s.@is_correct_list += 1
ELSE
s.@is_correct_list += 0
END
END;
n = start.size();
k = min_k-1; # index starts from 0
WHILE k < max_k DO
@@total_score = 0;
start = SELECT s
FROM start:s
ACCUM IF s.@is_correct_list.size()==0 THEN
@@total_score += 0 # if there is no neighbor, it is considered incorrect prediction
ELSE IF k >= s.@is_correct_list.size() THEN
@@total_score += s.@is_correct_list.get(s.@is_correct_list.size()-1) # use all neighbors it has when it is not enough
ELSE
@@total_score += s.@is_correct_list.get(k)
END;
@@correct_rate_list += @@total_score / n;
IF @@total_score / n > max_rate THEN
max_rate = @@total_score / n; # store the max correct rate in max_rate
best_k = k+1;
END;
k = k+1;
END;
PRINT @@correct_rate_list;
PRINT best_k;
RETURN best_k;
}
'''
print(conn.gsql(knn_cv + "\n INSTALL QUERY tg_knn_cosine_cv"))
def connect():
host = 'https://xxxxxxxxxxxxxxx.i.tgcloud.io/'
username = 'tigergraph'
password = 'xxxxxxx'
conn = tg.TigerGraphConnection(host=host,
username=username,
password=password,
graphname='test')
conn.apiToken = conn.getToken(conn.createSecret())
createQueary(conn)
params = {
"v_type": "Prescriber",
"e_type": "referral",
"re_type": "reverse_referral",
"weight": "num_patient",
"label": "communityId",
"min_k": 1,
"max_k": 7
}
res = conn.runInstalledQuery("tg_knn_cosine_cv", params=params)
print(res)
def main():
connect()
if __name__ == '__main__':
main()
下面的code 就是python使用pyTigerGraph链接tigergraph的方法，host就是创建solution时候自己自定义的，密码也是。
之后就可以用得到的conn在执行gsql了。
host = 'https://xxxxxxxxxxxxxxx.i.tgcloud.io/'
username = 'tigergraph'
password = 'xxxxxxx'
conn = tg.TigerGraphConnection(host=host,
username=username,
password=password)
conn.apiToken = conn.getToken(conn.createSecret())
conn.gsql(..........)
conn.gsql(knn_sub + "\n INSTALL QUERY tg_knn_cosine_cv_sub")
我是把knn的algo直接copy进来了，和在UI中做的一样 。然后又换行执行的安装该algo。
params = {
"v_type": "Prescriber",
"e_type": "referral",
"re_type": "reverse_referral",
"weight": "num_patient",
"label": "communityId",
"min_k": 1,
"max_k": 7
}
res = conn.runInstalledQuery("tg_knn_cosine_cv", params=params)
print(res)
然后就可以传入参数执行该query，这里我用的是TigerGraph提供的Healthcare-analytics 模板中的数据执行的该algo
执行之后，可以看到不同的K值得分，佳的k值应为3
相关文章