STINGER图数据库JSON-RPC API详解
2025-06-04 02:55:30作者:彭桢灵Jeremy
概述
STINGER图数据库提供了一套基于JSON-RPC 2.0规范的API接口,允许客户端应用程序查询图数据和算法计算结果。本文将全面解析这套API的功能和使用方法,帮助开发者快速掌握STINGER的远程调用能力。
JSON-RPC基础
STINGER实现的JSON-RPC 2.0接口具有以下特点:
- 仅支持命名参数调用,不支持位置参数
- 当前版本不支持通知(Notifications)功能
- 当前版本不支持批量(Batch)请求
- 响应中包含"millis"字段,表示服务器端执行时间(毫秒)
核心API方法详解
1. 服务器信息查询
get_server_info方法用于获取STINGER服务器基本信息:
请求示例:
{
"jsonrpc": "2.0",
"method": "get_server_info",
"id": 1
}
响应示例:
{
"jsonrpc": "2.0",
"result": {
"pid": 12345
},
"id": 1,
"millis": 0.5
}
2. 图统计信息
get_graph_stats方法返回图的整体统计信息:
请求示例(带类型信息):
{
"jsonrpc": "2.0",
"method": "get_graph_stats",
"params": {
"get_types": true
},
"id": 2
}
响应示例:
{
"jsonrpc": "2.0",
"result": {
"vertices": 1000,
"edges": 5000,
"time": 1580000000,
"edge_types": ["friendship", "collaboration"],
"vertex_types": ["user", "product"]
},
"id": 2,
"millis": 2.3
}
3. 算法管理
get_algorithms获取当前运行的算法列表:
响应示例:
{
"jsonrpc": "2.0",
"result": {
"algorithms": ["pagerank", "community_detection"]
},
"id": 3,
"millis": 1.2
}
get_data_description查询算法输出的数据字段:
请求示例:
{
"jsonrpc": "2.0",
"method": "get_data_description",
"params": {
"name": "pagerank"
},
"id": 4
}
响应示例:
{
"jsonrpc": "2.0",
"result": {
"alg_data": ["score", "normalized_score"]
},
"id": 4,
"millis": 1.8
}
数据查询方法
STINGER提供了多种数据查询方式,满足不同场景需求:
1. 全量数据获取
get_data_array获取算法输出的完整数据:
请求示例(带采样参数):
{
"jsonrpc": "2.0",
"method": "get_data_array",
"params": {
"name": "pagerank",
"data": "score",
"samples": 100,
"log": true
},
"id": 5
}
2. 范围查询
get_data_array_range和get_data_array_sorted_range支持分页和排序:
请求示例(排序分页):
{
"jsonrpc": "2.0",
"method": "get_data_array_sorted_range",
"params": {
"name": "pagerank",
"data": "score",
"offset": 0,
"count": 10,
"order": "DESC"
},
"id": 6
}
3. 定点查询
get_data_array_set查询指定顶点的数据:
请求示例:
{
"jsonrpc": "2.0",
"method": "get_data_array_set",
"params": {
"name": "pagerank",
"data": "score",
"set": [1001, 1002, "user_1003"]
},
"id": 7
}
4. 聚合计算
get_data_array_reduction支持数据聚合:
请求示例:
{
"jsonrpc": "2.0",
"method": "get_data_array_reduction",
"params": {
"name": "pagerank",
"data": "score",
"op": "sum"
},
"id": 8
}
实时图分析功能
STINGER提供了多种实时图算法API:
1. 广度优先搜索(BFS)
breadth_first_search查找最短路径:
请求示例:
{
"jsonrpc": "2.0",
"method": "breadth_first_search",
"params": {
"source": "user_123",
"target": "user_456",
"get_types": true
},
"id": 9
}
2. Adamic-Adar指数
adamic_adar_index计算顶点相似度:
请求示例:
{
"jsonrpc": "2.0",
"method": "adamic_adar_index",
"params": {
"source": "user_123",
"include_neighbors": true
},
"id": 10
}
会话管理
STINGER支持会话式操作:
register创建新会话:
请求示例:
{
"jsonrpc": "2.0",
"method": "register",
"params": {
"type": "algorithm_monitor"
},
"id": 11
}
request使用会话查询数据:
请求示例:
{
"jsonrpc": "2.0",
"method": "request",
"params": {
"session_id": 12345
},
"id": 12
}
最佳实践建议
- 对于大型图数据,合理使用stride和samples参数控制返回数据量
- 优先使用定点查询而非全量查询,减少网络传输
- 长时间监控可使用会话机制,减少连接开销
- 注意API响应中的millis字段,监控查询性能
通过这套JSON-RPC API,开发者可以方便地将STINGER图数据库的强大分析能力集成到各类应用中。
登录后查看全文
热门项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
413
3.18 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
690
325
Ascend Extension for PyTorch
Python
229
258
暂无简介
Dart
679
160
React Native鸿蒙化仓库
JavaScript
265
326
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.21 K
660
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
1.03 K
492
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
346
147