5、测试数据挖掘及其组件

本节介绍smartbi连接数据挖掘、Spark、Hadoop、Python以及测试服务是否正常运行。

1. 配置连接信息

① 浏览器访问Smartbi，打开系统运维–数据挖掘配置–引擎设置，引擎地址和服务地址设置成正确的数据挖掘引擎地址，并点击保存

配置数据挖掘地址后，首次测试引擎地址，会提示“平台到引擎连接成功，引擎到平台连接失败，请检查引擎配置”

首次测试服务地址则会提示“平台到服务连接成功，服务到平台连接失败，请检查服务配置”

② 打开系统运维–数据挖掘配置–执行引擎--引擎配置，参考下图修改smartbi地址、hadoop地址(根据实际环境修改)，修改完成后点击保存：

③ 打开系统运维–数据挖掘配置–执行引擎--计算节点配置，参考下图设置，修改完成后点击保存

配置spark计算节点：

配置Spark节点资源，点击一键推荐，系统会根据Spark work节点的服务器资源，生成推荐的配置(如果使用推荐值，记得点击保存，否则配置不生效)：

④ 打开系统运维–数据挖掘配置–服务引擎，参考下图修改smartbi地址(根据实际环境修改)，修改完成后点击保存：

⑤ 执行引擎和服务引擎完成设置、保存后，返回 系统运维–数据挖掘配置–引擎设置，重新点击测试，如下提示表示配置成功：

2. 运行数据挖掘示例

2.1. 测试数据挖掘执行引擎

打开数据挖掘–案例--波士顿房价预测，点击运行，如下图显示运行成功即可

如果某个节点运行失败，可以右键点击节点，选择查看日志分析错误原因：

2.2. 测试数据挖掘服务引擎

① 打开数据挖掘–案例--波士顿房价预测，点击运行，如下图显示运行成功，并点击保存案例

② 右键点击 训练--模型--保存模型 ，如下图所示

③ 保存的的模型可以在左侧导航栏的”已训练模型”中查看。右键删除”线性回归”，”训练”。

④ 将保存的模型拖入，并与”预测”连线。

⑤ 导航栏-服务-拖入 服务输入、服务输出，并连线，运行成功后点击部署服务

⑥ 显示部署成功

⑦ 点击服务测试，会显示测试结果

2.3. 测试数据挖掘的Python计算

① 打开数据挖掘--新建实验

② 拖拽“示例数据源”，选择数据源 - 保存 - 运行 - 运行成功--保存

③ 拖拽PYTHON脚本，与示例数据源连线，点击运行，如果显示运行成功则表示Python计算节点正常

数据挖掘及其组件测试完成。