第74页，共594页。 显示 5,934 条结果 (0.043 秒)
Smartbi V10.5.12-数据连接
注意：(新特性列表中：+表示新增；^表示增强) V10.5.12版本重点对“加载文件数据”功能进行了优化和完善，详细改进情况如下： 新增 增强 +【数据连接】支持StarRocks数据接入 +【数据连接】支持OceanBase数据接入 +【数据连接】支持RapidsDB数据接入 +【数据连接】支持SelectDB数据接入 +【数据连接】支持CDW PG接入数据 +【数据连接】知识库支持 TiDB/TDSQL（Mysql版） 数据库 ^【数据连接】PostgreSQL 业务库支持导入文件 +【数据连接】支持StarRocks数据接入 背景介绍数据源表
是指基于业务库中已建好的结果表。 适用情况：数据已处理好或已有数据集市。 创建”数据源表“类型资源的方法如下： 1、在“数据模型”定制界面单击创建私有查询按钮image2022-2-4_20-46-19.png，选择 数据源表： 数据模型不支持的数据库类型：多维数据源、NoSQL 数据库 image2022-2-4_11-18-1.png 2、弹出”选择数据源表“窗口，选择数据源，勾选表： image2022-2-4_11-20-3.png 3、单击 确定 按钮，即成功为数据模型添加了数据源表资源。数据库连接
数据挖掘模块仅支持部分数据源类型，详情请参考 数据挖掘-数据的输入和输出 。 统一平台回写-电子表格回写到数据库的数据不正确
（本文档仅供参考） 问题 在电子表格回写数据，页面显示正常，但有个字段回写到数据库的数据不正确 具体场景如下： image2019-5-16 15:45:35.png image2019-5-16 15:49:45.png … " 解决方案 原因：在这个报表里，B4和C4的父格都是A4，但是扩展后B4和C4的数量对不上了，两者之间也没有父格关系，会造成数据就对不上。 方案：可以通过以下方法规避，增加辅助单元格，获取B4单元格的值，将辅助单元格作为回写的单元格，最后将辅助单元格隐藏，可规避此问题Smartbi V10-数据连接
注意：(新特性列表中：+表示新增；^表示增强) V10版本重点对“加载文件数据”功能进行了优化和完善，详细改进情况如下： 新增 增强 变更 +【数据连接】Hadoop_Hive、IMPALA等大数据源支持Kerberos认证，提升数据安全性 +【数据连接】产品支持加载包含多个Sheet页的数据文件 +【数据连接】多维分析Mondrain版本升级同步到主线 ^【数据连接】优化数据编辑权限和导入文件权限 ^【数据连接】优化数据源连接配置项 +【数据连接】Hadoop_Hive、IMPALA等大数据源支持Kerberos认证，提升数据安全性 背景自助数据集-功能索引
功能 说明 概述说明 介绍自助数据集的含义及特色。 界面介绍 详细介绍自助数据集的编辑界面。 定义流程 数据来源 自助数据集的数据来源说明。 筛选器 筛选器的作用是当数据集数据量比较大时，通过添加筛选器，对数据集的数据进行筛选过滤，以便用户快速获取其所需的数据。 计算字段 计算字段是指使用已经存在的字段，通过四则运算、函数等表达式定义新字段。 功能示例 跨库数据集 自助数据集支持跨库查询，当用户查询的数据涉及范围并不限于一个数据库时，可以跨多个库进行查询。 数据集嵌套 数据集嵌套指引用其他数据集的表数据创建自助数据集。数据源测试连接错误提示的ip与数据库服务器ip不一致
（本文档仅供参考） 问题 为什么数据源测试连接错误提示的ip与连接字符串中的数据库服务器ip显示不一致呢？ QQ图片20191101164440.png 原因 该数据源测试连接提示为数据库的jdbc驱动拒绝用户连接访问发出的提示，错误提示中的IP实际上为Smartbi服务器的IP（即发出连接请求的用户，可能多个网卡多个IP地址），我们是调用jdbc驱动来连接访问数据库的，可使用jdbc数据库工具（例如：dbvisualizer）来测试验证（如图） Catch2913(11-01-14-58-02).jpg 数据源ip和报错提示不同数据挖掘-孤立森林
概述 孤立森林是一个异常检测算法节点，需要配合特征选择、训练、预测节点使用（异常检测算法为无监督学习，不需要评估节点）。孤立森林对正常数据进行采样，训练时随机生成决策树对数据进行划分。在预测未知数据时，决策树划分出某单个数据点需要的划分次数越少，对应的异常分数越高，该数据点为异常数据的概率越大。 孤立森林适用于用已知为正常的数据作为训练数据，然后对未知的新数据作预测，检测新数据中的异常数据。 参数设置 参数名称 说明 备注 树的个数 生成的决策树的数量 树的数量，整数 子采样集大小 生成每个决策树时用的子数据集的大小 整数，推荐用2的n次幂 异常值阈值数据挖掘-孤立森林
概述 孤立森林是一个异常检测算法节点，需要配合特征选择、训练、预测节点使用（异常检测算法为无监督学习，不需要评估节点）。孤立森林对正常数据进行采样，训练时随机生成决策树对数据进行划分。在预测未知数据时，决策树划分出某单个数据点需要的划分次数越少，对应的异常分数越高，该数据点为异常数据的概率越大。 孤立森林适用于用已知为正常的数据作为训练数据，然后对未知的新数据作预测，检测新数据中的异常数据。 参数设置 参数名称 说明 备注 树的个数 生成的决策树的数量 树的数量，整数 子采样集大小 生成每个决策树时用的子数据集的大小 整数，推荐用2的n次幂 异常值阈值自助ETL-Mongo数据源
1. 概述 读取 Mongodb 中的表数据，其中表为二维数据表（多重嵌套等复杂结构的字段暂不支持）。 2. 节点说明 从“添加节点”面板上，把“Mongo”拖入到画布中，进行配置。 image2024-12-17_14-58-29.png 节点参数配置： 数据源：需要在数据连接中先配置好数据源连接并授权，这里才能下拉选择。 集合：选择该数据源中的某个集合。 表名：选择该集合下的某个表。 更新截图
