第172页，共256页。 显示 2,560 条结果 (0.217 秒)
系统监控-模型表管理
模型表管理是提供给系统数据维护人员快速定位数据问题的工具：当基于抽取的数据模型创建自助仪表盘，业务人员发现数据有问题时，数据维护人员可以快速找到问题的原因。 模型表管理支持查询“全量抽取”、“增量抽取”的表；不支持查询“查询动态抽取(原：按次抽取)的表，因为“查询动态抽取”是根据参数或者筛选器备选值进行抽取的，每切换一次就会重新抽取，就是一个表可能有很多份，不知道展示那一份，所以目前不支持查询“查询动态抽取。 功能入口 1、在界面右上角选择点击 xitongjiankong-02.png，在下拉列表中选择 系统监控，如下图： xitongjiankong-01.png 2、在“系统监控”界面选择 模型表管理202410产品更新说明
： 1、数据模型接口：创建数据模型接口支持指定绑定参数 https://wiki.smartbi.com.cn/pages/viewpage.action?smt_poid=43&pageId=136905783Vue框架二次开发快速入门
。 3.1 常见问题 问题：为什么改了代码，没有效果？ 解决方法：请仔细查看以下几个步骤： 1、如果要调试smartbi，最好在url中增加debug=true参数（如：http://192.168.1.10:16000/smartbi/vision/index.jsp?debug=true)，否则扩展包会有缓存，代码支持的数据源范围
配置的方式进行参数配置以实现其解耦，Smartbi支持JDBC方式连接的数据源均支持JNDI连接方式，以下列表，仅供参考： 数据源分类 数据库 已测版本 驱动程序类 连接字符串 关系型数据库 Teradata Teradata_V12 com.teradata.jdbc.TeraDriver默认值&备选值&被联动后取值
。 beixuanzhi-03.png 2、在筛选器设置弹窗中点击 备选值过滤 ，选择 条件过滤 ，选择 销售额 字段，并设置 大于 200000 ，点击 确定 ，操作步骤如下图所示： 可选择的字段包括：业务数据集中所有维度、层次字段、分组字段、计算列、原始度量和计算度量； 不支持选择数据模型中定义的命名集、参数，以及在仪表盘航空公司客户价值分析
://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51940607 节点，删除票价为空值的行，选择列如图： image2022-2-11_10-16-12.png 空值处理节点参数空值处理方式选择“过滤整行”。 图片9.png 使用 行选择 https … /MM/dd），加入一个 派生列 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51940629 节点完成此项操作，参数派生列配置如图： image2020-6-8 10:6:52.png 由于原始数据中并没有直接给出LRFMC五个指标，需要通过省客运站运行简报
定制方法 2.1.总体设计 根据需求规划大屏所需展现的内容，及需通过何组件实现最终效果，整体布局设计如下： 天津客运站.png 布局各设置项说明如下： 设置项 参数 说明 尺寸 1920*1080 根据需要投屏的屏幕大小，设置屏幕尺寸。 缩放方式 等比缩放宽度铺满 … }" } } } } ] } 各月指标分析柱图： 2021-07-01_15-07-34.png 公共区域及设备参数分析 组件类型 数据 定制方法 效果 雷达图 维度：var1 度量：dou1 1、在 组件 > 图表 > 高级 选择“棱角面积航空公司客户价值分析
://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51940607 节点，删除票价为空值的行，选择列如图： image2022-2-11_10-16-12.png 空值处理节点参数空值处理方式选择“过滤整行”。 图片9.png 使用 行选择 https … /MM/dd），加入一个 派生列 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51940629 节点完成此项操作，参数派生列配置如图： image2020-6-8 10:6:52.png 由于原始数据中并没有直接给出LRFMC五个指标，需要通过筛选器区
年月层次字段，生成的筛选器类型为年月筛选器。 shaixuanqi-07.png 4 查看影响组件的筛选器 选中图形、表格、指标和筛选器组件时，在筛选器区中可以查看其被哪些筛选器影响。 1、影响组件的筛选器可能包含：筛选器组件、参数组件 和 作为筛选器的组件。 05.png 2、筛选器影响数据挖掘 - 模型自学习和模型批量预测使用示例
。 worddav705e19c84d69547b044e4d48290be17e.png 注：模型名称添加的时间戳后缀是其中一种判断模型已更新的方式，也可以尝试调整模型自学习中的模型参数，然后观察模型批量预测中预测结果的变化，但这种方法更为复杂。 模型自学习 — 支持聚类和关联规则 聚类模型 聚类流程与上述流程相似，可以
