第74页,共595页。 显示 5,947 条结果 (0.129 秒)
高速缓存库预览表报错:Code: 62, e.displayText() = DB::Exception: Syntax error: failed at position 1224
(此文档仅供参考) 问题描述: 高速缓存库中表数据预览报错,具体报错信息如下 ERROR exceptionToString(smartbi.framework.rmi.RMIServlet:336) - DataSourceService.getSampleTableDataOnBrowser error. … ] at java.lang.Thread.run(Thread.java:748) ~[?:1.8.0_191] 解决方案: 此问题是由于高速缓存库中引用标识符设置为 ' ,执行SQL评价为'smartbimpp'.'表名',clickhouse不支持这种语法出现报错,可修改为 ` ,如下数据模型-行权限参数控制
%E9%99%90。 数据模型中SQL查询过多,针对每个SQL查询设置数据权限操作过于繁琐。 只想针对数据模型级别设置数据权限。 若数据模型中含有库表,且库表已经设置了数据行权限,则数据模型会继承该数据权限。 数据模型参数设置数据权限 数据模型中通过在参数定义中应用“用户属性 https … 数据模型的行权限通过参数进行控制,可以通过如下两种方式来实现: 实现方式 实现方法 适用场景 通过SQL查询设置数据权限 在SQL查询的where条件中设置数据权限表达式。 实现方法请参见:SQL/原生SQL数据集数据权限 https://history.wiki.smartbi.com.cnExcel融合分析如何通过自助数据集进行数据处理
1. 背景 在Excel融合分析中,数据集用到比较多的是自助数据集,自助数据集主要是实现跨库,跨表的查询;它对底层数据进行一定的处理加工,将处理好的表保存,作为后续数据可视化的基础。 2. 自助数据集创建编辑流程 image2020-8-27_15-12-8.png 3. 操作步骤 更多操作步骤,查看详情 4. Excel融合分析的引用 基于Smartbi的Excel插件,打开Excel并且连接服务,再将右边数据集面板的自助数据集拖到单元格中 如下视频所示: Excel融合分析入门.mp4 就可以开始用自助数据集进行Excel融合分析啦Excel融合分析如何通过自助数据集进行数据处理
1. 背景 在Excel融合分析中,数据集用到比较多的是自助数据集,自助数据集主要是实现跨库,跨表的查询;它对底层数据进行一定的处理加工,将处理好的表保存,作为后续数据可视化的基础。 2. 自助数据集创建编辑流程 image2020-8-27_15-12-8.png 3. 操作步骤 更多操作步骤,查看详情 4. Excel融合分析的引用 基于Smartbi的Excel插件,打开Excel并且连接服务,再将右边数据集面板的自助数据集拖到单元格中 如下视频所示: Excel融合分析入门.mp4 就可以开始用自助数据集进行Excel融合分析啦数据连接
数据源是指创建业务库和产品应用服务器的连接,拿到数据进行分析。 “数据连接”界面如图: 数据连接界面.png “数据连接”界面展示支持的数据源,用户根据需要选择相应的数据源进行连接。关于支持的数据源类型,详情请参考 系统环境要求 。 在资源目录区中选中数据源节点,点击更多操作image2019-7-13 10:54:47.png ,展开数据源菜单,支持对数据源设置数据权限,排序等操作。数据连接
是指创建业务库和产品应用服务器的连接,拿到数据进行分析。 “数据连接”界面如图: shujulianjie1.jpg “数据连接”界面展示支持的数据源,用户根据需要选择相应的数据源进行连接。关于支持的数据源类型,详情请参考 系统环境要求 。 在资源目录区中选中数据源节点,点击更多操作image2019-7-13 10:54:47.png ,展开数据源菜单,支持对数据源设置数据权限,排序等操作。数据挖掘-PYTHON脚本
随着大数据时代的到来,Python已经在数据处理、数据可视化、机器学习等领域受到广泛应用。本文将介绍如何在smartbi中编写Python脚本,利用其丰富的科学计算扩展库,满足更多数据处理和分析场景,提高生产效率。 功能概述 Python脚本功能,支持用户编写Python代码,以便实现更自由、更高效的数据处理、数据分析操作,丰富了数据建模过程。 操作说明 (1)功能入口 从左侧资源树的 脚本模块 拖拽出“Python脚本” 节点到画布中。 入口.png (2)数据输入 用户可根据实际情况,对“Python脚本” 使用1~3个输入口(dataframe1~3)来获取数据,然后在Python脚本中按需修改dataframe数据挖掘-PYTHON脚本
随着大数据时代的到来,Python已经在数据处理、数据可视化、机器学习等领域受到广泛应用。本文将介绍如何在smartbi中编写Python脚本,利用其丰富的科学计算扩展库,满足更多数据处理和分析场景,提高生产效率。 功能概述 Python脚本功能,支持用户编写Python代码,以便实现更自由、更高效的数据处理、数据分析操作,丰富了数据建模过程。 操作说明 (1)功能入口 从左侧资源树的 脚本模块 拖拽出“Python脚本” 节点到画布中。 入口.png (2)数据输入 用户可根据实际情况,对“Python脚本” 使用1~3个输入口(dataframe1~3)来获取数据,然后在Python脚本中按需修改dataframe可视化数据集—实现并查询和子查询
数据集中实现并查询。 以示例库“northwind”为例,业务场景说明:查询出各目录的销售量及所有目录的销售总量。 实现该查询要求,首先要查询出各个目录的销售总量,然后再查询出所有目录的销售总量,再将这两个结果集以一 个结果的形式返回,此时通过并查询实现。请执行下列操作: 1、在示例库“northwind”下创建计算字段“销售量”,用于获取销售量值。如下图所示: image2019-11-19 15:31:10.png 2、保存该计算字段后,在系统导航栏中选择 数据准备 ,在数据集的更多image2021-7-16_16-44-34.png中选择 新建>可视化数据集 ,弹出“选择电子表格回写保存时进行数据校验
A4 >= B4 + SUM(C2:C10),在保存的时候需要做数据的平衡性校验。类似上述需求,皆可以参照如下方法进行设置。 若是根据含计算公式的列进行校验,将列隐藏之后,校验不生效! 参考示例: image2020-6-11 17:11:23.png 设置方法 1、首先下载“宏代码库”资源并导入到 Smartbi 中(migrate-工具宏.xml),该资源定义了一些“宏代码库”模块,报表数据校验方法中需要引用它们。资源导入方法:系统运维 > 导入资源。 2、接着在电子表格设计器(Microsoft Office Excel)中,创建电子表格报表。 3、在浏览器的“分析展现”节点下,选中电子表格,右键选择 编辑宏 进入报表