第53页，共140页。 显示 1,399 条结果 (0.068 秒)
数据模型抽取计划无执行记录
（本文档仅供参考） 问题说明 数据模型的抽取日志中无抽取记录，并且手动执行也无记录。 后续通过计划任务发现，有任务处于长时间执行状态，占用了执行资源，导致所有计划都在排队 image2023-6-16_14-27-55.png 解决方案 出现原因 通过排查发现，导致长时间卡住的都是数据模型用到了ETL高级查询，并修改了表结构但没有在抽取设置中没有点击抽取并建宽表导致的 image2023-6-16_14-32-2.png 解决方法 找到对应模型，右键编辑ETL高级查询，手动停止查询如何创建指定某个维度的计算指标
(本文档仅供参考) 问题描述： 电商行业存在不同的销售渠道，希望IT人员在数据建模时根据不同的销售渠道创建不同的计算指标，如目前有如下数据，希望创建手淘渠道的成交金额，计算度量如何编写？ 成交金额=支付金额（实际净利率*推广费比） image2023-9-15_17-37-44.png 解决方案： 1、创建成交金额度量 https://s2-cs-pub-std.oss-cn-shanghai.aliyuncs.com/icon/tid8599/mceclip14_1693473303491_2pl8g.png 2、创建 手淘搜索的成交金额 https电子表格导出PNG右侧空白
（本文档仅供参考） 问题说明 电子表格导出PNG图片，右侧有有一列空白列，如下图所示 image2023-12-18_14-29-29.png 解决方案 1、检查一下电子表格中是否有空白列生效，例如将右侧一列删除后再导出PNG； 2、检查一下Excel工作表的分页，可以点击Excel右下角中的分页预览，能看到分页是到了H列的，也就包含了一列的空白列，可以手动调整对应的分页符到G列的后面，可以手动拖动分页符进行调整。 image2023-12-18_14-33-0.png银行客户精准营销
/pages/viewpage.action?pageId=51940554 节点将数据按7：3的比例拆分成两份，一份用于训练，一份用于预测。标签列yindex只有两个类别，是一个二分类任务。选取一个二分类算法节点，这里选择 支持向量机 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942206 算法节点，最后我们再接入一个 训练 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942279 节点，训练模型。支持向量机的参数配置如下图所示。 image2022-2-11_11-18-2.png 预测SmartbiMPP 数据迁移到 SmartbiMPPMD
由于 V10.1 的exe安装包通过内置Linux虚拟机部署SmartbiMPP，因此只能物理机进行安装使用，无法在虚拟环境中部署。为解决该问题，V10.5版本支持 SmartbiMPPMD 做为新的高速缓存库，从V10.1版本升级到V10.5版本后可参考本文档进行数据迁移操作。 如果用户仍然想使用SmartbiMPP作为高速缓存库，那就需要独立部署一个Linux环境，并且迁移SmartbiMPP数据到新的Linux环境。 如需正常访问原本基于SmartbiMPP建立的资源，请参考以下方案： ① 通过SmartbiMPP抽取其他数据连接中的数据，切换高速缓存库后，只需重新抽取数据即可。 ② 通过“Excel导入”导入SmartbiMPP 数据迁移到 SmartbiMPPMD
由于 V10.1 的exe安装包通过内置Linux虚拟机部署SmartbiMPP，因此只能物理机进行安装使用，无法在虚拟环境中部署。为解决该问题，V10.5版本支持 SmartbiMPPMD 做为新的高速缓存库，从V10.1版本升级到V10.5版本后可参考本文档进行数据迁移操作。 如果用户仍然想使用SmartbiMPP作为高速缓存库，那就需要独立部署一个Linux环境，并且迁移SmartbiMPP数据到新的Linux环境。 如需正常访问原本基于SmartbiMPP建立的资源，请参考以下方案： ① 通过SmartbiMPP抽取其他数据连接中的数据，切换高速缓存库后，只需重新抽取数据即可。 ② 通过“Excel导入”导入银行客户精准营销
/pages/viewpage.action?pageId=51940554 节点将数据按7：3的比例拆分成两份，一份用于训练，一份用于预测。标签列yindex只有两个类别，是一个二分类任务。选取一个二分类算法节点，这里选择 支持向量机 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942206 算法节点，最后我们再接入一个 训练 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51942279 节点，训练模型。支持向量机的参数配置如下图所示。 image2022-2-11_11-18-2.png 预测用户管理-用户密码管理
目的 用户密码管理的主要目的是 提高账户的安全性，防止未经授权的访问和数据泄露。通过增加密码的复杂性和难以猜测性，可以大大降低黑客通过暴力破解或猜测密码等手段获取用户账户控制权的可能性。 作用 用户密码管理的作用主要体现在以下几个方面： 提高破解难度：强密码包含足够的长度、大小写字母、数字和特殊字符等复杂元素，使得黑客通过暴力破解或猜测密码的难度大大增加。 防止账户被盗：弱密码容易被黑客利用，通过钓鱼网站、恶意软件等手段窃取用户的密码信息。而强密码则能有效防止这种情况的发生，保护用户的账户安全。 保护敏感数据：用户的账户中往往包含大量敏感数据，如个人信息、财务信息、商业机密等。强密码可以防止黑客入侵账户后窃取图形扩展属性入门
echarts; echarts.version; (如果浏览器不支持粘贴会警告，在控制手动输入：allow pasting打开可复制功能) image2025-4-9_11-36-26.png 注：在扩展属性的编辑界面也会有相应的echarts版本信息。 3.JSON结构是什么？ JSON（JavaScript … 。因此，扩展属性允许用户通过手动添加或修改配置项来实现更复杂的图形效果。 在Smartbi中，扩展属性主要用于以下场景： 调整图形元素：例如修改标题、系列、坐标轴等元素的样式或行为。 实现高级效果：当可视化配置界面无法满足需求时，可以通过扩展属性直接修改ECharts的底层配置项。 自定义图形：通过Linux系统部署Smartbi
本章主要介绍基于Linux 操作系统的手工部署Smartbi的操作流程。 详细部署文档，可以参考 Linux系统部署Smartbi 相关安装包请联系Smartbi官方支持support@smartbi.com.cn mailto:support@smartbi.com.cn获取。
