第17页，共53页。 显示 524 条结果 (0.026 秒)
部署Smartbi
/viewpage.action?pageId=55840089 相关文档，增加对Smartbi及其组件等的了解，提高部署效率。 安装方式 说明 优缺点 一键部署Smartbi 适用于项目单节点的快速部署，对于多节点环境，建议手工部署。 注意：一键部署安装包，所有的组件都是部署在一个节点。 如果部署在生产环境上，可能存在单点故障或性能问题。 优点： 部署速度快； 一键部署方式出错概率低； 适合技术小白，傻瓜式部署，操作简单方便。 缺点： 仅支持单节点部署； 部署过程中所使用到的配置项参数值都是在安装包中固定预设的，修改相关的配置参数相对复杂，无法根据实际需求随意进行更改； 部署方案单一Linux系统一键安装包部署Smartbi
基于Linux环境部署Smartbi产品相对较为复杂，为了提高部署效率，可使用Linux一键部署安装包来简化部署流程。 文档包含Linux一键部署安装包说明、部署流程、署完成后访问测试、产品更新升级以及常见问题排除方法。 安装包请联系Smartbi官方支持获取。 Linux一键部署安装包需要使用root或者带有 … 部署Linux一键部署安装包中的服务，但运行过程中性能会较差，可以根据实际环境提升服务器配置。 1.安装部署 1、上传安装包到服务器，并解压 tar -zxvf Smartbi_x86_CN_V11.0.tar.gz #注意替换成实际的安装包名称 2、进入安装包解压目录，开始设置查询关系
；当orderDetail的count(*)与count(distinct (OrderID))不是一致时，则认为是“多”的一方。 3、注意：这个检测方法会做一次count，所以数据库执行count慢时，会出现检测性能问题；自动构建表关系就是依赖基数检测结果，如果数据量很大时，建议关闭自动检测基数。 1、子图 … 表及其子图，基于命中后的子图再查数；查询性能，一般和命中的子图本身的查询性能有关，和整个数据模型关系不大或者说是固定消耗（除非模型超大，模型定义的解析消耗较大时间）。 3.1 多对一/一对多 1、“一对多”和“多对一”基数选项基本相同，并且它们也是最常见的基数类型： 定义：一个表中共享字段的每个值都可以202412产品更新说明
。 3.4 数据模型 + 数据模型抽取支持分区 在最新版本中，数据模型的抽取功能引入了分区设置。这一改进显著提升了大数据量处理的速度，不仅加速了抽取过程，还大幅优化了数据查询性能，让数据分析工作更加高效、响应更快。详情可查看：直连&抽取 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=112786816#id-%E7%9B%B4%E8%BF%9E&%E6%8A%BD%E5%8F%96-4.1.4%E5%88%86%E5%8C%BA%E8%AE%BE%E7%BD%AE 。 fenqu01.png 性能对比报告: 硬件配置：内存8G，CPU8核；测试数据V11 202307版本介绍
能够实时与售后中心进行互动和交流，解答您的疑问，跟踪您的问题 重构和价值重新定义，从明细数据到分析数据都有对应的模块支撑；w 2.2. 提升产品稳定性和性能 增加高速缓存库多副本功能，自动化的实现某节点故障时快速转移 数据模型中的查询类型优化表关系连接方式，保证结果数据的准确性，根据数据分析时的操作偏好优化 … 访问、组织和共享这些信息，提高工作效率 详细请查看：个人中心 grzx_01.png 3.2. 功能架构重构 3.2.1 ^【功能架构】示意图 图片2.png数据挖掘-数据的输入和输出
分成多个分区，抽取程序会尽可能一个分区分配一个线程进行并行抽取，能够极大的提高大数据量情况下的数据抽取性能。详情请参考 。 选择列 用于筛选节点输出的列，适用于大数据量情况下，提升数据导出速度。 image2021-8-18_18-6-21.png SQL语句 通过SQL语句设置where条件，过滤出表中的数据用于工作流。 分区设置 把表数据相对平均分成多个分区，抽取程序会尽可能一个分区分配一个线程进行并行抽取，能够极大的提高大数据量情况下的数据抽取性能。 如图设置分区字段“累计治愈”的分区数量为4，最小值为1，最大值为20，则系统会以(-∞,5)、[5,10)、[10,15)、[15产品实施流程
。这里面会进行不断的实验与调整）接下来，模型相对稳定后，就需要用不同的评估方法进行模型的评估与参数调优。在达到一定的准确率后（比如8成），模型就能进行部署， 如前面所述这个在我们产品里面就很简便了。而部署并不是终结，挖掘项目通常都需要迭代。如 调整目标、补充数据、 优化模型性能等，这也是我们很多项目都是多期的。 1）第一步确定商业目标： 基于业务的现状，我们要明确我们的分析目标是什么？从需求现状出发，挖掘出潜在的需求。 比如在银行精准营销案例中， 业务现状：银行推荐某个理财产品的转换率低 需要解决的问题：提高理财产品的转换率 最终希望得到的结果：转换率达到xx% 2）准备数据： 准备数据包括了数据采集简介
，这些模板积累了大量的业务智慧; 换成其他的分析工具，Excel业务模板无法重用; 市面上分析工具给用户提供分析能力的同时，也限制了用户想象力; 在功能的灵活性上远不如Excel，无法满足业务用户的分析功能需求。 但Excel也存在一些问题，长期困扰一线业务用户： 首先是性能问题。对于大数 … 融合分析的用户价值 零学习门槛，会Excel就能自助分析，上手快、数据分析不求人; 对企业来说，节约人力资源，提高了生产效率; 为业务赋能，为管理赋能; 4. Smartbi Excel融合分析的优势 Smartbi Excel功能定位是基于Excel自助分析工具; 业务用户自助做报表/做产品实施流程
。这里面会进行不断的实验与调整）接下来，模型相对稳定后，就需要用不同的评估方法进行模型的评估与参数调优。在达到一定的准确率后（比如8成），模型就能进行部署， 如前面所述这个在我们产品里面就很简便了。而部署并不是终结，挖掘项目通常都需要迭代。如 调整目标、补充数据、 优化模型性能等，这也是我们很多项目都是多期的。 1）第一步确定商业目标： 基于业务的现状，我们要明确我们的分析目标是什么？从需求现状出发，挖掘出潜在的需求。 比如在银行精准营销案例中， 业务现状：银行推荐某个理财产品的转换率低 需要解决的问题：提高理财产品的转换率 最终希望得到的结果：转换率达到xx% 2）准备数据： 准备数据包括了数据采集简介
，这些模板积累了大量的业务智慧; 换成其他的分析工具，Excel业务模板无法重用; 市面上分析工具给用户提供分析能力的同时，也限制了用户想象力; 在功能的灵活性上远不如Excel，无法满足业务用户的分析功能需求。 但Excel也存在一些问题，长期困扰一线业务用户： 首先是性能问题。对于大数 … 融合分析的用户价值 零学习门槛，会Excel就能自助分析，上手快、数据分析不求人; 对企业来说，节约人力资源，提高了生产效率; 为业务赋能，为管理赋能; 4. Smartbi Excel融合分析的优势 Smartbi Excel功能定位是基于Excel自助分析工具; 业务用户自助做报表/做
