第35页，共53页。 显示 526 条结果 (0.027 秒)
计算列 vs 计算度量：你真的懂吗？
，可以优先使用计算列，计算结果通过计算列处理好再复制转度量使用，计算列转度量走SQL引擎优化查询性能较好 【不推荐】方案二：接通过计算度量向导——计算类型选择“按指定成员集聚合度量”并勾选“白米”作为成员集。 新建计算列-复制转度量： image2025-4-30_14-27-35.png … 计算度量，通过AGGREGATE、NONEMPTYCROSSJOIN 函数实现； 注意：如果要更多个维度，可以再嵌套一个NONEMPTYCROSSJOIN，用多了NONEMPTYCROSSJOIN 可能会存在性能问题。 image2025-4-30_14-28-23.png 预览结果东方通8.0部署smartbiproxy
image2025-3-27_12-39-5.png 性能标签中，需要关闭资源预压缩选项。 image2025-3-27_10-50-35.png 配置完成后，点击添加按钮即可完成部署。 点击添加按钮后，可能需要等待几分钟，当控制台提示应用添加成功，说明smartbiproxy已经部署启动东方通8.0部署smartbiproxy
image2025-3-27_12-39-5.png 性能标签中，需要关闭资源预压缩选项。 image2025-3-27_10-50-35.png 配置完成后，点击添加按钮即可完成部署。 点击添加按钮后，可能需要等待几分钟，当控制台提示应用添加成功，说明smartbiproxy已经部署启动高速缓存库
是Smartbi 提供的对数据查询进行缓存和提速的功能。 高速缓存库的作用是解决用户原始数据库查询慢并且不好解决的场景，可以通过定时抽取把数据缓存到缓存库，提升报表的查询性能。 支持范围 高速缓存库支持下面几种数据库： GaussDB（DWS） Presto+Hive (信创版支持) ，广州思迈特软件有限公司研发的高速缓存库 ，广州思迈特软件有限公司研发的高速缓存库 StarRocks TiDB OceanBase(mySQL)(信创版支持) OeacleBase(MySQL)作为高速缓存库时， 需要oceanbase版本在v4.2.2以上，才支持LOAD DATA LOCAL3、部署Hadoop
Spark，Hadoop /data 10.10.204.250 10-10-204-250 Python /data 数据挖掘数据量2000万以下时，可以不单独部署hadoop组件，提高数据挖掘服务器配置即可 1、系统环境准备 配置防火墙，selinux相关操作，需要管理员权限 … ，security.client.datanode.protocol.hosts两个配置项中的值，要替换成实际环境的IP地址； 此配置文件是限制可以访问hadoop节点的服务器ip，提高hadoop应用的安全性。 2.4.4.配置hadoop环境变量 vi /etc/profile 在文件末尾添加下面内容： export某商业银行客户流失预测
背景描述 现在银行产品同众化现象普遍存在，客户选择产品和服务的途径越来越多，客户对产品的忠诚度越来越低，所以客户流失已经成为银行业最关注的问题之一。而获得新客的成本远高于维护老客户成本。 根据总行领导指示，需要坚持以客户为中心，重点做好营销和转化指导方针，加强客户群体建设和提高客户与我行粘度，加强对客户的跟踪和 … 分析 通过对某业务线条的高价值客群进行分析，发现流失率非常严重，需要建立高价值客群的流失预警模型，寻找客户流失的原因，指导业务加强客户维护，提高客户对我行产品的粘度。 工作目标 通过对零售客户某业务线条的高价值客群进行流失分析，建立流失预警模型，挖掘出流失的主要因子，指导业务人员维系客户关系。 分析思路 通过系统监控-堆打印
堆打印显示目前JVM堆中所有对象个数及占用的内存数，用于性能问题的监控、诊断和分析。 image2021-8-26_14-28-26.png 说明： 此功能需要Smartbi服务器运行在Sun的JDK1.6以上版本，否则无法正常使用。 点击下载按钮是将JVM当前堆全部保存到文件中然后下载到客户端。该功能需要花费比较多的时间而且下载的文件非常大，下载后的文件可以使用JVisualVM打开分析。系统监控-堆打印
堆打印显示目前JVM堆中所有对象个数及占用的内存数，用于性能问题的监控、诊断和分析。 image2021-8-26_14-28-26.png 说明： 此功能需要Smartbi服务器运行在Sun的JDK1.6以上版本，否则无法正常使用。 点击下载按钮是将JVM当前堆全部保存到文件中然后下载到客户端。该功能需要花费比较多的时间而且下载的文件非常大，下载后的文件可以使用JVisualVM打开分析。自由布局-组件组合
1 概述 当需要对布局进行调整时，在自由布局中，使用组件组合可以减少配置的工作量、提高便捷性和大屏制作效率。 2 组合 1、入口 （1）入口1：自由布局下，在画布中框选多个组件后，可对组件进行组合操作。 zuhe01.png （2）入口2：自由布局下，在图层面板选择多个组件后，可对组件进行组合操作。 zuhe02.png 2、组件组合后，支持对组件组合进行取消组合、锁定、浮动顺序和复制/粘贴组合等操作； zuhe03.png 3、鼠标框选的组件类型不同，相关设置项可选情况也不同，详细说明如下： 款选类型 组合 取消组合 组件对齐、组件分布、匹配大小 复制、粘贴 选中单个组合 不可数据挖掘 – LSH
该功能为V10.5版本功能。 概述 LSH（局部敏感哈希）是一种哈希算法，用于对高维数据进行快速最近邻查找。LSH把两个高相似度的数据以较高的概率映射成同一个哈希值，把两个相似度很低的数据以较低的概率映射成同一个哈希值。利用哈希过后的数据进行最近邻查找，能提高查找效率，减少耗时。 对于数据向量的相似度距离，LSH节点提供了两种距离度量：欧式距离和杰卡德距离。其中，欧式距离适用于绝大多数数据向量，而杰卡德距离适用于由0和1组成的向量（如，00101，10011等，非0的数值都会被视为1）。在文本分析问题中，可先使用词向量或TF-IDF把文本转换为数值型向量，再选用欧氏距离的LSH对向量进行哈希，哈希后的向量可用于相似
