第121页，共579页。 显示 5,789 条结果 (0.125 秒)
数据挖掘-服务SDK使用示例
: image2023-6-16_13-39-3.png 服务引擎地址可通过系统运维-数据挖掘配置-服务地址得到, 如: image2023-6-16_13-43-18.png 数据json串则由用户自己的业务数据构成, 结构按照上述截图。 四、返回结果说明 返回ServiceInstancesResponse对象调用ok方法, 如果返回true则表示成功数据模型-钻取应用
基于数据模型层次结构定制的自助仪表盘，其中的图表可以展现下钻效果。 目前支持下钻效果的组件有：柱图、瀑布图、线图、面积图、饼图、旭日图、散点图、单Y联合图、双Y联合图、地图、词云图、关系图、热力图、树图、桑基图、漏斗图。 效果演示 我们基于快速入 https://wiki.smartbi.com.cn//pages/viewpage.action?pageId=69737460门的数据模型“产品销售数据”定义如下自助仪表盘： image2022-2-5_21-12-51.png 柱图：X轴分类是时间维度中的季，Y轴指标是销售量。 地图：以地理维中的发货省份定制地图，度量指标是销售量。 饼图：以产品维中的产品类别定制clickhouse数据库监控工具使用
1. 需求背景 SmartbiMPP高速缓存库监控管理工具中详细介绍了SmartbiMPP高速缓存库监控管理工具，高速缓存库工具除了可以对SmartbiMPP进行监控外，还可以对Clickhouse数据库的运行情况进行监控。 2.使用说明 以监控CH业务库为例 image2024-6-18_12-13-33.png 2.1. 下载监控资源XML 2.2 导入资源 选择运维设置->系统迁移与备份->导入资源，导入上一步下载的XML image2024-6-18_12-22-23.png 2.3 关系数据源置换 点击关系数据源置换 image2024-6-18_12-23-45.png 在弹出的置换页面中多维分析数据权限—多维分析参数
此示例实现多维分析参数根据当前成员数据权限，动态获取权限内的成员。示例具体说明如下： 1、数据权限设置。 我们针对商店维设置数据权限，设置成员别名和用户组名称关联。如下图： image2019-11-19 13:56:19.png 2、用户所属组设置。 test用户属于用户组广州下，如图 … GetUserAccessibleMembers()函数：获取指定维度层次中当前用户具有数据访问权限的成员。有两个参数： 第一个参数：“hierarchy”即维度层次。 第二个参数：“Self”表示获取顶层成员；“SelfAndChildren”表示获取顶层成员及其子成员；“Children”表示获取顶层成员的子成员。 则使用多维分析数据权限—多维分析参数
此示例实现多维分析参数根据当前成员数据权限，动态获取权限内的成员。示例具体说明如下： 1、数据权限设置。 我们针对商店维设置数据权限，设置成员别名和用户组名称关联。如下图： 458.png 2、用户所属组设置。 test用户属于用户组广州下，如图： 459.png 3、参数设置 当参数设置其备选值和 … 我们修改参数备选值和默认值，设置使用函数GetUserAccessibleMembers()获取权限内的成员。 461.png GetUserAccessibleMembers()函数：获取指定维度层次中当前用户具有数据访问权限的成员。有两个参数： 第一个参数：“hierarchy”即维度层次。 第二个采集数据模型性能CPU采样信息
（本文档仅供参考） 问题 在发现基于数据模型访问的报表缓慢时，可以通过OLAP监视器性能界面进行CPU采样跟踪； 解决方案 （由于概述、监视、性能、日志、垃圾回收活动 、SQL监控、MDX查询监控 等均与“系统监控”Smartbi 的基本一致，故可参考系统监控-性能（CPU采样 … =1&modificationDate=1701669620000&api=v2 2、清空系统缓存（因有缓存情况下，不会重新将SQL拿到数据库中执行则无法获取到执行SQL） https://wiki.smartbi.com.cn/download/attachments/80184198/01.png获取数据模型的执行MDX和SQL
（本文档仅供参考） 问题 可以通过什么方式获取通过数据模型创建的报表的执行MDX和SQL？ 解决方案 方案一：系统监控（推荐） 具体步骤如下： 1、【用户】-【系统监控】-【服务器-设置】；或者访问该地址：http://ip:端口/smartbi/vision/sysmonitor.jsp，参考此文档添加OLAP服务器：如何使用SmartbiOLAP监控器? image2023-12-4_14-0-24.png 2、清空系统缓存（因有缓存情况下，不会重新将SQL拿到数据库中执行则无法获取到执行SQL数据挖掘-特征抽取
特征抽取主要是对特征工程中的一些处理方法，进行抽取和转换。抽取就是一个寻找特征规律的过程；变换则是数据按照抽取出来的规律进行处理的过程。 特征抽取可以像模型一样将抽取到的规律保存起来，这样可以避免新数据的抽取结果与原结果不一致的影响。 特征抽取数据挖掘-特征抽取
特征抽取主要是对特征工程中的一些处理方法，进行抽取和转换。抽取就是一个寻找特征规律的过程；变换则是数据按照抽取出来的规律进行处理的过程。 特征抽取可以像模型一样将抽取到的规律保存起来，这样可以避免新数据的抽取结果与原结果不一致的影响。 特征抽取数据模型不使用默认日期来分割月时间维度
（文档仅供参考） 需求背景： 数据模型由于本身查询的问题，只能固定每月的时间维度为每个月的最后一天，而有些时候月汇总的维度不会在每个月的最后一天，如果财务的截止计算周期在每月28日的时候，如3月29日-4月28日为一个月计算周期，当需月时间维度汇总的时候由于数据模型自动创建时间维度是以每月最后一天，就无法计算出 … `OrderDate` end as "日期", `OrderDate` from `northwind`.`orders` ) as t 2、日期维表关联回事实表，使用日期字段进行关联原本的数据
