第173页，共579页。 显示 5,787 条结果 (0.362 秒)
创建SQL查询
可以通过数据模型的SQL查询：写SQL语句union2个或多个不同的表。 使用 union 将数据合并到一起,如下图: 合并前是各个查询单独查询数据，合并之后，3张表的数据全部合成一张表；查看总数，已经累加了三张表的数据。 union：用于合并俩个或多个SELECT语句的结果集，并且消去表中任何重复行,纵向追加数据 … 1 概述 用户可以通过编写SQL语句对数据中的表进行加工、处理再添加到数据模型中。 1、SQL查询支持直连、抽取模式。 2、如果SQL查询里的SQL语句在模型里是作为一个子查询使用，如果原业务库不支持嵌套SQL，则需要修改SQL语句或者切换为抽取模式. 详细可参考：直连&抽取 3、如果SQL查询⬝ smartbiUnionserver配置密码解决方案
discovery.uri 跨库联合数据源的连接url请求地址，配置为https://主机名称:https的端口. 此处必须写跨库联合数据源的服务器的主机名称，不能写ip地址。 https端口就是http-server.https.port配置的端口 http-server.authentication.type 服务 … 路径，填写上一步配置生成的password.db文件路径，建议写绝对路径 7）启动跨库联合数据源 Linux： # nohup ./run.sh & windows： # run.cmd 8）测试连接 连接url中，端口配置为之前配置的https端口，连接url后增加?SSL=true参数，具体如下图所示自助ETL-节点介绍
数据的质量。 让数据更好地适应特定的挖掘技术或工具。 名称 使用说明 过滤 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51940603 根据用户需求，通过写SQL语句(片段)的方式，对数据集中指定字段进行条件筛选过滤。 列 … 节点面板，用于显示当前流程中可使用的各种数据处理节点（输入、输出、转换、统计分析、脚本），顶端的搜索框支持输入名称进行搜索。 1. 输入（数据源） Smartbi支持从以下几个数据来源中导入数据： 节点 说明 关系数据源 https://wiki.smartbi.com.cnMondrian 3.0.4 学习总结
、JOLAP 规范。它从 SQL 和其它数据源读取数据并把数据聚集在内存缓存中，然后经过 Java API用多维的方式对结果进行展示，同时可以不写 SQL就能分析存储于 SQL 数据库的庞大数据集，可以封装 JDBC数据源并把数据以多维的方式展现出来。 JPivot 是 Mondrian http … ) formatString 定义数据显示格式。 Caption 指定 caption 3.4.2.通过SQL语句定义度量值 指标数据的来源可以从 SQL语名得到（针对不同的数据库类型写不同的 SQL语句），例如： 13.jpg 3.5. 维度扩展 3.5.1.定义成员属性Mondrian学习总结
、JOLAP 规范。它从 SQL 和其它数据源读取数据并把数据聚集在内存缓存中，然后经过 Java API用多维的方式对结果进行展示，同时可以不写 SQL就能分析存储于 SQL 数据库的庞大数据集，可以封装 JDBC数据源并把数据以多维的方式展现出来。 JPivot 是 Mondrian http … ) formatString 定义数据显示格式。 Caption 指定 caption 3.4.2.通过SQL语句定义度量值 指标数据的来源可以从 SQL语名得到（针对不同的数据库类型写不同的 SQL语句），例如： 13.jpg 3.5. 维度扩展 3.5.1.定义Mondrian学习总结
、JOLAP 规范。它从 SQL 和其它数据源读取数据并把数据聚集在内存缓存中，然后经过 Java API用多维的方式对结果进行展示，同时可以不写 SQL就能分析存储于 SQL 数据库的庞大数据集，可以封装 JDBC数据源并把数据以多维的方式展现出来。 JPivot 是 Mondrian http … ) formatString 定义数据显示格式。 Caption 指定 caption 3.4.2.通过SQL语句定义度量值 指标数据的来源可以从 SQL语名得到（针对不同的数据库类型写不同的 SQL语句），例如： 13.jpg 3.5. 维度扩展 3.5.1.定义如何使用ETL的"Foreach 循环容器"节点？
17.png 写SQL语句+参数，获取想要的数据并插入到关系目标表； 3.1.2、作业流定义Foreach Item 枚举器 如下图，选择了“Foreach Item 枚举器”，在"基础配置"tab 添加列名，列名索引从0开始，依次自增： 18.png 数据行也可以自定义；可以删除行，也可以删除列 … 1、概述 读取文件数据主要有以下方式： 1)使用Excel导入模型：要根据模板导入，并且一次只能导入一个文件 2)数据源/ 加载文件数据: 一次只能导入一个文件 3)ETL的”FTP数据源"节点: 一次只能读取一个文件 而在V10.5.8版本中，支持一次性批量读取多个excel文件数据并且合并成大宽smartbiUnionserver配置密码解决方案
discovery.uri 跨库联合数据源的连接url请求地址，配置为https://主机名称:https的端口. 此处必须写跨库联合数据源的服务器的主机名称，不能写ip地址。 https端口就是http-server.https.port配置的端口 http-server.authentication.type … 说明： 参数 参数说明 password-authenticator.name 密码认证类型，配置值为file file.password-file 密码文件路径，填写上一步配置生成的password.db文件路径，建议写绝对路径 7）启动跨库联合数据源 Linux： # nohup电子表格列宽自适应
该宏示例在 V10.5上 验证通过 提示：本文档的示例代码仅适用于本文档中的示例报表/场景。若实际报表/场景与示例代码无法完全适配（如报表使用冻结，或多个宏代码冲突等），需根据实际需求开发代码。 当电子表格列的数据比较长的时候，我们希望列是可以根据单元格数据进行自适应。可以通过写服务器宏来实现电子表格列宽自适应 由于excel不支持对合并单元格进行列宽自适应，因此此宏对合并单元格是不生效的。如果在excel中使用的字体在服务器上没有，那么此宏也可能是不生效的。如果浏览器自身（主要是chrome）设置了最小字体，那么此宏也可能是不生效的，需要修改浏览器的最小字体。 加载前效果： image2020-6-12 18客户复购分析
： image2021-7-26_10-5-10.png 2.2.2. 切回sheet表“数据表”下 从G1开始添加新列，“新行业分类、月份、过渡组、月内购买人数、月内多次购买的人数、月内重复购买的人数、购买次数（F）、客户平均单价（M）、签约距离时间（天）、最近一次签约距离时间（R）、R（向量化）、F（向量化）、M（向量 … 共同点就是想提高自己客户的复购率。 1.2. 最终实现效果 image2021-7-30_15-52-53.png 2. 定制方法 2.1. 数据准备 2.1.1. 进入“数据准备”，新建“数据模型”，导入文件“客户复购数据.xlsx”，如下 image2021-7-19_14-0-41.png 保存为“客户
