第34页，共578页。 显示 5,778 条结果 (0.076 秒)
数据模型校验
1 概述 1.1 背景 在数据模型的编辑、使用过程中，因表结构错误、计算逻辑异常、参数配置不当等问题，常导致查询或抽取数据时出现报错。为解决这一痛点，Smartbi针对数据模型”校验“功能进行增强，旨在帮助用户快速定位并修复模型问题，减少问题排查成本，提升数据处理效率。 1.2 核心价值 自主解决问题：支持用户和运维人员在编辑模型时,通过“校验”能直接发现问题，减少对技术支持的依赖。 精准定位异常：通过可视化界面清晰展示错误类型与位置，辅助快速修复。 2 具体操作 以为产品内置的nortthwind 数据库为例，创建的数据模型如下 04.png 设置了关联关系、创建计算度量、计算列等，保存之后，想要数据挖掘-模型自学习
概述说明 机器学习中发布到生产的服务内所训练的模型随着时间推移，准确性可能会逐步降低。这时若通过补充新的数据，重新进行训练，则有可能提高模型准确性。模型自学习则是将这个步骤自动化，并能自动将符合一定要求的模型发布或者部署到生产中，它能解决模型长期得不到更新而导致准确性降低的问题，并极大减轻运维人员的工作量。 适用场景 1、模型已经训练好并发布为服务，用户希望模型能定期更新 2、模型的训练数据能定期更新 功能入口 图片3.png 进入模型自学习界面可模型自学习自定义并可以设置定时任务，如下： 图片4.png 模型自学习示例 以房价预测为例： 1、打开房价预测实验实例自助ETL-数据查询
1. 概述 数据查询，是指将选择的Smartbi“数据查询”转换成二维宽表，供后续节点使用。 “数据查询”节点的部分查询类型执行依赖于高速缓存库，如果高速缓存库连接信息未正常配置，该节点无法正常执行。 高速缓存库配置的 url 地址建议使用 ip 方式连接，不推荐使用域名的方式连接。 必选依赖“高速缓存库”的节点(见下图红色框标记)：存储过程查询、生成日期表、java查询，脚本查询； 不依赖“高速缓存库”的节点(见下图蓝色框标记)：“sql查询”，“可视化sql查询”，“模型明细查询”，“模型汇总查询”；其中前面2个（“sql查询”，“可视化sql查询”），如果sql依赖的原始数据库ETL不支持，则还是会依赖“高速缓存库部署Smartbi数据挖掘/SmartbiETL集群
数据挖掘组件介绍 部署Smartbi 数据挖掘引擎集群需要部署以下组件： 服务名称 简介 数据挖掘-执行引擎 负责接收Smartbi 发送执行请求。 通过解析执行定义，生成spark 计算任务或python计算任务，分别发送给计算节点。 本身并不承担计算任务，只负责计算任务的调度跟分发。 数据挖掘-服务引擎 提供模型预测服务给第三放系统调用 Zookeeper 用于实现数据挖掘执行引擎和数据挖掘服务引擎的高可用。 Python执行节点 python 执行环境，主要承担执行引擎发送过来的python计算任务。 可以横向扩展，执行引擎会根据负责均衡策略分析您本地的数据
一、进阶体验：分析您本地的数据 用自己的数据进行分析，上传自己的数据，进行建模和训练，再进行问答体验。 具体操作如下： 1、创建数据模型，上传本地的Excel文件，包含业务用户对话分析时需要使用的维度和度量。 2、接着对创建的数据模型构建知识图谱。 初始的模型图谱，用户在使用AIChat进行自然语言查询过程中，可能会遇到某些问句的查询结果不准确、或者无法得到预期结果的情况，则需要通过补充“知识”方式对接模型图谱进行微调，从而影响问句的查询结果。 3、最后，选择创建的数据模型，使用AIChat进行对话式分析。 支持用户通过自然语言实现对话分析、时间计算、归因分析、趋势预测等高级分析，深入洞察数据，释放数据价值。SQL查询/数据集支持权限控制
1 概述 从安全角度上，产品正在逐步完善数据权限控制，避免出现数据安全性问题。 2 功能说明 1、在系统运维(运维设置) /系统选项/ 高级设置 增加了下面的设置项： 序号 选项 内容 1 RAW_SQL_APPLY_MASKING_RULE 如果在源表设置了脱敏规则，通过原生SQL数据集、SQL查询等方式取数，如果开启了该项，能正常继承到对应的脱敏规则，从而对数据进行脱敏处理。 系统系统默认false，即不开启(不生效)；设置成true，则是开启。 2 RAW_SQL_APPLY_ROW_PERMISSIONS 如果在源表设置了行权限，通过原生SQL数据集、SQL查询等方式数据模型查询无数据，即席有数据，透视分析无数据
（本文档基于v11版本的数据模型创建的即席和透视） 问题描述： 数据模型查询无数据、即席查询使用到的数据模型可以查到数据，透视分析使用到的数据模型查询不到数据，（同一个数据模型），数据源是mysql image2024-1-17_9-58-39.png image2024-1-17_9-59-10.png image2024-1-17_9-59-40.png 问题原因 数据源链接字符串处的编码问题 解决方案 出现问题的实际环境数据源连接字符串useOldAliasMetadataBehavior=true后面的参数都给去掉了，将后面的信息【&useUnicode=true&characterEncoding功能 - 如何使用OLAP数据源制作电子表格示例
说明 制作电子表格的流程一般如下：新建关系数据源> 新建数据集（可视化、SQL、原生）> Excel电子表格设计器中设计复杂报表。 使用AP数据源制作电子表格，比上面流程更加复杂一些，分为两个步骤： 1. 制作AP报表。 2. 制作电子表格：流程为新建Java数据源 -> 新建Java查询对象 -> 新建Java数据集 -> 电子表格设计器中设计报表 设置步骤 使用AP数据源制作电子表格的具体步骤如下： 1. 制作AP报表。目的是将目标复电子表格的数据以AP报表的形式先获取呈现出来。可以由多张AP报表拼凑成一张电子表哦。AP报表制作流程此处不详述，示例AP报表展现如下Echarts图形-扩展属性：折线 - 折线图数据点加白色边框
（本文档仅供参考） 问题描述： 折线图里，这个连接点有办法设置成下图样式吗，连接数据点有个白色的边框： image2025-3-14_12-34-40.png 解决方案： 可通过扩展属性调整折线的数据标签位置，扩展属性如下： option = { "series": [{ "symbol": 'circle', // 数据点形状为圆形，可根据需要更改 "symbolSize": 8, // 数据点大小 "itemStyle": { "normal": { "color": '#007bff', // 数据点填充颜色 "borderColor5、测试数据挖掘集群
本节介绍smartbi连接数据挖掘执行引擎集群、服务引擎集群、Python以及测试服务是否正常运行。 测试数据挖掘前，请确认数据挖掘等相关服务已正常部署启动和相关的连接配置。 引擎地址示例：http://执行引擎节点1:8899,执行引擎节点2:8899 服务地址示例：https://服务引擎节点1:8900,服务引擎节点2:8900 Python代理器启动命令示例：./agent-daemon.sh start --master http://执行引擎节点1:8899,执行引擎节点2:8899 --env python image2023-11-2_9-52-14.png 1、数据挖掘集群高可用测试 1.1
