第56页，共854页。 显示 8,537 条结果 (0.072 秒)
presto+hive高速缓存库数据库管理添加数据源报错
（本文档仅供参考） 问题 使用高速缓存库添加数据源的时候报错。 解决方案 1、此时需要排查是否对应数据源的驱动添加到了presto目录了 2、如将hive中对应的驱动放置高速缓存库的presto目录下即可 3、路径如下： image2021-11-21_15-42-7.png presto+hive高速缓存库添加表报错Echarts图形-扩展属性：堆积线图自定义各数据点样式
（本文档仅供参考） 问题描述 堆积线图中有多条折线，想要自定义各数据点样式。 image2024-12-5_16-58-45.png 解决方案 可参考以下扩展属性 option = { series: [{ showSymbol: true, symbol: 'circle', //设定为实心点 symbolSize: 0, //设定实心点的大小 color: "#000", //设定实线点的颜色 lineStyle: { normal: { width: 2, color: "#0000ff", //设置实线的颜色数据排序
1 概述 如果字段是ASCII编码、TEXT，有一些数据库不支持排序，比如sql server就不支持排序。 1.1 应用场景 在进行数据分析时，经常会遇到原始数据杂乱无序的情况，使用排序功能可以将数据按某一特定规则进行排列，以便更清楚地分析数据变化趋势。 paixu-04.png 1.2 入口 … 表格中的所有字段都只支持全局的升序、降序。 交叉表 升序、降序、组内升序、组内降序、无 1、表格行和列上首个维度字段支持全局的升序、降序； 2、表格行和列上非首个维度字段、度量字段仅支持组内升序、组内降序。 全局排序是指整个表格的数据按照指定列的数据大小进行升序或降序排序。 组内排序报表数据与数据集（数据库）中数据不一致
（本文档仅供参考） 问题现象： 自助仪表盘显示数据跟数据集查询出来数据不一致，已清理系统缓存，浏览器缓存，数据重新抽取，显示还是不一致。 image2021-6-1_10-0-19.png image2021-6-1_10-0-53.png 解决思路： 现产品中，如果数据的实际值，超出数据类型的取值范围，会自动把数据处理成对应取值范围内的值。 此问题报表是基于原生sql数据集制作自助数据集，再基于自助数据集制作的自助仪表盘。在自助数据集中将字段的数据类型，自定义为了integer类型，而数据实际值有超出的integer类型的取值范围导致。建议依据实际情况修改相关字段的数据类型。 （各种数据高速缓存库保存的数据文件在哪里
（本文档仅供参考） 问题1 请问缓存到mpp的数据保存到哪里了，应该怎么查看数据文件大小？ 说明： mpp保存到硬盘上，不同的mpp有不同的查看数据文件的方法，针对clickhouse，相应的数据文件存放在data目录下，在data目录下可以看到每个数据文件的大小，具体可参考网上相关说明文档。 问题2 透视分析，如果做的多维表，在高速缓存库里怎么存放的？ 说明： 在设置自动抽取的情况下，高速缓存库存储了最终后台执行SQL的查询结果的宽表；具体存储的内容，可以直接连上高速缓存库查看。 6c8219a6-08f8-492e-8b9a-36b7234d2078.pngDoris数据连接
1 概述 Apache Doris 是一个基于 MPP 架构的高性能、实时的分析型数据库，以极速易用的特点被人们所熟知，仅需亚秒级响应时间即可返回海量数据下的查询结果，不仅可以支持高并发的点查询场景，也能支持高吞吐的复杂分析场景。基于此，Apache Doris 能够较好的满足报表分析、即时查询、统一数仓构建、数据 … ， 实际上用户的端口是会变更的，可以在界面上允许用户配置stream load的接口，如下图所示： image2024-12-31_10-22-49.png 2 数据连接 2.1 配置信息 版本信息如下： 驱动程序类 连接字符串 驱动程序存放目录 支持数据库版本什么是数据库网关
数据库网关（Database Gateway）是一种支持私网数据库远程访问的数据库连接服务。通过数据库网关，您可以安全且低成本地将第三方云或本地的数据库接入至 Smartbi Cloud 平台。尤其是使用 Smartbi AIChat 时，不需要本地私有化部署，直接使用云平台中的 AIChat，然后通过数据库网关连接自己本地的数据库。 为什么选择数据库网关 数据库网关提供安全可靠、低成本的数据库接入服务，通过数据库网关您可以安全且低成本地将第三方云或本地的数据库接入至 Smartbi Cloud 平台。数据库网关的优势如下： 安全可靠 不暴露数据库公网地址，确保用户数据资产的安全和稳定。 提前申请网关令牌数据模型-概述
Smartbi的数据模型实现将所有查询结果归集后，基于CUBE模型重新构建数据结构：以“维度”和“度量”进行构建，同时增加了“成员”和“命名集”的定义，实现了数据模型构建的灵活性及应用广泛性。 Smartbi的数据模型基于成熟的建模理论和方法，总体而言主要体现在两方面：模型架构和模型表关系。 模型架构 数据模型是围绕事实表和维度表的关系而进行模型的构建： 事实表：是数据模型中的中央表，它包含联系事实与维度表的数字度量值和键。事实数据表包含描述业务（例如产品销售）内特定事件的数据。 维度表：是维度属性的集合，是分析问题的一个窗口，是人们观察数据的特定角度，是考虑问题时的一类属性，属性的集合构成一个维。 Smartbi数据预警示例-动态接收人
场景 当预警数据存在多个负责人，需要根据不同的数据发送消息给对应负责人时，无法为预警指定固定的接收用户，可以选用“动态接收人”满足需要。 以下为物料库存的监控数据，每种物料都有负责的采购员。当物料的库存低于库存警戒线时，需要推送预警消息给对应的采购员，采购员收到提醒后跟进物料的采购事宜。 新 ⬝ 新建数据预警 预警配置关键步骤 1 前提 ：以邮件推送为例，系统中存在采购员A、采购员B、采购员C三个用户（用户别名），并且三个用户都设置了邮箱账号 dt-02.png dt-03.png 2 参考新建数据预警 在对应报表上新建数据预警，触发条件设置为 “低于库存警戒线“ 字段 “ 大于 0 “ dt-04.png数据挖掘-OneVsRest
概述 One-vs-Rest算法将一个给定的二分类算法有效地扩展到多分类问题应用中，也叫做“One-vs-All.”算法。它采用一个基础的Classifier然后对于k个类别分别创建二分类问题。类别i的二分类分类器用来预测类别为i还是不为i，即将i类和其他类别区分开来。最后，通过依次对k个二分类分类器进行评估，取置信最高的分类器的标签作为i类别的标签。 示例 使用方式如下图： image2024-7-23_10-47-28.png 支持向量机
