第67页，共297页。 显示 2,969 条结果 (0.035 秒)
加载扩展包的优先级调
（本文档仅供参考） 在一个项目上Smartbi通常会加载多个扩展包，在项目上有时为了让每个扩展包的功能相对单一，会把相对独立的功能封装到一个单独扩展包中；同时 Smartbi 自身也内置了很多系统扩展包。同时加载多个扩展包，就会有加载优先级的问题，比如多个扩展包中同时重载了某一个图片文件，究竟该让那个生效呢。可以 … 优先级最高，可以将该值设置为一个极小的值，可以为负值。 注意： 对于完全覆盖的类型(如图片、css、jsp等)，优先级越高，加载顺序越前，以按文件路径找到的第1个插件包(priority值较小)为准。 对于*.patch类型，优先级越高，加载顺序越后；如果方法有覆盖的，以最后找到的插件包总结型分析报告
。 image2019-8-5 17:9:56.png 可选择表格，点击 表格工具 > 设计 和 布局 对表格样式进行设计。 image2019-8-5 17:11:0.png 3）导入柱图 双击 导入图片 ，选择相应的年份和季度后，在弹出的对话框中选择要导入图片的标题。 image2019-8-5 16:29:40.png 确定后快速准备数据并创建仪表盘
画布缩放到最佳比例；通过 文本组件 增加标题，通过在组件中动态引用筛选器“年月”的值；在各组件的 属性 面板中，自定义标题文字、字体大小、背景等信息 Animation2.gif 3、样式调整：通过鼠标拖拉拽可以快速调整组件大小和排版，在 属性 面板中可以进行标题、背景、边框等设置；在 主题 面板中，可以根据个人网络请求安全卫士
1.需求背景 随着安全问题越来越重视与关注，对于客户环境需要提供外网环境给用户使用的场景，出于安全考虑，本着“最小够用原则”，产品需要只开放暴露给移动端外网访问相关的URL请求，没有开放外网给移动端访问的URL请求要一律拦截。 2.功能说明 该扩展包通过自定义请求头或外网访问IP区分内外网，通过配置其中的规则拦截用户想对外开放的相应功能或API。 3.使用说明 3.1. 扩展包部署 扩展包：SmartbiDefender.ext https://my.smartbi.com.cn/addons/leescore/goods/details.html?gid=120 部署 ，详细说明请参考SmartbiMPP高速缓存库监控管理工具
1. 需求背景 针对产品中使用的SmartbiMPP高速缓存库，用户在使用过程中完全是黑盒状态，无法感知当前SmartbiMPP高速缓存库运行的状态，已经创建了多少张表，占用了多少空间等相关信息，一旦遇到问题更是不知该如何排查和调整。 基于以上痛点，提供额外的高速缓存库管理工具，通过扩展包方式集成到产品中，方便用户 … 的SQL语句情况，结果集受执行时间参数筛选控制。 image2024-5-29_9-49-43.png 1. 需求背景 针对产品中使用的SmartbiMPP高速缓存库，用户在使用过程中完全是黑盒状态，无法感知当前SmartbiMPP高速缓存库运行的状态，已经创建了多少张表，占用了多少空间等相关信息，一旦业务库迁移之后ID替换操作指南
业务库迁移之后ID替换操作只适用于2024-05-07号之后的包。 1 背景 业务库在迁移，数据连接修改为其他类型的数据库，或者本身数据库的catalog、schema发生了改变，已有的报表取数会找不到表，导致查询报错。 Smartbi 为了解决这类问题，业务库迁移之后，可以替换ID。 其核心原理：Smartbi 通过记录数据源、catalog、schema 的对应关系，生成唯一 ID 标识表和字段。迁移后需在知识库中建立 “旧 ID 规则” 与 “新 ID 规则” 的映射，确保报表能正确匹配新数据库中的表结构。 1.1 适用场景 当业务库发生以下变更时，需通过 ID 替换保证报表正常取数： 数据连接类型连接Kerberos认证的Impala数据源
文件，并上传到Smartbi的服务器上。 1）注意：需要确保smartbi服务器时间和impala集群的时间同步。 2.3 配置自定义驱动包 添加jdbc驱动依赖包，放在自定义目录下IMPALA下图的impala-3.1.0驱动依赖包需要以下文件： 图片5.png 说明： 1分析报告-制作流程
图片。具体操作步骤请参考 系统资源 。 导入的资源在分析报告中是以“内容控件”形式展示，指导入的报表数据及其报表数据引用关系。 以Word为例： 删除引用的报表数据 在Word上删除报表数据，报表数据引用关系仍存在，如图： image2019-8-22 11:30:46.png 删除内容控件 选中内容控件数据挖掘-K均值
概述 K均值算法是一种简单的迭代型聚类算法，采用距离作为相似性指标，从而发现给定数据集中的K个类，且每个类的中心是根据类中所有值的均值得到，每个类用聚类中心来描述。它的聚类目标是以欧式距离作为相似度指标，使得各类的聚类平方和最小。 示例 使用“航空公司客户价值分析”案例数据，分析客户为高价值客户、一般客户、低价值客户。 图片36.png 聚类算法参数如下： 参数名称 值 说明 归一化 正则化 详情请参考 归一化 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=51941896 介绍说明数据挖掘-高斯混合模型
概述 高斯混合模型就是用高斯概率密度函数（正态分布曲线）精确地量化事物，它是一个将事物分解为若干的基于高斯概率密度函数（正态分布曲线）形成的模型。高斯混合模型与K均值聚类不同，K均值是考虑每个数据点到某个类簇中心点的距离，而高斯混合模型是考虑数据点被分配到每个类簇的概率。 高斯混合模型适用于聚类问题中各个类别的尺寸不同，聚类间有相关关系的情况。 示例 使用“航空公司客户价值分析”案例数据，分析客户为高价值客户、一般客户、低价值客户。 图片37.png 高斯混合模型参数如下： 参数名称 值 说明 归一化 正则化 详情请参考 归一化 https
