第83页，共297页。 显示 2,969 条结果 (0.043 秒)
文件导出到服务器的自定义文件管理中心接口
背景说明 需要支持文件在【文件导出到服务器】系统选项中新增自定义的文件服务器类型，实现将导出的文件上传到第三方平台，如简道云等。 IFileManagerStore接口类定义 基本信息 位置 smartbi.module.export.store.IFileManagerStore 父类 smartbi.module.export.offline.storer.IOfflineFileStorer smartbi.module.export.offline.downloader.IOfflineDownloader 功能 定义一个文件服务器 接口方法SQL引擎V1.0介绍
1 概述 1.1 背景 SmartBI使用了SQL引擎来处理和执行SQL查询。SQL（Structured Query Language）是一种标准的数据库查询语言，用于在关系型数据库中进行数据操作和查询。 SmartBI的SQL引擎具有以下功能和特点： 查询优化：SQL引擎能够分析查询语句，并尽可能地优化执行计划，以提高查询效率和性能。它会考虑索引、统计信息、表大小等因素，选择最佳的查询路径和执行顺序。 数据连接：SQL引擎支持连接多个数据表或数据源，可以进行联合查询、子查询等复杂查询操作。用户可以通过SQL语句来指定数据连接方式和条件，实现数据的关联和合并。 聚合计算：SQL引擎支持常见的聚合函数，如电子表格根据参数值导出不同sheet
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。 1、本示例表样要求：第一列数据是分组合并的，且该列所有行数据的集合是参数备选值集合的子集。 示例说明 该示例背景：电子表格中存在一个下拉多选参数，用户导出excel时，不管用户在浏览端有没有勾选参数值，导出时需要将所有的数据一并导出并按照发货城市不同存放在不同的Sheet页中。（比如用户只勾选了天津，导出时，导出所有城市的数据，每个城市一个sheet） 注：最好城市就是左父格 使用宏代码实现前的效果ubuntu 24 环境下 AIchat 安装常见问题及解决方案
1、背景说明 1.1 问题描述 客户使用 ubuntu 24 版本操作系统，在进行AIchat安装时遇到如下问题导致无法正常安装，并且手动安装高版本docker也无法启动容器。 1）执行AIchat安装脚本报错异常如下： image2025-2-25_17-4-13.png 2）手动安装docker后启动AIchat异常 image2025-2-25_17-6-21.png 1.2 环境信息 1.2.1 基础环境信息 序号 基础软件 版本信息 1 操作系统及版本 ubuntu 24 2 CPU架构 x86 2、AIchat安装脚本报错异常问题排查 2.1AD域（LDAP/LDAPS）登录验证
需求背景 在很多的应用项目中，客户会采用Windows域登录认证平台，使用本扩展包后， Smartbi 也能使用Windows域账号密码进行验证。 AD域登录验证演示.gif 用户组的信息在登录的时候进行同步，根据用户的组信息再自动创建组，这个组是AD域组的信息（另外配置的AD域用户也会自动同步过来） 特性 AD域 LDAP协议 LDAPS协议 性质 目录服务实现 访问目录服务的协议 LDAP的安全版本 开发者 微软 开放标准（IETF） 开放标准（IETF） 加密 支持多种加密方式 默认不加密 强制SSL/TLS加密 端口 多端新移动端-报表发布
image2019-10-18 17:54:40.png中选择 属性，在“移动端缩略图”设置项上传图片即可。 317.png 效果如图： image2019-10-16 13:45:14.png 发布主题界面说明 主题发布的设置界面主要涉及三部分的内容： 属性设置：用于设置主题的名称、别名及描述信息。 权限设置：用于电子表格⬝ URL链接
包含URL链接的电子表格导出后是一张图片，不显示具体内容。电子表格⬝ 循环扩展报表
”为分类（X）轴，“批发销量”为指标（Y）轴。 image2022-2-4_17-44-36.png 2、设置图形随单元格扩展。 点击“图片工具”分类页下的 随单元格扩展 按钮，设置Echarts图形随单元格扩展。 image2022-2-4_17-47-15.png 3、设置数据挖掘-产品简介
、朴素贝叶斯、支持向量机、线性回归、K均值、高斯混合模型。 33.png 3.Smartbi Mining应用场景 Smartbi Mining能做到在大量数据里面，发现数据的规律并且揭示数据之间的关系，从而对以后的业务趋势进行预测，可以应用到下面各种应用场景去： 图片1.png数据挖掘-逻辑回归
概述 逻辑回归是一种分类算法，它进行分类的主要思想是：根据现有数据对分类边界线建立回归公式（寻找到最佳的拟合直线），以此进行分类。简单来说，它就是利用Logistic函数拟合数据来预测某一个事件发生的概率。 该算法可用于二元及多元分类问题，是分类算法的经典算法。对于二分类问题，算法输出一个二元逻辑回归模型。对于多分类问题，算法会输出一个多维逻辑回归模型。 示例 使用“银行零售客户流失”案例数据，包含17个特征列和1个二类的目标标签。需要对银行客户预测是否流失。通过数据预处理及模型训练，如下图： 图片30.png 其中，特征离散是将年龄、卡龄等数据离散化，是为了提高模型的准确度，提高运行速度。 逻辑
