第27页，共418页。 显示 4,176 条结果 (0.052 秒)
信创版本数据连接支持情况-汇总
备注： 支持存储过程：存储过程只支持单个输出参数，而且OUT参数只支持游标类型。 选项中是“-”、，代表它不支持。 更多其他关系数据源可查看：数据连接支持情况-汇总 https://wiki.smartbi.com.cn/pages/viewpage.action?pageId=142969310。。 序号 数据库 数据源 数据模型 指标模型 自助ETL 数据模型引擎V2.0 电子表格 备注 内置驱动 支持导入文件 支持多catalog 支持存储过程 支持导入文件 支持生成日期表 支持分区 作为指标库 关系数据源(读) 关系表(追加) 关系表(覆盖) 关系表(插入或更新准备数据
地区表 列名 示例 地区编码 1000181 省份 河北省 城市 唐山市 3.2.2 表关系图 image2023-8-29_14-14-37.png 3.2.3 数据文件 合同分析_单表_数据.xlsx （右键点击选择“链接另存为...”,下载该文件备用） 3.3 创建数据模型 这里将演示如何创建一个数据模型并根据我们的需求设置表之间的关联关系，最终输出满足分析需求的维度与度量。 登录smartbi：http://ip:port/smartbi, http://ipport 输入账号密码。 操作入口：数据准备 > 数据模型数据模型结构介绍
1 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。 事实数据表 … 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透视分析 ⬝ 选择及处理数据
05.png 2、维度和度量关联筛选 业务数据集中维度和度量较多，且有些维度和度量之间没有关联关系时，可使用维度和度量的关联筛选功能，帮助用户快速理清维度和度量间的联系，保证查询数据的质量。 （1）以产品内置Demo资源的“订单模型”为例，产品指标分类下的“库存”仅和“产品表”维度有关系，和顾客、发货区域、订单等维度没有关系。若没有如下图的维度和度量关系表，用户想要分析各产品当前的库存情况时，容易选择到无关联的维度，导致查询出来的数据全部相同，大大增加了分析数据的难度。 Snipaste_2023-05-23_13-51-56.png （2）此时可以选择开启维度和度量之间的关联筛选功能，勾选想要分析的维度或度量，查看维度和度量交互式仪表盘 ⬝ 选择及处理数据
”仅和“产品表”维度有关系，和顾客、发货区域、订单等维度没有关系。若没有如下图的维度和度量关系表，用户想要分析各产品当前的库存情况时，容易选择到无关联的维度，导致查询出来的数据全部相同，大大增加了分析数据的难度。 Snipaste_2023-05-23_13-51-56.png 2、此时可以选择开启维度和度量之间 … 维度去关联筛选度量：点击 开启维度和度量的关联筛选 后，勾选所需维度，可快速过滤出其在数据模型中有表关联关系的度量。 从上述维度和度量的关系表可知，“产品表”维度和“运费”、“订单量”度量无关联关系，勾选“产品名称”去关联筛选度量时，会自动过滤掉“运费”和“订单量”这两个数据模型-工具栏
不允许保存。 校验 image2021-9-14_16-19-25.png 用于对数据模型进行校验，主要校验如下内容： 模型是否为空模型； 模型表关系是否设置； 模型表关系是否设置正确：包括基数模式； 模型是否存在度量； 模型中度量引用关系是否没问题； 预览数据 … image2022-2-3_17-47-31.png 自动检测关系：用于设置是否自动检测模型表关系。 检测image2022-2-3_17-53-19.png：表示系统检测模型表关系，并自动为没有设置关系的模型表建立关系。 不检测image2022-2-3_17-53-41.png：表示数据挖掘-参数设置
在数据挖掘中，通过参数筛选用户可查询出需要的数据。 目前只有部分节点支持参数设置功能，如关系数据源、文本数据源、数据查询、关系目标表（追加）、关系目标表（覆盖）、关系目标表（插入或更新）、SQL脚本、源库SQL脚本。 操作步骤 1、新建实验，拖入关系数据源节点，并选择数据源、SCHEMA和表 … 参数，选择参数值后为静态参数值。 5、在关系数据源参数的SQL语句输入框中，只需要输入where之后的语句。可输入静态条件，如name=zs，或使用含参数的语句：CategoryName=${param} （表头真名=${参数名}） image2021-4-14_10-31-26.png 在查看输出中选操作权限列表
。 示例数据源 用于控制在自助ETL中是否拥有“输入”节点下“示例数据源”节点的权限。 输出 追加到关系表 用于控制在自助ETL中是否拥有“输出”节点下“追加到关系表”节点的权限。 覆盖关系表 用于控制在自助ETL中是否拥有“输出”节点下“覆盖关系表”节点的权限。 插入/更新关系表 用于控制在自助ETL中是否拥有“输出”节点下“插入/更新关系表”节点的权限。 追加到HDFS 用于控制在自助ETL中是否拥有“输出”节点下“追加到HDFS”节点的权限。 覆盖到HDFS 用于控制在自助ETL中是否拥有“输出”节点下“覆盖到HDFS”节点的权限。 Python脚本 用于控制在自助通过存储过程或 ETL 同步用户
t_group_role 用户组与角色对应关系表。相关字段：t_role.c_roleid、t_group. c_groupid t_user_role 用户与角色对应关系表。相关字段：t_role.c_roleid、t_user. c_userid t_funclist 操作权限表。 t_role_func 角色与操作权限关系表。相关字段：t_role.c_roleid、t_funclist. c_funcid 2、字段类型 下文表结构中的字段类型等信息，均是针对 MySQL 5.0 而言，其它数据库类型的对应关系如下表所示
