第72页，共407页。 显示 4,065 条结果 (0.035 秒)
Mondrian 3.0.4 学习总结
从架构上可以分为四个层次：表现层、计算层、聚合层、存储层。 计算层：分析、验证、执行 MDX语句，先计算坐标轴，然后再计算每个单元格的值，从效率上的考虑，计算层批量从聚合层获取单元格数据集合。 聚合层：聚合层中缓存了多维查询结果，即单元格的数据集合，如果计算层所需要的数据不在缓存中，从存储层中进行查询获取数据并缓存。 存储层：采用关系数据库实现，一般采用星型模型构建，提供维表、事实表和聚合表。 系统部署结构上，可以分三层结构分开部署，将表现层部署在一台机器上，计算层和聚合层部署在第二台，存储层部署在第三台。 1.3. Mondrian特性 Mondrian用一个 XML文件来存储 Cube元Mondrian学习总结
从架构上可以分为四个层次：表现层、计算层、聚合层、存储层。 计算层：分析、验证、执行 MDX语句，先计算坐标轴，然后再计算每个单元格的值，从效率上的考虑，计算层批量从聚合层获取单元格数据集合。 聚合层：聚合层中缓存了多维查询结果，即单元格的数据集合，如果计算层所需要的数据不在缓存中，从存储层中进行查询获取数据并缓存。 存储层：采用关系数据库实现，一般采用星型模型构建，提供维表、事实表和聚合表。 系统部署结构上，可以分三层结构分开部署，将表现层部署在一台机器上，计算层和聚合层部署在第二台，存储层部署在第三台。 1.3. Mondrian特性 Mondrian用一个 XML文件来存储 Cube元Mondrian学习总结
从架构上可以分为四个层次：表现层、计算层、聚合层、存储层。 计算层：分析、验证、执行 MDX语句，先计算坐标轴，然后再计算每个单元格的值，从效率上的考虑，计算层批量从聚合层获取单元格数据集合。 聚合层：聚合层中缓存了多维查询结果，即单元格的数据集合，如果计算层所需要的数据不在缓存中，从存储层中进行查询获取数据并缓存。 存储层：采用关系数据库实现，一般采用星型模型构建，提供维表、事实表和聚合表。 系统部署结构上，可以分三层结构分开部署，将表现层部署在一台机器上，计算层和聚合层部署在第二台，存储层部署在第三台。 1.3. Mondrian特性 Mondrian用一个 XML文件来存储 Cube元透视分析 ⬝ 同期
1 概述 透视分析可以通过快速计算或计算度量生产各种同期数据，如同期值、同比、同期增长和同期增长率。 2 功能介绍 数据模型中创建时间维，并把时间维字段添加到透视分析的行区/列区/过滤条件区。 快速计算-同期值：指上一年中当前时间点的数据值。如：当前值是“2021年04月”的数据时，其同期值为“2020年 … 。 同期值001.png （3）在表格/度量区的销售量字段上右键选择 快速计算 > 同期 > 同期值，获取到各月份的相比上年各月份的同期销售数据。 同期值002.png 同期值003.png 快速计算中的同期值求的是年同期，上图中每月的同期值是上一年相同月份的数据，比如2021年05月的销售量同期值是2020年自助数据集-定义流程
维下钻、功能示例-自定义层次维下钻、交互式仪表盘-展开/收缩等。 任意区域右键菜单选择 新建层次 ，新建“新建地理层次”层次，按层次顺序将字段拖拽到“新建地理层次”下。如图： xinjiancengci.png 新建计算字段 新建一个计算字段。 计算字段的数据类型决定了新建的计算字段位于维度或度量。 维度：字符串、日期数据、以ID结尾的字段。 度量：数值型数据。 应用详情请参考 自助数据集-计算字段 章节。 任意区域或字段右键菜单选择 新建计算字段 ，新建“销售额”计算字段，如图： xinjianjisuanziduan.png 创建时间维 用于以维层次的形式标识日期交互式仪表盘 ⬝ 表格分析
。 Snipaste_2023-06-15_14-13-35.png 6.3 清除过滤 表格的字段上设置了过滤后，可点击菜单上的 清除过滤 ，清除掉当前字段在表格上做的所有过滤，恢复为全部数据。 Snipaste_2023-06-15_14-19-12.png 7 快速计算 通过快速计算功能可以在表格上一键 … 下面以前期值为例展示操作入口和效果，更多的使用场景及效果可查看 时间计算 、排名 、占比 。 biaogefenxi-01.png 8 移动 通过移动功能可调整字段在表格中的位置，仅支持同区域内的字段位置调整，比如行区包含区域、省份和城市，列区包含年份、年季，想要改变省份字段的位置时，只能调整行区中区域、省份和城市部署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交互式仪表盘-参数筛选器
使用方法 参数筛选是指数据模型中定义的参数，在仪表盘中作为筛选器筛选数据。 数据模型中的参数主要有三个方面的应用： 在仪表盘或电子表格中实现参数的筛选。 在仪表盘或电子表格中实现参数的联动。 在计算度量、计算成员和命名集中实现动态获取结果。 详情请参考 数据模型-参数应用 。 示例 某张数 … ，并设置参数基本信息。 canshuguanlirukou-01.png image2022-2-28_14-24-51.png 3、在数据模型工具栏的“设置”下，修改缓存策略为“禁止缓存”，在维度区双击"Freight"字段作为度量。保存当前数据模型。 image2022-2-28_14-26-47.png 4从第三方系统中新建Smartbi资源
所在的区域,行区/筛选器区（默认可不配置全部放到行区） "num": 0, // 序号，从 0 开始，小的在前面, 如果不存在, 则按照产品默认排序，在数组前面的放在前面 } ] // 如果根据名称或者是别名匹配到多个字段, 直接取第一个，而从数据集树上取获取的字段顺序优先级是维度>度量 … , 如果不存在, 则按照产品默认排序，在数组前面的放在前面 } ] //如果根据名称或者是别名匹配到多个字段, 直接取第一个，而从数据集树上取获取的字段顺序优先级是维度>度量>命名集 // 如果匹配到多个字段, 以第一个为准 ## 实际fieldsConfig 举例（以透视分析为例） let全国汽车销量分析
属性中的关键字“需要修改的位置”为对应名称。如第一个饼图将关键字修改为“MPV中型”，第二个饼图将关键字修改为“SUV中型”，以此类推。 image2021-7-2_14-54-12.png 6、将字段“车类级别”分别拖拽到九个饼图的“筛选”上，勾选各个饼图筛选器内相应的值，顺序同上。 7、隐藏九个筛选器组件 … 面积玫瑰图颜色为“#66CCFF”、“#5DC4FF”、“#5DA9FF”、“#6590FF”、“#677DFF”，销量快速计算全局占比。 3、组件设置中设置如下： 基础：【半径】 内20%，外60% 组件：标题为“各预算下汽车销量”，隐藏浏览工具栏 图例：位置选择无图例 4、自定义属性 将下面这段代码
