第134页，共253页。 显示 2,527 条结果 (0.038 秒)
Docker实战警示：此处大坑小洼，请绕行
Docker成为云计算领域的新宠儿已经是不争的事实，作为高速发展的开源项目，难免存在这样或那样的瑕疵。笔者最近在开发实战中曾经跌进去一些坑，有些坑还很深，写出来分享，相当于是在坑边挂个警示牌，避免大家重蹈覆辙。话不多说，一起来领略Docker的大坑小洼。 1.Docker中同种类型不同tag的镜像并非可互相替代 问题描述 Docker 中同种类型的镜像，一般会用tag来进行互相区分。如Docker中的mysql镜像，镜像tag有很多种，有5.6.17，5.6.22，latest 等。用户的环境中若已经熟练使用mysql:5.6.17,并不代表用户如果使用mysql:5.6.22，环境依旧工作。 原因剖析 不同tag透视分析报表导出报错：Illegal mix of collations for operation ' IN '
（本文档仅供参考） 问题描述 报表导出报下图的错误 image2025-1-7_15-16-8.png 解决方案 java.sql.SQLException: Illegal mix of collations for operation ' IN ' 应该是编码问题，数据源连接字符串的characterEncoding参数配置的编码与实际库的不一致，改成一致的即可AIChat日志文件输出配置
AIChat 的日志文件，支持写入到不同的目的地。 在部署配置界面可以配置 com.smartbi.ai.log.type 选项： 不指定或写为 mongodb 则使用 MongoDB 写入日志。 如果为 jdbc ，则会在AIChat的知识库中创建表 t_conv t_chat_log，用来写入日志。Smartbi Insight V11帮助中心
Smartbi Insight V11 是思迈特软件有限公司最新推出的一站式BI大数据分析平台。 Smartbi Insight V11 能对接各种业务数据库、数据仓库和大数据平台等，并作数据的加工处理、分析挖掘和可视化展现；能够满足各种数据分析应用需求，如大数据分析、可视化分析、探索式分析、复杂报表、应用分享等。 产品介绍 https://www.smartbi.com.cn 免费下载 https://www.smartbi.com.cn/download Demo体验 https://my.smartbi.com.cn/index/user电子表格⬝ 模型明细查询示例
模型明细查询是指直接从创建好数据模型中拖拽字段输出明细数据结果。 适用情况：零基础的业务人员。 功能入口：报表编辑界面 定制流程 使用模型明细查询定制报表流程如下： mingxichaxun-01.png 操作步骤 1、连接数据源，详情请参考 数据库连接 。 2、创建数据模型，详情请参考 数据模型 。 3、打开电子表格，登录服务器。 4、在编辑界面右侧的数据集面板中，点击创建私有查询按钮image2022-1-7_17-44-38.png，新建一个模型明细查询。 mingxichaxun-02.png 5、选择业务数据集，并在数据选择区勾选需要的字段。 mingxichaxun-03.png如何修改各组件日志路径
image2025-7-9_9-21-31.png （5）ETL服务日志路径修改： 启动时，会在conf目录生成log4j2-experiment.xml 文件，然后在这个文件中修改日志路径即可 image2025-7-9_10-11-46.png （6）跨库数据源服务日志修改：在run.cmd/run.sh中配置【仪表盘】设置组件背景样式
复制到代码区域； function main(page: IPage, portlet: IEChartsPortlet) { // 1、调用宏接口：清除掉缓存样式 portlet.removeCss() // 2、获取指定富文本组件：这里作为一个图片容器 let portlets【仪表盘】设置组件背景样式
复制到代码区域； function main(page: IPage, portlet: IEChartsPortlet) { // 1、调用宏接口：清除掉缓存样式 portlet.removeCss() // 2、获取指定富文本组件：这里作为一个图片容器 let portlets对象池信息
管理】-》【系统监控】–》【对象池】监控BusinessViewBOPool 中active的数据： image2019-9-4 17:55:54.png 有空就刷新下这个对象池界面，当active达到系统选项》缓存设置》数据集定义对象池中最大对象总数的2/3左右的时候，尝试直接访问 http://IP:端口号私有部署大模型调试方法-CURL方式
,“销售额”:real。\\n### 根据历史信息合并后的用户请求：查询2023年每个月的销量趋势,请选择最佳的可视化展示方式\\n### 拆分思路:\\n- step1:查询2023年每个月的销量趋势\\n- step2:选择用线图看数据\\n\\n### 代码块\\n\\n```\\n# 导入必要的库\\nfrom … 必要的库\\nfrom detail_trend_data_query_assistant import detail_trend_data_query_assistant\\n\\n# 查询2023年各城市的销售量以及销售量同比增长率\\nsql_json = {\"sel\": [\"城市\", \"销售量
