SQL查询数据 v0.10.24 标签过滤支持like匹配 按值过滤支持与标签值比较 v0.10.23 支持标签过滤 支持or条件 v0.10.22 支持分页查询 支持固定值插值插值函数 v0.10.20 支持多域同时查询 支持查询时对数据进行插值 v0.10.19 支持对单域的数据的查询、写入 v0.10.17 支持创建/删除/查询时序数据库实例 v0.10.12 查询支持按值过滤 数据点的值支持
数据更新 PALO 中存储的数据都是以追加(Append)的方式进入系统,这意味着所有已写入的数据是不可变更的。 所以 PALO 采用 标记 的方式来实现数据更新的目的。即在一批更新数据中,将之前的数据标记为 删除 ,并写入新的数据。 在读取过程中,PALO 会自动处理这些标记数据(Merge-on-Read),保证用户读取到的是最新的数据。
如果导入数据较大,可能需要较长的等待时间。
查看数据和数据分析 查看数据 当数据填报发布成功之后,就可以查看收集的数据了。在数据填报的管理页面,点击对应填报的「查看数据」,即可进入数据页面: 在数据页面中,可以查看到该数据填报所收集到的数据,支持对数据的增删改查。以及数据的导入和导出。 分析数据 数据收集完成后,如何对数据进行分析呢?Sugar BI 作为 敏捷 BI 和数据可视化平台当然可以做到无缝衔接。
参数名称 参数类型 是否必须 描述 示例值 instanceType String 否 实例类型 bcerds region String 否 地域 bj dbType String 否 数据库类型 mysql dbUser String 否 数据库访问账号 dts_trans dbPass String 否 数据库访问密码 dbPort dbPort Integer 否 数据库访问端口 3306
查看数据洞察 数据洞察工作完成后,自动跳转查看界面;或者您在数据洞察页重新选择此数据集版本(状态为“洞察中”),开始使用,点击下图中的“继续使用”即可。 进入数据洞察主界面,您可以通过可视化图表直观查看样本发布情况,对样本进行精细化遴选,删除或改写“问题样本”,提高数据质量。 数据洞察完成后,您可以将挑选出的高质量样本另存至准备用于训练的通用数据集。
DB4AI 的典型代表就是向量数据库。向量检索并不是一个新技术,2017年 Meta 就开源了相似度检索库 FAISS,算是向量化检索的开山鼻祖。 传统数据库解决的是结构化数据的存储和检索,非结构化数据需要先用 AI 算法 Embedding 成向量数据。需要查找的时候,把需要查找的数据的向量带过来,然后在库里面进行相似度检索。
数据排序 字段的数据排序 图表上绑定的维度和度量字段,您可以在字段上 右键 ,从而对该字段的数据进行排序: 维度字段的自定义排序 如下图展示了各个「地区」的「销售额」数据: 如果我们想要对「地区」字段按照一定的顺序来进行排序,这个时候就可以使用自定义排序。
数据缓存 数据缓存 数据模型和 SQL 建模方式绑定图表数据时,支持对数据进行缓存,如果您的数据查询比较慢,建议开启这个功能,这样开启之后下次再发起同样的查询时,将会优先使用缓存,直到缓存失效。
数据缓存 数据缓存 SQL 数据源支持对数据进行缓存,如果您的数据查询比较慢,建议开启这个功能,这样开启之后下次再发起同样的查询时,将会优先使用缓存,直到缓存失效。 数据缓存在Sugar BI的服务端,如果您配置的缓存时间是一小时,那么每小时第一次有用户访问这个图表的时候,Sugar BI会连接您的数据源刷新Sugar BI服务端缓存,接下来一个小时内的其他请求都会命中这个缓存,直到下一小时。