日期组件 - 百度数据可视化Sugar BI | 百度智能云文档
SQL 建模方式需要查询最小日期和最大日期，如果查询的字段为日期类型查询语句如下，其他类型的字段需在语句中转换成日期类型来查询 MIN MAX Mysql 复制 1 SELECT MIN(orderDate) AS MINDATE, MAX(orderDate) AS MAXDATE FROM salesdata; 注意一定要写查询字段别名 MINDATE 和 MAXDATE 这两个固定的字符串，字段模型的数据类型都设置为日期或时间
基于最后一次访问时间的生命周期规则 对象存储（BOS）
基于最后一次访问时间的生命周期规则 您可以通过基于最后一次访问时间（LastAccessTime）策略的生命周期规则来自动监测数据的访问模式并识别冷数据，然后将识别出来的冷数据进行存储类型的转换，从而达到数据的冷热分层存储，最终降低存储成本。 使用场景 相册或网盘场景 对于长时间没有访问的数据，希望设置自定义转储天数，自动将冷数据转为低频访问类型，并确保数据的实时访问。
数据目的地 - 物联网核心套件IoTCore | 百度智能云文档
操作流程 写入时序数据的数据格式必须符合时序数据库写入接口的要求，即设备上报的原始消息 经过查询语句的转换 之后必须符合如下示例格式，才能正常写入，否则不能被成功写入TSDB。具体的转换语句可参考《常用查询语句示例》章节。
数据集 - 百度千帆·数据智能平台DataBuilder | 百度智能云文档
当选择内部数据集时，需要填写数据类型和描述。 当选择外部数据集时，需要填写数据类型、存储类型和描述。 数据类型 选择数据类型，数据类型：文本、图片、音频、视频。 存储类型 对象存储BOS。 数据集描述 填写数据集描述，0-150字符。 在数据集页面右上角单击创建数据集版本按钮，进入配置流程。
模型转换参数一览表 - 边缘服务器ECS | 百度智能云文档
模型转换参数一览表 框架 网络 ModelToOnnx 参数 盒子类型 SDK OnnxToModel 参数 备注 PaddlePaddle ppyoloe --model_dir ./ --model_filename ruixing_phase2_trash_bin_detection.pdmodel --params_filename ruixing_phase2_trash_bin_detection.pdiparams
表格 - 百度数据可视化Sugar BI | 百度智能云文档
一般情况下对比表格要求的 SQL 查询结果的数据格式类似如下图（如果您数据库中格式不是这样的，很多情况下您可以使用Sugar BI的 行转列 功能来转换格式）： 数据绑定配置 要使用对表表格，需要以下配置，如下图： 开启对比表格项 数据日期 ，用来告诉Sugar BI将什么日期设定为 当日 （即标准日期，其他的如 上周同日 、上月等都是以 当日 作为标准）。
格式转换 对象存储（BOS）
格式转换 概述 本文介绍如何进行格式转换。 格式转换参数 参数名称 缩写命令 类型 取值范围 命令描述 缺省值 是否必选 format f string jpg、 png、 webp、 bmp 指定目标图片格式。 响应时对应的Content-Type 分别为image/jpeg、image /png、image/webp、image /bmp。 jpg 否
格式转换 对象存储（BOS）
格式转换 概述 本文介绍如何进行格式转换。 格式转换参数 参数名称 缩写命令 类型 取值范围 命令描述 缺省值 是否必选 format f string jpg、 png、 webp、 bmp 指定目标图片格式。 响应时对应的Content-Type 分别为image/jpeg、image /png、image/webp、image /bmp。 jpg 否
数据自动补全 - 百度数据可视化Sugar BI | 百度智能云文档
并且 info 在数据库中的数据内容如下： 如果在 SQL 模型中将 info 字段的数据类型设置为「整数」，则补全结果如下： 可以看到，虽然数据库中保存的是有补位格式的数字，由于数据类型设置为「整数」，前面的 0 被忽略了。 如果在 SQL 模型中将 info 字段的数据类型设置为「字符串」，则补全结果如下： 此时，Sugar BI会识别数字序列中的补位形式，并自动生成相同形式的补充数据。
数据压缩 - Baidu Palo/Doris 使用文档
数据的重复度（Data Redundancy） 数据列中重复值越多，压缩效果越明显。例如，使用字典编码对重复值进行编码能够显著降低存储空间。而对于没有明显重复的数据列，压缩效果可能不如预期。 数据的类型（Data Type） 数据的类型也会影响压缩效果。通常，数值类型的数据（如整数和浮点数）比字符串类型的数据更容易压缩。对于浮动范围较大的数据类型，压缩算法的效果可能会受到影响。
