树形容器
简介 树形容器组件绑定一个数据源列表，将列表的每一项都作为一个可展开的节点，渲染出一个类似Data的数据容器，可通过嵌套树形容器呈现树形结构数据。用于呈现如目录、组织架构等树形内容。属性配置 树形容器组件属性由以下部分组成：分类...
Quick BI树形筛选器配置后无法筛选出数据，查看图表...
问题描述 Quick BI树形筛选器配置后无法筛选出数据，查看图表SQL也明显错误。问题原因 树形菜单绑定的字段绑定的是父级字段导致识别错误。解决方案 树形菜单和图表的绑定字段应该为最小子菜单，比如：适用于 Quick BI
Quick BI趋势分析表如何配置树形展示
概述 本文描述了Quick BI趋势分析表如何配置树形展示。详细信息 在字段配置中选择批量配置，添加树形结构即可。适用于 适用产品：Quick BI 适用版本：公共云专业版
树形控件
使用场景 树形控件 组件适用于大量且具有层级关系的数据展示场景中，您可以利用该组件的展开、收起、关联等交互对数据进行操作处理。使用说明 树形控件 组件的数据源支持 固定值 及 动态值。数据源类型需为List，Structure为结构对象类型。...
QuickBI新交叉表的树形展示，默认展开层级设置介绍
概述 本文主要介绍新交叉表的树形展示中默认展开层级的功能。详细信息 新交叉表的展示方式分为“平铺展示”和“树形展示”，选择“树形展示”后，可以配置行标签名称以及默认展开到多少层级。下面介绍一下默认展开层级的特点：点击下拉，...
Quick BI仪表板的交叉表设置树形展示如何显示汇总数据
概述 本文主要描述了Quick BI仪表板的交叉表设置树形展示后显示汇总数据的具体操作。详细信息 交叉表开启了树形展示以后，节点的位置默认展示是”-“，我们需要在列汇总中配置分类汇总，才能在节点位置展示出总计，配置完成后点击更新数据...
树形控件
该组件用于展示具有层级关系的树形结构数据，例如文件夹、组织架构、生物分类、国家地区等。支持展开、收起、选择等功能。下文介绍组件的详细配置方法。应用示例 在展示的树型列表中选择一个数据项。步骤一：添加组件 创建Web应用。具体...
Quick BI怎样使趋势分析表的树形展示默认展开或关闭
概述 Quick BI怎样使趋势分析表的树形展示默认展开或关闭。详细信息 趋势分析表由趋势分析图和趋势分析明细表组成，您可以通过趋势分析图查看指标的宏观趋势，然后通过趋势分析表查看指标详情，帮助您更好的分析决策。用户可以根据自己需要...
用户组
执行结果 创建用户组操作完成以后，左边树形目录中增加用户组名称。编辑用户组 操作步骤 登录“用户中心”控制台。在左边菜单中找到“企业财务-财务关联”，点击“用户组”，在打开的页面中左边树形目录中找到待编辑的用户组。单击待编辑的...
Quick BI仪表板新交叉表树形展示大类没有数据
问题描述 Quick BI仪表板新交叉表树形展示大类没有数据。解决方案 需要添加“分类汇总（列小计）”。适用于 Quick BI
Quick BI仪表板新交叉表树形展示大类没有数据
问题描述 Quick BI仪表板新交叉表树形展示大类没有数据。如下图所示：问题原因 图表设置错误，缺少汇总维度。解决方案 添加汇总维度。如图所示：适用于 Quick BI
文本查询
选中该选项 树形下拉 当展示类型为 树形下拉 时，支持同数据集和非同数据集取值，展示形式支持 树形展示 和 平铺展示 两种。选择数据集company_sales_record并单击 开始配置。在 树形结构设计 对话框，配置各层级 查询值字段 和 显示名称...
Quick BI配置树形下拉查询控件时选不到SQL参数
问题描述 为什么在配置树形下拉的查询控件时，查询值字段选不到SQL参数？解决方案 因为查询值是从数据集中获取的，而数据集中的数据是存放在对应字段下的。SQL参数相当于一个占位符，本身不存储任何数据，所以这里不能选到SQL参数。适用于 ...
Quick BI交叉表树形展示中小计总计求两列比率
概述 Quick BI交叉表树形展示中小计总计求两列比率。详细信息 新建计算字段，计算字段中相除的两个字段先SUM求和，然后再进行相除，这样按照每个订单维度或者地理区域维度小计总计得到正确的值。如果计算字段是两个计算字段直接相除得到，...
Quick BI新交叉表在树形展示折叠的时候不显示数据汇总
问题描述 Quick BI新交叉表在树形展示的情况下，折叠起来不显示数据汇总，问题如下图所示：问题原因 没有在样式最下面设置分类汇总的相关设置。解决方案 在新交叉表样式中设置对应的分类汇总，如下图所示：添加对应维度小计后，然后点击...
树形下拉
树形下拉为高级控件，适用较复杂的填报表单中，常用于选择有限选项数据的级联场景。应用场景 树形下拉控件常用于下拉选择级联选项数据的场景。例如需要选择客户 区域以及区域下对应的省份、城市 等。效果图 控件配置 基础配置 配置项 描述...
2021.7.9更新日志
缺陷不存在子工作项，创建规则时应规避 验证者角色仅存在于缺陷中，在选择工作项类别为缺陷时才可选验证者 检索状态无返回结果 工作项列表及详情 每页显示数量，刷新页面后会重置为25 缺陷列表页，去掉树形展示 删除需求后，列表应该不展示...
AutoML工作原理
AutoML实现自动化调试参数的工作原理，是通过实验、Trial、训练任务进行循环迭代，来找到最优的超参组合。AutoML的工作机制如下图。您设定好超参数的值域、搜索算法、停止条件配置后，AutoML将其作为一次实验（experiment）传入到后端进行...
工作原理
工作原理 本地安装一个数据库网关代理（database gateway agent）。数据库网关代理负责与数据库网关云端服务（database gateway cloud service）建立安全的、可信任的通道。不同账号、不同网关所建立的通道彼此隔离。通道建立后，当您...
常见问题
云工作流的工作原理是什么？云工作流的优势是什么？云工作流最长执行多长时间？怎么执行云工作流？云工作流使用什么语言编写流程？云工作流是集成了云监控？云工作流是否集成了事件源？什么是 云工作流？云工作流 是一个用来协调多个分布式...
决策树
计算逻辑原理 决策树是一种树形结构，其中每个内部节点表示一个特征上的判断，每个分支代表一个判断结果的输出，最后每个叶节点代表一种分类或回归的结果，本质是一棵由多个判断节点组成的树。参数说明 IN端口 参数名 参数描述 是否必填 ...
2023年
支持工作项的附件OpenAPI,详见 附件上传API 2023-07-06 优化 树形视图支持一键展开收起子项。列宽调整拖拽体验优化 列表支持编号展示首列、状态支持隐藏。支持关系项及评论tab的数量回显。迭代的工作项列表补充状态筛选条件。修复 标签拖拽...
使用向量检索插件（aliyun-knn）
向量检索插件是阿里云Elasticsearch团队自主开发的向量检索引擎插件，基于阿里巴巴达摩院proxima向量检索库实现，能够帮助您快速实现图像搜索、视频指纹采样、人脸识别、语音识别和商品推荐等向量检索场景的需求。本文介绍如何使用向量检索...
混合检索使用指南
当结构化数据与非结构化数据需要同时检索时，您可以使用 AnalyticDB PostgreSQL版 向量数据库的混合查询，既支持结构化字段过滤，也支持半结构化字段过滤，同时支持和文本字段的全文检索一起进行双路召回。混合检索简介 ANNS（Approximate ...
概述
本文档主要介绍直播录制的工作原理及其API提供的功能。什么是直播录制 直播录制的原理 直播录制的过程，是通过拉取您推上来的直播流，将音视频封装成单独的一个个媒体切片（封装格式为TS），然后存入您指定的OSS bucket。直播录制在工作时...
产品简介
场景2：自然语言企业内部知识库 集成企业内部知识库，帮助员工快速查找所需信息，打造员工专属主力，提高工作效率。产品如何调用 基本概念 名词 描述 应用场景 搜索应用场景指的是在各种不同环境和情境下，使用搜索技术来查找和获取所需...
离线人脸识别SDK
SDK在授权激活后，可完全在无网环境下工作，所有数据皆在Android设备本地运行处理，可根据业务需要进行灵活的上层业务开发。核心功能 离线人脸识别SDK提供以下核心能力：人脸检测：输入摄像头帧数据，返回检测到的人脸坐标位置。人脸采集：...
高维向量检索（PASE）
PASE暂时不支持特征向量的抽取与产出，您需要自己检索实体的特征向量，PASE负责的工作是根据已产出的海量级别的向量进行相似向量的检索。目标读者 限于篇幅，本文不会对机器学习领域的相关名词做详细解释，所以阅读本文需要您有机器学习、...
高维向量检索（PASE）
PASE暂时不支持特征向量的抽取与产出，您需要自己检索实体的特征向量，PASE负责的工作是根据已产出的海量级别的向量进行相似向量的检索。目标读者 限于篇幅，本文不会对机器学习领域的相关名词做详细解释，所以阅读本文需要您有机器学习、...
图扑案例
多模数据检索引擎协同工作，解锁更强悍数据可视化场景。客户感言 阿里 云原生多模数据库 Lindorm 针对工业物联网数据高并发写入，实时存取等特点，创新性地融合时序、索引、宽表等多模引擎能力，为存储、分析低价值密度、高通量、高实时性...
向量召回过滤优化
背景 目前向量检索中的过滤机制是在遍历到一个向量后，计算filter的结果看当前向量是否满足条件，如果不满足条件则放弃当前节点。因此遍历结束后，所有的向量都是满足过滤条件的。但因为向量检索所扫描的点数是固定的（默认扫描1%的数据）...
Tair命令概览
Hash增强 exHash 无 TairHash支持为field设置过期时间和版本，提高了Hash数据结构的灵活性，简化了很多场景下的业务开发工作。该数据结构已开源，更多信息请参见 TairHash。最佳实践：基于TairHash实现用户多设备登录管理。Zset增强 exZset...
AnalyticDB PostgreSQL助力彩数实现全文检索加工及...
count-428571(1 row)Time:4539.930 ms(00:04.540)方式二：对文本列 reply 创建tsvector，减少全文检索的查询计算工作量。例如创建类型为tsvector的 reply_ts 列，存放 reply 列的分词数据：ALTER TABLE product_customer_reply ADD COLUMN ...
聚类分片
基本原理 Proxima CE在检索时有两种划分数据分片的方式：哈希分片与聚类分片。您可以通过设置-sharding_mode 参数来选择具体的索引分片模式，值为 hash 时采用哈希分片，值为 cluster 时采用聚类分片，当前默认采用哈希分片。哈希分片：在...
使用gig流控插件
背景信息 gig流控插件的原理如下：插件工作在协调节点上。针对高查询QPS的应用，业务通常使用多副本横向扩展的方式实现吞吐线性增长。当协调节点从多个副本中挑选合适的副本提供查询服务时，插件能够帮助协调节点做出最优决策，尽量选择...
功能概述
实现原理 分析型数据库MySQL版的向量分析旨在帮助您实现非结构化数据的近似检索和分析，其实现原理是通过AI算法提取非结构化数据的特征，然后利用特征向量唯一标识非结构化数据，向量间的距离用于衡量非结构化数据之间的相似度。...
什么是自动驾驶开发平台
非结构化数据处理针对非结构化数据处理提供DAG调度和并行计算能力，构建自动调度的10倍加速的自动驾驶数据工作流 多模态数据检索对自动驾驶各类数据支持结构化标签检索、无标签自然语义检索、以图搜图和万物检索等多种检索方式，...
梯度提升决策树
计算逻辑原理 GBDT是一种迭代的决策树算法，由多棵决策树组成，每棵树只能对部分数据做出好的预测，所有树的结论累加起来得到最终结果，因此，添加的树越来越多，可以不断迭代提高性能。是一种泛化能力较强的算法。参数说明 IN端口-输入...
梯度提升回归树
计算逻辑原理 GBRT是一种迭代的回归树算法，由多棵回归树组成，合并许多弱学习器，每棵树只能对部分数据做出好的预测，所有树的结论累加起来得到最终结果。因为添加的树越来越多，可以不断迭代提高性能，所以GBRT是一种泛化能力较强的算法...
通过ES机器学习实现智能问答
文本嵌入模型和问答模型的组合可以用于智能搜索引擎、个性化推荐等场景，可以提升信息检索和问题解答的精准度。准备工作 上传模型 本文选择huggingface仓库中的question_answering模型 luhua/chinese_pretrain_mrc_macbert_large 和text_...
- 产品推荐
- 这些文档可能帮助您