梯度提升决策树算法（GBDT）
本文介绍了梯度提升决策树算法（Gradient Boosting Decision Tree，下文简称GBDT）相关内容。简介 GBDT是一款基于梯度提升的决策树算法。可解释性强，预测速度快。同时，GBDT算法相比于其它算法需要更少的特征工程，可以不用做特征标准化，...
梯度提升回归树算法（GBRT）
假设有一个回归模型，在回归模型中死亡率（或发病率）是需要拟合的变量 y_cols，则社会经济地位、教育或收入等可以做为其因变量。参数说明 下表中的参数为创建模型 CREATE MODEL 语法中 model_parameter 参数的取值，您可以根据当前需求...
管理数据树
若当前数据为栅格数据，您还可以做以下操作。查看栅格元数据：在数据表 操作 栏单击 图标，查看栅格元数据。名称 说明 坐标参考系 表示栅格的坐标系。宽度 表示栅格的分辨率中的宽度值。高度 表示栅格的分辨率中的高度值。数据类型 表示...
滤镜及转场
一个节点树可以包含一个或多个渲染节点。可以看到，整个渲染配置文件的关键就是有关节点的配置。输出节点OUTPUT_NODE代表渲染后的视频流。在预览模式下，输出节点输出到屏幕。在合成模式下，输出节点输出到编码器编码。节点 节点字段描述了...
滤镜及转场
一个节点树可以包含一个或多个渲染节点。可以看到，整个渲染配置文件的关键就是有关节点的配置。输出节点OUTPUT_NODE代表渲染后的视频流。在预览模式下，输出节点输出到屏幕。在合成模式下，输出节点输出到编码器编码。节点 节点字段描述了...
企业财务经营管理解决方案
您可以通过本文档快速完成上云规划以及了解企业财务经营管理全链路，实现多组织跨部门的高效管理，云服务的精细化管理，经济型使用。引言 在数智化转型的背景下，全球的企业上云步伐不断加快，越来越多的线下业务场景迁移上云。随着云上...
Range Clustering
背景信息 哈希聚簇（Hash Clustering）表有以下优点：对于等值的列条件查询，可以利用Hash算法直接定位到对应的哈希桶（Bucket Pruning），如果桶内数据排序存储，还可以进一步利用索引定位，从而减少数据扫描量，提高查询效率。...
SAMPLE
基于所有读入的 column_name 的值，系统根据 x、y 的设置做采样，并过滤掉不满足采样条件的行。命令格式 boolean sample(,,[,[,.]])参数说明 x、y：x 必填。BIGINT类型，取值范围为大0的整型常量。表示哈希为 x 份，取第 y 份。y 可选，...
Join优化
Shuffle Join 当进行Hash Join时，可以通过Join列计算S表和R表相应数据的哈希值，把相同哈希值的数据被分发到分布式系统中的同一个节点，利用分布式系统加速Join查询。它的网络开销是 T(S)+T(R)，但它只能支持Hash Join，因为它根据Join的...
并行计划
在一个 并行哈希连接 中，内侧是一个 并行哈希，它把构建共享哈希表的工作划分到多个合作进程。并行聚集 本数据库通过按两个阶段进行聚集来支持并行聚集。首先，每个参与到查询并行部分的进程执行一个聚集步骤，为该进程注意到的每个分组...
CREATE OPERATOR CLASS
在一个 FUNCTION 子句中，这表示该函数要支持的操作数据类型，如果它与该函数的输入数据类型（对于 B-树比较函数和哈希函数）或者操作符类的数据类型（对于 B-树排序支持函数和与 B-树相同的图像函数以及所有 GiST、SP-GiST、GIN 和 BRIN ...
MongoDB实例空间使用率高问题
通常情况下，在磁盘均衡度⽅⾯，hash分⽚的策略会⽐ranged好很多，因为根据不同的key值，云数据库MongoDB通过内部的哈希函数可以使得数据均匀地分布在不同地分⽚上，⽽range分⽚⼀般是根据key的⼤⼩范围进⾏数据分布，所以往往会造成这样的...
ECS主机名生成DNS解析
全域名可以从逻辑上准确地表示出主机在什么地方，也可以说全域名是主机名的一种完全表示形式。从全域名中包含的信息可以看出主机在域名树中的位置。例如，xxxcompany公司的Web服务器的全域名可以是 xxxcompany.，如果sales主机位于销售部...
ECS主机名生成内网解析记录
全域名可以从逻辑上准确地表示出主机在什么地方，也可以说全域名是主机名的一种完全表示形式。从全域名中包含的信息可以看出主机在域名树中的位置。例如，xxxcompany公司的Web服务器的全域名可以是 xxxcompany.，如果sales主机位于销售部...
Colocation Join
一个表的数据，最终会根据分桶列值做哈希操作、对桶数取模后落在某一个分桶内。假设一个Table的分桶数为8，则共有[0,1,2,3,4,5,6,7]8个分桶（Bucket），我们称这样一个序列为一个BucketsSequence。每个Bucket内会有一个或多个数据分片...
注册及管理密钥
哈希脱敏密钥：用于加盐哈希脱敏算法（例如加盐MD5），没有严格的格式要求，一般多种加盐哈希脱敏算法可以使用同一个密钥。加解密密钥：用于加解密算法（例如AES、DES等），有严格的格式要求。一般情况下，不同的算法不可以混用。加解密...
注册及管理密钥
哈希脱敏密钥：用于加盐哈希脱敏算法（例如加盐MD5），没有严格的格式要求，一般多种加盐哈希脱敏算法可以使用同一个密钥。加解密密钥：用于加解密算法（例如AES、DES等），有严格的格式要求。一般情况下，不同的算法不可以混用。加解密...
模型可视化
决策树 系统展示Top10个重要树信息，单击决策树对应编号，可以查看决策树信息详情。树上的每个非叶子节点，代表的是当前决策需要用到的特征。每个树顶端的节点是这个树决策的第一个特征，根据该特征的取值不同分支向左（不高于阈值）或向右...
在线客服工作台配置
6.服务小记分类 服务小记主要是对服务记录进行分类，客服在工作台服务用户时，可以对该通服务做服务小记，即服务内容备注，从而方便后续服务记录的筛选分析。小计类目配置 点击 设置>小计类目。点击 新增 按钮，输入树名称。添加的树，新增...
调整实例WRITESET相关参数
您可以通过开启WRITESET模式，设置 binlog_transaction_dependency_tracking 和 transaction_write_set_extraction 参数来控制事务的冲突检测机制，以便提高备库回放并行度，降低主从延迟。WRITESET简介 MySQL默认的基于主库组提交来判断...
配置语句规则
背景信息 添加语句规则后，您可以做如下操作：在语句规则页面启用或禁用语句规则。当规则为告警审计时，审计记录命中启用的语句规则后，会触发风险告警。语句规则内的元素设置的越多，规则就越细化，SQL模板要满足语句规则内设置的全部条件...
LightGBM算法
说明 如果设置为-1，则表示不对树的深度做限制。但为防止过拟合，建议合理设置该值。learning_rate 学习率。取值为浮点数。默认值为0.06。max_leaf_nodes 树的最大叶子节点数。取值为空或者整数。默认值为空，表示对叶子节点数无限制。min_...
SELECT语法
本文中的命令您可以在如下工具平台执行：MaxCompute客户端 使用SQL分析连接 使用云命令行（odpscmd）连接 使用DataWorks连接 MaxCompute Studio 功能介绍 SELECT 语句用于从表中选取满足指定条件的数据。您可以根据实际场景结合以下功能...
其他函数
MaxCompute SQL提供了开发过程中常见的其他函数，您可以根据实际需要选择合适的函数。本文为您提供MaxCompute SQL支持的CAST、DECODE、LEAST等函数的命令格式、参数说明及示例。函数 功能 BASE64 将二进制表示值转换为BASE64编码格式字符串...
OSS性能与扩展性最佳实践
针对这种情况，您可以对客户ID计算哈希（即MD5），并取若干字符的哈希前缀作为文件名的前缀。假如取4个字符的哈希前缀，结果如下：sample-bucket-01/9b11/2017-11-11/customer-1/file1 sample-bucket-01/9fc2/2017-11-11/customer-2/file2 ...
CREATE TABLE
建议哈希桶的数量统一使用2 n，例如512、1024、2048或4096，这样系统可以自动进行哈希桶的分裂和合并，也可以去除Shuffle和Sort的步骤，提升执行效率。Range聚簇表 range clustered by：指定范围聚簇列。MaxCompute将对指定列进行分桶运算...
目标规则（Destination Rule）CRD说明
使用基于哈希的负载均衡器并使用 httpCookie 字段 user 作为哈希的Key。展开查看会话保持YAML示例 apiVersion:networking.istio.io/v1alpha3 kind:DestinationRule metadata:name:bookinfo-ratings spec:host:ratings.prod.svc.cluster....
模板制作
大纲树，是指模板使用的组件列表，通过树进行排序，可以在大纲树中快速选择需要编辑的组件。画布，画布是可视化编辑的核心，用户可以通过拖拽组件至画布的不同位置，来实时呈现编辑效果。组件属性，每个组件都拥有不同的属性值，每项属性值...
深度解析PolarDB数据库并行查询技术
通常我们选择最大的那张表作为并行表，这样并行扫描的收益最大，当然也可以选择多个表同时做并行扫描，后面会继续讨论更复杂的情况。以查询年度消费TOP 10的用户为例：SELECT c.c_name,sum(o.o_totalprice)as s FROM customer c,orders o ...
热点分区分裂
这样热点散列才能根据第二个分区键的哈希空间做二次散列，添加拆分键（以ID列为例）的语法如下：alter table orders partition by key(seller_id,id)partitions 5;表组级用法 说明 对表组的分区分裂，意味着表组内所有表的相应分区会同步...
表操作篇
如果必须使用顺序增长的键值作为分区键，我们可以对分区键拼接哈希前缀，让相连的 OrderNumber 在表中随机分布，使访问压力分布均匀。以 OrderNumber 为分区键的消费记录表如下所示：OrderNumber DeviceID SellerID CardID attrs 200001 16...
执行计划
执行计划类似于一棵有节点的树，执行和阅读的顺序是自底而上。计划中的每个节点表示一个操作，例如表扫描、表连接、聚集或者排序。阅读的顺序是从底向上：每个节点会把结果输出给直接在它上面的节点。一个计划中的底层节点通常是表扫描操作...
交叉表
交叉表可以显示表中某个字段的汇总值，并对同类数据合并。其中一组列在表的左侧，另一组列在表的上部。行和列的交叉处可以对数据进行多种汇总计算，例如求和、平均值、记数、最大值和最小值。本文为您介绍如何为交叉表添加数据并配置样式。...
成员管理
在阿里云RPA控制台的"成员管理"页面，您...重要 为正常使用阿里云RPA服务，创建RAM子账号时，请确认勾选上 控制台访问 和 编程访问 选项，并确认 不要开启 MFA多因素认证。...角色授权&绑定IDaaS实例 进入阿里云RPA控制台的“成员管理”页面。...
如何基于LSM-tree架构实现一写多读
最后，各个 有序树 可以进行归并，将内存中的增量数据迁移到磁盘上，磁盘上的多个 有序树 可以进行归并，优化树的形状，整个LSM-tree是一个有序的索引组织结构。在云原生数据库时代，一写多读技术已被广泛应用于生产环境中，主要云厂商都有...
使用EXPLAIN阅读查询计划
表连接操作算子（JOIN）包括以下一些类型：Hash Join：从较小的表构建一个哈希表，用连接列作为哈希键扫描较大的表，为连接列计算哈希键并寻找具有相同哈希键的行。哈希连接通常是数据库中最快的连接。计划中的Hash Cond标识要被连接的列。...
查询计划和查询重规划
本文将为您介绍什么是查询计划，以及出现查询重规划（Replan）的原因和处理方法。查询计划器（Query Planner）MongoDB查询计划器能够根据可用的索引给每个查询选择并缓存最有效的查询计划，查询计划器工作流程如下图。查询计划器会根据候选...
Hash Clustering
同样的数据、同样的查询，使用Hash Clustering表来做，可以直接定位到单个Bucket，并利用Index只读取包含查询数据的Page，只用4个Mapper，读取10000条记录，总共耗时只需要6秒。Aggregation优化 对于以下查询：SELECT department,SUM...
什么是云数据库Redis版
为什么选择云数据库Redis版 硬件部署在云端，提供完善的基础设施规划、网络安全保障和系统维护服务，您可以专注于业务创新。支持String（字符串）、List（链表）、Set（集合）、Sorted Set（有序集合）、Hash（哈希表）、Stream（流数据）...
快速创建TPP场景
哈希因子建议：当您的用户登录占比较高的时候，你可以使用用户userid分流，当未登录用户占比较多时，你可以使用设备ID分流。5.完成场景基本信息填写后，单击“确定”，即可完成场景创建。说明：场景创建主要是分配资源（CPU/MEMORY）。每个...
- 产品推荐
- 这些文档可能帮助您