Btree-GIST
GIST是一种平衡树结构，可被看作是B-tree和R-tree索引的一个泛化，因而能够支持多种不同的搜索策略。GIST索引的关键特性包括：可扩展性：GIST索引允许开发者为新的数据类型自定义索引策略。这意味着开发者不仅能够为常规数据类型比如整数和...
GiST索引
它是一种平衡的树结构的访问方法，它作为一种模板可用来实现任意索引模式。B tree、R tree和很多其他索引模式都可以在GiST中实现。应用场景 几何类型：支持位置搜索（包含、相交、在上下左右等），按距离排序。范围类型：支持位置搜索...
B-tree并发控制优化
InnoDB使用B-tree作为索引结构，扁平且平衡的树结构可以保证单次访问数据的IO次数较少且固定。InnoDB采用加锁的方式对物理页（B-tree节点）的内存结构进行并发访问控制。每个物理页都有一个对应的读写锁（RW latch），而B-tree由多个节点和...
PolarDB并行查询
以下是针对t1 NLJ t2这个算子，做枚举过程的一个简要示例：在整体枚举完成后，计划空间中会产生一系列带有数据分发 Exchange Enforcer 的物理算子树，基于代价选择最优树即可，然后以Enforcer作为子计划的切分点，可以构建出一系列的执行...
如何将一棵LSM-Tree塞进NVM
磁盘中的每层数据采用多个有序字符串表（SST，Sorted String Table）存储，每个SST相当于一颗B树。通常情况下同一层中的不同SST的键值对的范围不发生交叠。但实际的系统中为了加速内存表的刷盘操作，通常允许部分层的SST存在范围交叠，例如...
索引类型
SP-GiST 允许实现众多不同的非平衡的基于磁盘的数据结构，例如四叉树、k-d树和 radix 树。作为一个例子，本数据库的标准捐献包中包含了一个用于二维点的 SP-GiST 操作符类，它用于支持使用下列操作符的索引化查询：<< >>~=^>^内建 SP-GiST ...
诊断决策树
您可以通过诊断决策树，编排故障排查的过程。对于已知的明确故障，可以根据诊断现象，编排诊断决策树，进而故障发生时执行，完成故障定位。对于未知的故障，您可以依据运维经验，编排出常见的排查路径，辅助快速故障定位。新建诊断决策树 ...
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...
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...
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。...
梯度提升回归树
本文为您介绍梯度提升回归树组件。功能说明 梯度提升回归树GBRT（Gradient Boosting Regression Tree）是利用树模型进行回归的算法模型。梯度提升采用连续的方式构造树，每棵树都试图纠正前一棵树的错误。默认情况下，梯度提升回归树中没有...
条件树使用说明
条件树用于指定特定逻辑判断，用于组件进行条件样式修改或者设置筛选器样式。本文介绍条件树的具体使用方法。条件树采用两层嵌套的 并且 或者 或者 连接各个条件，以便组合成各种复杂的逻辑判断（使用合取范式或者析取范式可以组合出任意...
RebalanceInstances-重新平衡ECS实例分布
接口说明 错误码 分布再平衡会通过新建 ECS 实例替换已有 ECS 实例补偿平衡可用区，终止已有 ECS 实例前会先启动新 ECS 实例，分布再平衡不会影响您的应用程序性能或可用性。只支持设置了 MultiAZPolicy 为 BALANCE 的多可用区伸缩组，用于...
条件树使用说明
条件树用于指定特定逻辑判断，用于组件进行条件样式修改或者设置筛选器样式。本文介绍如何使用条件树。条件树结构 条件树采用两层嵌套的 并且 或者 或者 连接各个条件，以便组合成各种复杂的逻辑判断（使用合取范式或者析取范式可以组合出...
梯度提升回归树算法（GBRT）
本文介绍了梯度提升回归树算法（Gradient Boosting Regression Tree，下文简称GBRT）相关内容。简介 GBRT算法是集成学习Boosting家族的成员，使用了前向分布算法，但是弱学习器限定了只能使用CART回归树模型。前向分布算法的思想是基于当前...
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...
诊断报告
执行诊断决策树时，系统会生成对应的诊断报告，记录诊断的执行信息。你可以在 诊断报告 页面查看所有诊断决策树的执行记录，包括诊断决策树名称、触发方式、诊断状态、创建时间、状态概要、结果概要以及诊断结果。在左侧导航栏上，单击 ...
RebalanceInstances
调用RebalanceInstances重新平衡多可用区伸缩组内ECS实例的分布。接口说明 分布再平衡会通过新建ECS实例替换已有ECS实例补偿平衡可用区，终止已有ECS实例前会先启动新ECS实例，分布再平衡不会影响您的应用程序性能或可用性。只支持设置了...
决策树
本文为您介绍决策树组件。功能说明 决策树是一种用于分类和回归的非参数监督学习方法。目标是创建一个模型，通过学习从数据特征推断出的简单决策规则来预测目标变量的值。一棵树可以看作是分段常数近似。决策树组件支持使用决策树算法对...
Quick BI指标拆解树计算规则
概述 用户在使用过程中，用到了指标拆解树，想要了解指标拆解树计算规则。详细信息 需要在样式设置可视化拆分逻辑，如下图所示。父节点：当前节点中包含子节点，则该节点为父节点。顶级节点：当前节点没有父节点，则该节点为顶级节点。最高...
XGBoost
计算逻辑原理 XGBoost是一棵树集成模型，它使用的是K（树的总数为K）个树的每棵树对样本的预测值的和作为该样本在XGBoost系统中的预测，XGBoost算法思想就是不断地添加树，不断地进行特征分裂来生长一棵树，每次添加一棵树，其实是学习一个...
GBDT二分类V2
梯度提升决策树(Gradient Boosting Decision Trees)二分类，是经典的基于梯度提升（Gradient Boosting）的有监督学习模型，可以用来解决二分类问题。支持计算资源 支持的计算引擎为MaxCompute。算法简介 梯度提升决策树(Gradient Boosting ...
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
ECS实例再均衡分布
如果由于库存不足等原因导致可用区之间ECS实例的数量不均衡，您可以执行再均衡分布操作来平衡ECS实例的分布情况。本文介绍如何进行ECS实例的再均衡分布。前提条件 伸缩组的状态为 启用 状态。伸缩组的网络类型为 专有网络。伸缩组的多可用...
树型选择
该组件用于查看并选择下拉列表中展示的树型结构数据，对比下拉框组件，增加了可展示的数据层级，和搜索并展示指定数据的能力。例如选择公司层级、学科系统、分类目录等。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...
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，...
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...
文件管理
Linux实例 上传文件 在顶部菜单栏左上角处，选择 文件>打开新文件树。在文件树中，右键单击需要上传文件的位置，然后在菜单中单击 上传文件。选择待上传的目标文件。弹出如下上传成功提示框时，表示上传完成。说明 如果文件上传失败，您...
使用执行计划分析查询
AnalyticDB MySQL版 的SQL诊断功能支持以树形图的形式展现SQL查询的执行计划。执行计划树分为两层：第一层是Stage层，第二层是算子（Operator）层。本文介绍如何使用Stage层和算子层执行计划树来分析查询。Stage层执行计划树 Stage层执行...
管理数据树
本文介绍数据树的管理功能。前提条件 已登录DataV-Atlas控制台。已添加可用数据库。上传数据 在左侧数据树中单击已添加的数据库名称。单击右上角的 上传数据。在 选择文件 页签，将文件拖拽至添加处或单击 浏览 从本地文件选择需要上传的...
GBDT二分类预测V2
GBDT二分类预测V2组件提供了针对GBDT二分类V2组件的预测功能，使用梯度提升决策树(Gradient Boosting Decision Trees)算法，对数据进行二分类问题的预测。本文介绍GBDT二分类预测V2组件的配置方法。支持计算资源 支持的计算引擎为...
Quick BI指标拆解树组件子层级总占比大于100%
产品名称 Quick BI 产品模块 可视化组件 概述 本文通过介绍指标拆解树组件展示数据的逻辑及修改方法，帮助您优化图表展示效果。问题描述 指标拆解树组件，每个层级的第一个字段占比都是100%，其他字段的占比也不知道是如何计算的。解决方案...
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...
指标拆解树
指标拆解树通过分解核心指标，可以定位影响指标的关键渠道或关键成员。例如，指标拆解树可以方便的查看多个维度中的各个成员对整体的贡献，您也可以将度量值分解至一个或多个组，分析每个组的数据情况。本文为您介绍如何为指标拆解树添加...
树深度
树的深度是指从根节点开始，到达最底层节点的路径长度。树深度组件能够输出每个节点的深度和对应树ID（根节点ID）。配置组件 方法一：可视化方式 在Designer工作流页面添加 树深度 组件，并在界面右侧配置相关参数：参数类型 参数 描述 ...
管理类型
结构树 如下图所示，在类型列表中单击目标类型名前的下弹标志会在弹出的下拉列表中展示其结构树，对象类型的结构树最深有五层，右键结构树中不同层级中的项会提供对该项的一些操作键，操作键的具体信息请查看管理操作中的 管理操作键表：...
Quick BI指标拆解树如何修改字段的展示顺序
概述 Quick BI指标拆解树如何修改字段的展示顺序。详细信息 指标拆解树需要在图中先将对应得维度删掉，重新添加才可以改变字段的展示顺序。删除要更改顺序的维度。重新选择字段。适用于 Quick BI
概述
层次结构通常由一个倒置的树形结构表示。该树由相互连接的节点组成。每个节点可连接到一个或多个子节点，也可不连接到子节点。每个节点都连接到一个父节点，但没有父级的顶级节点之外。此节点为根节点。每个树都只有一个根节点。没有任何子...
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...
组件操作
组件树shift范围选择 快捷键组件树shift范围选择，长按shift点击组件 组件树全部选择 快捷键Ctrl/Cmd+A全选组件树 菜单栏解释如下表：操作名称 说明 复制 复制 粘贴 粘贴 删除 删除 锁定 锁定后不可编辑，不可在画布中选中，可通过组件树上...
- 产品推荐
- 这些文档可能帮助您