Skip to main content

数据集

数据集，又称为资料集、数据集合或资料集合，是一种由数据所组成的集合。

1. 创建数据集​

在数据集模块，通过右上方的【+创建】按钮，我们按功能/用途/类型来创建数据集的【文件夹】 和 【批式数据集】。

img

1.1 创建文件夹​

为了更好的保存数据集，使它整齐规范更容易管理。

img

1.2 移动、重命名、删除文件夹​

img

1.3 创建【批式数据集】​

大数据处理系统可分为批式(batch)大数据和流式(streaming)大数据两类。

其中，批式大数据又被称为历史大数据，流式大数据又被称为实时大数据。

数据集的接入方式分为抽取模式和和直连模式，详细描述：

缓存模式
描述数据以缓存和刷新计划的方式进行同步接入，常用于数据实时性要求不高的分析场景。
优点能够处理的数据量巨大，长时间跨度的历史数据都可以存储、计算处理、分析应用。
缺点缓存模式的缺点也很明显，因为抽取时间有间隔，产生的业务数据不能立即分析，需要等到下次抽取完成之后才能使用。
应用场景案例例如业务经营的数据分析场景，更在意的是能够更加准确地反映业务表现情况，即使T+1天后才可以看到数据也可以接受。
尤其是财务结算，一般是月度结算或者季度财报，准确性是第一位的，可以选择缓存数据模式。
直连模式
描述数据以直接访问数据源的方式接入，每次访问都会实时从数据源获取最新数据，适用于数据时效性高的场景。
优点数据的时效性强，可以做到秒级或者毫秒级时延，所见即所得。
缺点性能主要依赖数据源服务本身的处理能力。
应用场景案例例如双十一交易信息分析，用户的每一笔下单交易都要能够实时的显示出来，此类场景就需要选择直连模式。

1.3.1 抽取模式​

数据以缓存和刷新计划的方式进行同步接入，常用于数据实时性要求不高的分析场景。

img

1.3.2 直连模式​

数据以直接访问数据源的方式接入，每次访问都会实时从数据源获取最新数据，适用于数据时效性高的场景。

img

1.3.3 新增数据源​

详情参考：数据源介绍文档。

img

2. 编辑数据集​

鼠标悬停到需要编辑的数据集右侧，直到出现... 后，选中【编辑】对数据集进行编辑。

img

对数据集进行编辑，可以设置数据集的【基本信息】、【字段设置】和【预览数据】。

2.1 基本信息​

基本信息页签，可以修改数据集的 【名称】、【是否开启定时。】

img

2.2 字段设置​

字段设置页签，可以修改字段的【显示名称】 和 【在可视化中显示】。

img

3. 删除数据集​

img

4. 移动数据集​

移动数据集到其他数据集文件夹。

img

5. 使用数据集​

学习使用数据集：数据应用。