实现从TM1读取数据和前端展现Dashboard

最新推荐文章于 2020-06-24 16:39:04 发布
最新推荐文章于 2020-06-24 16:39:04 发布
阅读量329 收藏 2
点赞数
分类专栏： TM1 Dashboard 文章标签： 数据分析 数据可视化 python
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/JO_KingCrab/article/details/106463518
版权

实现从TM1读取多维数据和前端展现Dashboard

Turbo1 v1.0

以下是以Planning Sample为例，读取Cube的数据的展现效果：

  1. 可读取维度数据，并切换Dashboard页面数据
    在这里插入图片描述
  2. 满足不同图形的数据展现
    在这里插入图片描述
  3. 表格数据
    在这里插入图片描述

后期功能待更新。。。

有兴趣的朋友可加我微信一起交流。
在这里插入图片描述

JO_KingCrab
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
数仓建模—OLTP 和 OLAP
06-15 2万+
在国内，不论传统公司还是互联网公司，都开始利用OLAP技术分析挖掘大数据的价值，国内除BAT等大厂会自研OLAP产品外，其他中小互联网公司普遍拥抱开源，会使用Kylin、Presto、impala、Druid和Greenplum等开源技术来实现OLAP分析查询业务。在调研了市面上主流的开源OLAP引擎后发现，目前还没有一个系统能够满足各种场景的查询需求。其本质原因是，没有一个系统能同时在数据量、性能、和灵活性三个方面做到完美，每个系统在设计时都需要在这三者间做出取舍。
IBM Cognos TM1 FEEDERS 最佳实践——Feeders经验总结
07-13
例子所示，这是使用乘法因子为 TM1 cube feeds 的正常方式。这将导致 Overfeed， 但通常不会达到严重影响性能的程度。除非使用条件 feeder，否则 Overfeeder 可能永远不会从发生乘 法、除法、指数化或其他运算的立方体中完全消除，但它可以通过 feed 最可能为零的变量来缓解。 Overfeeder 的正常解决方案是使用条件 feeder。条件 feeder 对 feeder 设置条件。这个例子也可以用来 说明另一个 FEEDER 原则。将 "A "改为零，在 "Overfeeder "立方体中仍然显示 "A "为 Overfeeder。这 是因为一旦一个单元被 feeder，它就一直被 fed，直到 TM1 服务器被回收或 TM1 TurboIntegrator 函数 CubeProcessFeeders()被执行。
TM1 - 数据存储
weixin_30906185的博客
07-16 1132
(虽然官方已经把TM1改成IBM Planning Analytics但作为一个老用户，还是习惯称之为TM1，所以后续都写TM1) 这篇讲一下TM1的数据存储功能，首先需要明确的是，在已启动的TM1中，用户查看和操作数据都存储在内存中，但后台依旧会有database，以文件形式将数据存储在硬盘中。 1.启动TM1服务时，TM1 admin Sever会将Database中的文件数据加载至内存中...
tm1的javaapi(tm1 development for java用的着)
06-02
tm1 javaapi手册
IBM Planning Analytics（TM1）随笔
weixin_30699831的博客
07-15 1368
从事TM1的开发工作已经有近5年了，国内这块的资料少之又少，我自己写一些，供参考。 1.什么是TM1 如果各位去IBM的官网查一下IBM Planning Analytics，主要测着眼点在规划，预测，预算这块，产品也归属在FOPM(财务和运营绩效管理)这个部门，简而言之就是一个做计划和预算的产品。作为一个具体的开发和使用人员，更多的是需要了解其内部的工作原理。 1.1 首先TM1是一个...
tm1py-samples:准备使用这些TM1py示例，对TM1进行更多处理
05-28
TM1py Samples是快速掌握TM1py的一个很好的起点。 它包含60多个现成的TM1py脚本，例如： 将TM1数据加载到熊猫中进行统计分析 将外部来源的外汇，股票和GDP数据加载到您的多维数据集中 同步来自不同TM1实例的多维数据集 通过正则表达式清理TM1模型 从现有多维数据集视图生成MDX查询 分析加工进料器时间 使用python维护尺寸和子集 ... 所有脚本均分为四类： 管理：与TM1管理相关的所有任务，例如会话，事务日志... 数据：数据操作，例如从视图中取出数据或将数据写回到TM1 元数据：与TM1对象相关的所有操作，例如创建新维度，删除视图... 样本：对更高级的脚本进行分组，例如从Web服务获取数据 要求 TM1（10.2.2 FP 5或更高版本） TM1py 用法 您应该运行的第一个脚本是check.py ，它使您可以检查TM1py是否可以连接到您的
java api连接cognos tm1
LY的博客
06-24 490
java api连接cognos tm1 0. 模板 import com.applix.tm1.*; public class Main { //设置连接信息 private static final String TM1HOSTNAME = "127.0.0.1"; private static final String TM1SERVERNAME = "Test"; private static final String TM1USERNAME = "admin";
TM1培训教程
05-04
TM1培训教程
arc-plugins:Arc for TM1的插件集合，TM1和Planning Analytics的最终开发者工具
04-28
关于Arc for TM1 Arc for TM1是用于本地和云中TM1和Planning Analytics的终极现代开发人员工具。 层次结构感知，为TM1的未来而构建。 多文档选项卡式界面。 Turbo Integrator调试。 语法高亮。 自动完成。 用户定义...
IBM Cognos TM1 培训资料
06-15
IBM Cognos TM1 是IBM Cognos 数据仓库解决方案中的OLAP 部分实现。通过TM1 用户可以快速对数据进行分析和整理。
tm1_ref_TM1+参考指南.pdf
04-29
文档中有详细介绍TM1进程开发中所涉及到所有编写TurboIntegrator函数与规则函数使用。 参考文档，我们可以根据文档介绍的创建维度，创建cube,创建规则以及把外部数据源通过TI接入到多维数据库中。
python-samples:我的python样本
06-07
Python样本 我的python样本
TM1-S4-创建Cube和视图
10-30
【TM1-S4-创建Cube和视图】的知识点详细说明： TM1是IBM的一款强大的商业智能和规划分析工具，其核心数据结构是多维数据集...理解并熟练掌握这些步骤，将有助于用户更有效地分析和操作数据，实现业务洞察和决策支持。
TM1-S1-TM1简介
10-30
安装TM1服务器后，需要加载源代码并进行配置，包括修改Tm1s.cfg文件，关联数据源，定义cube和维度，处理进程逻辑，然后在Web前端展示。登录TM1后，可以设置远程服务器访问和ODBC驱动，以便与数据库进行交互。在测试...
Cognos TM1和Cognos 10 BI 的区别
Larry's blog
07-10 2829
简单来说： Cognos TM1包含了数据库引擎（multidimensional OLAP database）以及一系列访问管理该数据库的应用。甚至对ETL流程和数据库维护任务。 Cognos BI是一系列的web应用程序，提供了丰富的界面去设计、访问报表。用Cognos BI可以访问TM1的数据源。 有一种说法是，TM1与EXCEL结合得非常好，易用性更好。而Cognos B
多维数据库概述之一---多维数据库的选择
热门推荐
肄若芸（yiruoyun）的专栏
01-01 1万+
1. 多维数据库简介 多维数据库（Multi Dimesional Database,MDD）可以简单地理解为：将数据存放在一个n维数组中，而不是像关系数据库那样以记录的形式存放。因此它存在大量稀疏矩阵，人们可以通过多维视图来观察数据。多维数据库增加了一个时间维，与关系数据库相比，它的优势在于可以提高数据处理速度，加快反应时间，提高查询效率。MDD的信息是以数组形式存放的，所以它可以在不影响索引
Hygieia —— DevOps Dashboard
weixin_30386713的博客
08-22 546
Dashboard 转载于:https://www.cnblogs.com/mykiya/p/11394447.html
IBM Cognos TM1 开发者认证指南
2. **数据集成**：讲解如何将外部数据源与TM1集成，处理数据导入和更新过程。 3. **建模与设计**：详细介绍如何构建高效的数据模型，包括维度设计、层次结构构建和切片器设定。 4. **规则编写与处理**：讨论TM1中的...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值