CDSビュー新規作成

CDSビューの追加文書いついては以下の内容も参照してください。


Step 1: CDSビュー作成

 

 Favorite PackagesメニューからNew をクリックし、 Other ABAP Repository Object を選択します。

 

  Image depicting step1-newObject

 

 

2.CoreDATA Services⇒ Data Definitionを選択し、ボタン Next を押します。   

  Image depicting step2-DataDef

 

 

3.以下の内容を入力し ボタン Next を押します。

Name = Z_INVOICE_ITEMS

Description = Invoice Items

  Image depicting step3-enterValues

 

4.再度ボタンNEXTを押します。

  .Image depicting step4-AcceptTransportRequest

 

5. Define View選択し,ボタン Finish を押します。

  Image depicting step5-defineView

 

Step 2: データソース入力

表示されている新しいエディタに以下の内容を書き換えます。

  1. SQL view nameなっているのを ZINVOICEITEMS に書き換えます。
  2. CDS view data_source_nameのところを sepm_sddl_so_invoice_item に書き換えます。Image depicting step6-enterDataSourceEtc

注:SQLビュー名は、データベースに作成されるビューの内部名/技術名です。 Z_Invoice_Itemsは、ABAPで拡張ビュー構築機能を提供するCDSビューの名前です。 ABAPアプリケーションでは常にCDSビュー名を使用しています。

@AbapCatalog.sqlViewName: ‘CDS_DB_VIEW’
[@view_annot1]
[@view_annot2] …
[DEFINE] VIEW cds_entity [name_list] [parameter_list] AS select_statement [;]
 
注釈“ @ AbapCatalog.sqlViewName”は、CDSビューを作成するときに必須です。これにより、データディクショナリにビューが作成されます。
  • cds_entity – ビューの名前。
  • name_list – CDSビューを実行したときに出力に表示されるフィールド名のリスト。.
  • parameter_list – CDSビューへの入力パラメータのリスト.
  • select_statement – テーブルから提供されるSELECTステートメント.
 
 
Step 3: SELECTステートメントを編集する

 Image depicting step7A-InsertAll-cropImage depicting step7-Select1

Step 4: 既存のCDSビューの関連を使用する

Image depicting step8-CdsAssociations

 
Step 5: 既存の関連付けしてからフィールドを追加する
   Image depicting step9-AddFields
 
Step 6: CASE分を入力する
case header.payment_status
    when 'P' then 'X'
    else ' '
end as payment_status

  

Image depicting step10-CaseStatement
 
 
Step 7:  WHERE 条件を入力する
1.WHERE条件を入力
WHERE currency_code = 'USD'

  Image depicting step12-WHERE

2.保存ボタンSave (Ctrl+S) と 有効化ボタンActivate (Ctrl+F3)をクリックする。

   Image depicting step14-saveAndActivate

 
Step 8: 実装のする際、環境によってソースを修正してください。

 

@AbapCatalog.sqlViewName: 'ZINVOICEITEMS2'
@AbapCatalog.compiler.compareFilter: true
@AccessControl.authorizationCheck: #NOT_REQUIRED
@EndUserText.label: 'CDS View for "Use-cds-view" tutorial'
define view Z_Invoice_Items_2
  as select from sepm_sddl_so_invoice_item
{
  //sepm_sddl_so_invoice_item

  header.buyer.company_name,
  sepm_sddl_so_invoice_item.sales_order_invoice_key,
  sepm_sddl_so_invoice_item.currency_code,
  sepm_sddl_so_invoice_item.gross_amount,

  case header.payment_status
  when 'P' then 'X'
  else ' '
  end

  as payment_status,

//* Associations *//
  header
}

where currency_code = 'EUR'

 

F8キーを押して、データプレビューでCDSビューを開きます。 CDSビューは次のようになります。

Image depicting step 15-data-preview

转载于:https://www.cnblogs.com/yjyongil/p/10516219.html

  • 0
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
,发送类别,概率,以及物体在相机坐标系下的xyz.zip目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
目标检测(Object Detection)是计算机视觉领域的一个核心问题,其主要任务是找出图像中所有感兴趣的目标(物体),并确定它们的类别和位置。以下是对目标检测的详细阐述: 一、基本概念 目标检测的任务是解决“在哪里?是什么?”的问题,即定位出图像中目标的位置并识别出目标的类别。由于各类物体具有不同的外观、形状和姿态,加上成像时光照、遮挡等因素的干扰,目标检测一直是计算机视觉领域最具挑战性的任务之一。 二、核心问题 目标检测涉及以下几个核心问题: 分类问题:判断图像中的目标属于哪个类别。 定位问题:确定目标在图像中的具体位置。 大小问题:目标可能具有不同的大小。 形状问题:目标可能具有不同的形状。 三、算法分类 基于深度学习的目标检测算法主要分为两大类: Two-stage算法:先进行区域生成(Region Proposal),生成有可能包含待检物体的预选框(Region Proposal),再通过卷积神经网络进行样本分类。常见的Two-stage算法包括R-CNN、Fast R-CNN、Faster R-CNN等。 One-stage算法:不用生成区域提议,直接在网络中提取特征来预测物体分类和位置。常见的One-stage算法包括YOLO系列(YOLOv1、YOLOv2、YOLOv3、YOLOv4、YOLOv5等)、SSD和RetinaNet等。 四、算法原理 以YOLO系列为例,YOLO将目标检测视为回归问题,将输入图像一次性划分为多个区域,直接在输出层预测边界框和类别概率。YOLO采用卷积网络来提取特征,使用全连接层来得到预测值。其网络结构通常包含多个卷积层和全连接层,通过卷积层提取图像特征,通过全连接层输出预测结果。 五、应用领域 目标检测技术已经广泛应用于各个领域,为人们的生活带来了极大的便利。以下是一些主要的应用领域: 安全监控:在商场、银行
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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