运行测试 CodeArts IDE为运行和调试您的测试用例提供了多个选项： 在测试类的代码编辑器中，单击测试类声明旁的运行按钮（），运行该类中的所有测试。或者单击某个测试方法旁边的运行按钮来仅运行单个测试。要调试测试，请右键单击运行按钮（），并从上下文菜单中选择“调试测试”。 使用“测试”视图来管理和运行测试。

查看更多 →

运行&报告 用例调试 在“测试用例”页面，单击“调试”，开始执行测试用例。 查看运行结果 调试完成后，可快速查看具体用例执行成功或失败的用时。 单击单条结果记录，可查看执行的详细信息。 父主题： 测试用例管理

查看更多 →

运行&报告 运行测试套件 在待执行测试套件详情页面，单击“执行”，运行测试套件。 查看测试报告 页面右侧可快速查看最近测试结果。 单击测试结果的，可查看测试结果的运行报告。 单击”更多执行历史”，可查看历史测试结果的运行报告。 父主题： 测试套件管理

查看更多 →

脚本开发”。 在左侧目录上方，单击运行历史图标，显示该登录用户历史7天的脚本、作业的运行记录。 在过滤框中选择“脚本”，展示历史7天的脚本运行记录。 单击某一条运行记录，可查看当时的脚本信息和运行结果。 下载脚本历史运行结果。 系统默认支持所有用户都能下载脚本的历史运行结果。 您可以在结果页签单击“下载结果”。

查看更多 →

集群运行 当集群状态为“不可用”时，如何排查解决？ CCE集群如何重置或重装？ 如何确认已创建的集群是否为多控制节点模式？ 是否可以直接连接CCE集群的控制节点？ CCE集群删除之后相关数据能否再次找回？ 为什么CCE集群界面的节点磁盘监控看起来不准确？ 如何修改CCE集群名称？

查看更多 →

运行模型 表1 运行模型元素介绍 元素名 图标 含义 Process 进程，加截的组件、服务/微服务列表[1..*]。 Thread 线程，加载的组件、服务/微服务列表[1..*]。 Package 进程组，包含进程列表。 Mutex 锁/临界区，锁类型（自旋锁、排它锁、分布式锁、共享锁等）。

查看更多 →

运行流 登录 集成工作台 ，在流编排-我的流页签下面，选中需要运行的流，点击运行。 流运行 运行结果 日志查看 父主题： 集成实施最佳实践

查看更多 →

流运行 集成工作台-流编排-我的流，选中并点击运行。 父主题： 运行流

查看更多 →

engine_name String 训练作业的引擎名称。目前支持的引擎名称如下： Ascend-Powered-Engine Caffe Horovod MXNet PyTorch Ray Spark_MLlib TensorFlow XGBoost-Sklearn MindSpore-GPU

查看更多 →

false为不递归数据文件目录。 daemon：是否以DAEMON模式运行， 取值范围： true为以DAEMON模式运行。 false为不以DAEMON模式运行。 parallel：导入导出工作线程并发数目。 默认并发数目为8，最大为200。 语法 gds_ctl.py [ start | stop all |

查看更多 →

whether more results are available. Servers may choose not to support the limit argument and will return all of the available results. If limit is

查看更多 →

yarn-per-job -Dyarn.application.name=py_sql -pyarch venv.zip -pyexec venv.zip/venv/bin/python3 -py pyflink-sql.py 运行结果： yarn-application模式 ./bin/flink

查看更多 →

yarn-per-job -Dyarn.application.name=py_sql -pyarch venv.zip -pyexec venv.zip/venv/bin/python3 -py pyflink-sql.py 运行结果： yarn-application模式 ./bin/flink

查看更多 →

当Notebook实例创建完成后，且状态为“运行中”时，单击“操作”列中的“打开”，进入“JupyterLab Notebook”开发页面。 在JupyterLab的“Launcher”页签下，以TensorFlow为例，您可以单击TensorFlow，创建一个用于编码的文件。 图1 选择不同的AI引擎 文件创建

查看更多 →

案例二：通过 MRS Spark Python作业实现打印输出"hello python" 前提条件： 开发者具有OBS相关路径的访问权限。 数据准备： 准备脚本文件"zt_test_sparkPython1.py"，具体内容如下： from pyspark import SparkContext

查看更多 →

object has no attribute 'dtype'” 问题现象 代码在Notebook的keras镜像中可以正常运行，在训练模块使用tensorflow.keras训练报错时，出现如下报错：AttributeError: 'NoneType' object has no attribute

查看更多 →

Spark任务运行失败 问题现象 报错显示executor出现OOM。 失败的task信息显示失败原因是lost task xxx。 原因分析 问题1：一般出现executor OOM，都是因为数据量过大，也有可能是因为同一个executor上面同时运行的task太多。 问题2：

查看更多 →

nt”。 将待运行的应用程序上传到集群客户端所在节点。 本章节示例中使用的jar样例程序为“{集群客户端安装目录}/Spark2x/spark/examples/jars/spark-examples_*.jar”（部分版本集群中Spark2x文件夹名称为Spark，请以实际为准）。

查看更多 →

模型的类型，支持的格式有（"TensorFlow", "MXNet", "Caffe", "Spark_MLlib", "Scikit_Learn", "XGBoost", "Image", "PyTorch", "Template"，"Custom"）默认为TensorFlow。 是 str

查看更多 →

py文件中。进行模型训练时，主入口文件选择与训练工程同名的.py文件。 单击“上传”。 单击界面右上角的“训练”。 进入“训练任务配置”页面。 配置训练任务，如图5所示。 参数配置说明如下： AI引擎：AI算法运行平台。从第一个下拉框中选择AI引擎“Ascend-Powered-Engine”，从第二个下拉框中选

查看更多 →

端根据AI引擎创建容器，较耗时；本地Predictor部署较快，最长耗时10s，可用以测试模型，不建议进行模型的工业应用。 当前版本支持部署本地服务Predictor的AI引擎为：“XGBoost”、“Scikit_Learn”、“PyTorch”、“TensorFlow”和“S

查看更多 →