MERGE：加载数据时，插入目标表中不存在的数据，更新目标表中存在的数据 源模型 需要进行ETL映射的源端物理模型，需要在物理模型设计中先完成设计 目标模型 需要进行ETL映射的目标端物理模型，需要在物理模型设计中先完成设计 目标表 选择目标模型中配置的表 是否删除数据 选择是否删除目标模型中的表数据 源表 选择源模型中配置的表

查看更多 →

挂起当前作业执行计划：当前作业实例的状态为运行异常，该节点的后续节点以及依赖于当前作业的后续作业实例都会处于等待运行状态。 是否空跑 否 如果勾选了空跑，该节点不会实际执行，将直接返回成功。 任务组 否 选择任务组。任务组配置好后，可以更细粒度的进行当前任务组中的作业节点的并发数控制，比如作业中包含多个节点、补数据、重跑等场景。

查看更多 →

成的ETL脚本同步到 DataArts Studio 作业指定的目录。 前提： 已在本空间的方案设计中创建ETL Mapping脚本。参考ETL映射设计。 该账号下已开通DataArts Studio服务。 已在该DataArts Studio服务中创建相应的数据连接，以便基于数据连接同步作业以及后续在DataArts

查看更多 →

线性特征重要性 概述 用线性模型计算训练数据的特征重要性。 输入 参数 子参数 参数说明 inputs dataframe inputs为字典类型，dataframe为pyspark中的DataFrame类型对象 输出 特征的重要性和特征在线性模型中的weights，格式是dataFrame。

查看更多 →

为任务的组成部分。通过定义任务的触发条件、依赖关系和执行顺序，可以实现复杂的数据处理流程，并确保每个作业在正确的时间和顺序下执行。 此外，作业还可以调用自定义脚本，以实现更高级的调度和编排功能。通过这样的集成，可以进一步提升作业调度的灵活性和可扩展性，满足不同业务场景下的需求。

查看更多 →

数据仓库 华为云数据仓库高级工程师培训 父主题： 培训服务

查看更多 →

model_input_features_col - 特征向量的列名 prediction_col - 训练模型时，预测结果对应的列名，默认为"prediction" max_depth - 树的最大深度，默认为5 max_bins - 分割特征时的最大分箱个数，默认为32 min_instances_per_node

查看更多 →

octopus:dataWarehouse:list √ √ 获取数据仓库的数据列表 POST /v1.0/{project_id}/common/warehouses/{data_warehouse_id}/data octopus:dataWarehouse:list √ √ 父主题： 权限和授权项

查看更多 →

数据仓库 获取数据仓库列表信息 获取数据仓库的数据列表 父主题： API

查看更多 →

获取数据仓库的数据列表 功能介绍 获取数据仓库的数据列表 URI POST /v1.0/{project_id}/common/warehouses/{data_warehouse_id}/data 表1 路径参数 参数 是否必选 参数类型 描述 project_id 是 String

查看更多 →

按照传统的定义，元数据（Metadata）是关于数据的数据。元数据打通了源数据、数据仓库、数据应用，记录了数据从产生到消费的全过程。元数据主要记录数据仓库中模型的定义、各层级间的映射关系、监控数据仓库的数据状态及ETL的任务运行状态。在数据仓库系统中，元数据可以帮助数据仓库管理员和

查看更多 →

model_input_features_col - 特征向量的列名 prediction_col - 训练模型时，预测结果对应的列名，默认为"prediction" max_depth - 树的最大深度，默认为5 max_bins - 特征分裂时的最大分箱个数，默认为32 min_instances_per_node

查看更多 →

以DWS的SQL作为上层应用的统一入口，应用开发人员使用熟悉的SQL语言即可访问所有数据。 实时交互分析 针对即时的分析需求，分析人员可实时从大数据平台中获取信息。 弹性伸缩 增加节点，即可扩展系统的数据存储能力和查询分析的性能，可支持PB级数据的存储和计算。 增强型ETL和实时BI分析 数据仓库在整个B

查看更多 →

页签，进入 云服务器 页面。 如果您的 服务器 已通过企业项目的模式进行管理，您可选择目标“企业项目”后查看或操作目标企业项目内的资产和检测信息。 勾选目标服务器，单击列表上方的“关联资产重要性”。 图1 关联资产重要性 在弹窗中“资产重要性”项选择对应的资产重要等级。 确认无误，单击“确认”，完成关联。

查看更多 →

以 GaussDB (DWS) 的SQL作为上层应用的统一入口，应用开发人员使用熟悉的SQL语言即可访问所有数据。 实时交互分析 针对即时的分析需求，分析人员可实时从大数据平台上获取信息。 弹性伸缩 增加节点，即可扩展系统的数据存储能力和查询分析的性能，可支持PB级数据的存储和计算。 增强型ETL和实时BI分析

查看更多 →

为什么要使用数据仓库？ 现状和需求 大量的企业经营性数据（订单，库存，原料，付款等）在企业的业务运营系统以及其后台的（事务型）数据库中产生的。 企业的决策者需要及时地对这些数据进行归类分析，从中获得企业运营的各种业务特征，为下一步的经营决策提供数据支撑。 困难 对数据的归类分析往往涉及到对多张数据库表数据的同时访问，

查看更多 →

数据仓库规格 GaussDB(DWS)的规格按照产品类型分为标准数仓、实时数仓和IoT数仓。其中实时数仓还包含单机版模式。各产品类型的不同差异，详情请参见数据仓库类型。 标准数仓（DWS 2.0）规格 标准数仓（DWS 2.0）云盘规格，该规格弹性伸缩，无限算力、无限容量，规格详情请参见表1。

查看更多 →

数据仓库类型 产品类型概述 标准数仓（DWS 2.0）：面向数据分析场景，为用户提供高性能、高扩展、高可靠、高安全、易运维的企业级数仓服务，支持2048节点、20PB级超大规模数据分析能力。支持冷热数据分析，存储、计算弹性伸缩，并按需、按量计价，为用户提供弹性灵活、极致性价比的体

查看更多 →

- 训练模型时，预测结果对应的列名，默认为"prediction" max_depth - 树的最大深度，默认为5 max_bins - 特征分裂时的最大分箱个数，默认为32 min_instances_per_node - 树分裂时要求每个节点必须包含的实例数目，默认为1 min_info_gain

查看更多 →

prediction_col - 训练模型时，预测结果对应的列名，默认为"prediction" max_depth - 树的最大深度 max_bins - 分割特征时的最大分箱个数 min_instances_per_node - 决策树分裂时要求每个节点必须包含的实例数目 min_info_gain

查看更多 →

prediction_col - 训练模型时，预测结果对应的列名，默认为"prediction" max_depth - 树的最大深度 max_bins - 特征分裂时的最大分箱个数 min_instances_per_node - 树分裂时要求每个节点必须包含的实例数目，默认为1 min_info_gain

查看更多 →