离线任务
最近更新时间：2024.03.28 11:23:41
首次发布时间：2024.03.28 11:23:41
任务创建，是指可视化建模任务的创建环节，通常包含新建任务、数据连接等步骤。可视化建模任务支持抽取数据源中的数据，通过拖拽形式添加数据处理节点，将处理完成的数据输出到目标源中。
说明
- 任务类型：实时任务、离线任务（任务创建后不可切换任务类型）
实时任务，指的是任务跟随实时更新的数据源可被实时执行，输出为实时更新的数据。实时任务支持输入的数据源为：Kafk、Pulsar；
离线任务，指的是任务跟随离线更新的数据源可被设置为手动和周期执行，输出为定期更新的数据或模型文件。离线任务支持输入的数据源为：Hive, MySQL, ClickHouse, Kafka, HttpAPI, 飞书, CSV/Excel, Oracle, Impala, PostgreSQL, Hbase, SQLServer, MaxCompute, ADB, MongoDB, Hana, Teradata, Db2, Vertica, GreenPlum等20余种主流的数据源；
本文将结合产品实操界面介绍 离线任务 的创建步骤。
用户需具备 项目编辑 权限或者 可视化建模模块的新建任务 权限，才能使用该功能。
可视化建模中部分功能为 付费能力，如有需要，请联系您的商务经理
3.1 新建任务
点击 数据管理>可视化建模 。
点击左上角 新建任务 。
选择 路径 ，将当前任务存放在左侧某个可视化建模任务文件夹下。
选择创建 离线任务 。
3.2 应用示例模板
在可视化建模任务编辑页面，提供多样化的算子模板，点击 全部模板 可快速查看。
每个模板均支持 预览 或 应用 。
点击 预览 ，将详细介绍当前算子模板内置的样例数据、场景说明、使用到的算子，点击 使用模板 可快速套用。
使用模板后，系统将展示使用系统样例数据处理对应应用场景的详细配置，帮助用户进一步了解当前算子的能力及使用方式。
3.3 数据连接
新建数据连接。 在新建任务页面，点击左上方的加号，添加数据连接；可以选择添加多种类型的数据连接，平台支持对大部分离线存储做自定义SQL。
注意
如果选择了数据集，在左侧画布中会加载：自定义SQL、可视化建模数据集、客户数据平台数据集：
Hive/ClickHouse自定义SQL：
Hive：可视化建模输出并且数据存储为Hive类型数据集，可以写SQL，满足Hive语法即可
ClickHouse：可视化建模输出并且数据存储为Clickhouse数据集，可以写SQL，满足ClickHouse语法即可
可视化建模数据集：可视化建模输出的数据集，不区分输出存储类型是Hive/ClickHouse
客户数据平台数据集：购买并部署客户数据平台，系统生产的数据集。
移除数据连接。 可视化建模任务创建页面的数据连接列表中，点击具体某个数据连接右侧的删除按钮，即可移除数据连接。
3.4 处理节点
通过点击节点右侧加号添加并配置处理节点，拖拽上一节点右侧加号和下一节点左侧原点连线，配置节点流转关系。点击“应用”后可展开处理后的数据结果预览。
如下图所示，点击输入数据算子块的输出+号，展开操作节点：输出、数据清洗、AI-特征工程、AI-机器学习、AI-自然语言，点击其中一类，则可看到可以使用的算子。
说明
常用算子如下：
输出：表示画布流程执行完数据输出到指定位置并配置任务执行逻辑
数据清洗：主要负责模型搭建（如多表连接、多表合并）、字段格式转换（如字段设置、行转列、列转行）、数据计算（如计算字段、聚合、前K值Top值）、数据过滤（如去重、采样）等
特征工程/机器学习：表示如主成分分析、特征重要度、聚类、分类、回归等AI算法能力
自然语言处理：表示NLP自然语言处理能力，其中分词、移除停用词采用词包为开源词包
3.5 画布配置
常规数据处理
添加输入算子：从左侧拖拽数据连接到画布中
添加中间算子：添加数据处理算子（数据清洗算子、AI类算子）
添加输出算子：选择「输出」算子，将数据输出到数据集
AI数据挖掘
添加输入算子：从左侧拖拽数据连接到画布中
添加中间算子：添加AI类算子（AI-特征工程、AI-机器学习、AI-自然语言、AI-预测）
添加输出算子：选择「保存模型」算子，将数据保存到模型
添加节点 方式一：点击算子卡片中的“+”，展开下拉菜单并添加节点。 方式二：从左侧拖拽算子到画布中。
添加分支： 点击算子卡片中的“+”，展开下拉菜单并添加新分支。
插入节点： 点击连线中的“+”，展开下拉菜单并插入节点
添加连线： 按住前一个算子右侧的输出点，将连线拖拽到后一个算子左侧的输入点上
切换节点： 点击算子卡片中的更多按钮或右键算子卡片，展开下拉菜单并切换节点 删除节点： 点击算子卡片中的更多按钮或右键算子卡片，展开下拉菜单并删除节点
在实际使用中，可视化建模算子支持增加文字描述，帮助用户更清晰地了解当前算子的备注信息。
可视化建模任务创建页面，支持自由布局与网格布局切换，灵活调整任务各节点的布局。
可视化建模新建任务页面，支持统一展示任务异常节点，辅助排查任务问题。
可视化建模任务创建页面，也支持通过点击Back或Delete键执行算子删除操作，提高数据清洗效率。
3.6 数据预览
3.6.1 查看预览
在可视化建模任务的编辑页面，选择数据连接后，支持便捷的预览能力。用户可预览 明细数据、表结构、数据探查 。点击每列数据的 “▼”按钮 ，支持快速选择算子，进行数据处理。如下图所示：
3.6.2 一键清洗
在预览中，提供数据清洗建议，用户点击后可一键完成清洗，提高数据清洗的效率。如下图所示：
3.6.3 即时设置
在可视化建模任务的编辑页面，打开数据预览时，在预览界面左下方，可针对预览进行即时编辑或设置。用户可以配置参与预览计算的数据量（默认不超过1000000行），支持自定义行数或选择全量数据。配置后，预览将进行实时刷新。如下图所示：
3.7 节点执行
配置中可以选中某节点并运行节点，进行运行检查。需注意的是，当上游节点更改后，必须重新执行上游节点后才能执行当前及下游节点。
执行该节点：运行当前节点，需要上游节点均执行完成
执行到此处：依次运行上游未执行的节点和当前节点
从此处开始执行：依次运行当前节点和后续节点，需要上游节点均执行完成，一般在当前节点更改后使用
节点执行完成后，节点旁会有绿色对号标记，表示当前节点已完成执行。
3.8 输出数据集
添加输出节点，选择输出到已有数据集或新建数据集。
已支持输出数据集：以Hive、ClickHouse、ByteHouse存储的数据集
最后，您可以打开运行配置弹窗，编辑运行周期，或手动运行。运行频率可以选择“精确时间”或设置“间隔时长”。
精确时间：小时级、天级、周级、月级
间隔时长：10分钟、20分钟、30分钟
模型配置完成时，可以点击右上角的保存或另存为。如果模型未完成，也可以将运行频率调整为手动运行后点保存或另存为。
保存任务配置，点击左上角返回可跳转到任务详情。
返回可视化建模页面，点击当前任务的「运行记录」，可以手动运行。