You need to enable JavaScript to run this app.
导航
任务创建
最近更新时间:2024.07.18 15:24:51首次发布时间:2021.02.23 10:42:06

1. 功能概述

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。

  • 任务类型:实时任务、离线任务;实时任务支持 Kafka、Pulsar,离线任务支持的输入数据源如下;实时任务默认不开启;
  • 已支持的离线任务的输入数据源:Hive, MySQL, ClickHouse, Kafka, HttpAPI, 飞书, CSV/Excel, Oracle, Impala, PostgreSQL, Hbase, SQLServer, MaxCompute, ADB, MongoDB, Hana, Teradata, Db2, Vertica, GreenPlum等20几种主流的数据源
  • 已支持数据清洗节点:字段设置、筛选行、添加计算列、聚合、连接、合并、行列转置等
  • 已支持的AI建模能力:特征工程、机器学习、自然语言处理等多种算子
  • 已支持输出内置数据源:以 Hive、ClickHouse、ByteHouse 存储的数据集

2. 使用说明

2.1 新建任务

在您点击进入「可视化建模」后,点击「任务列表」-「新建」,选择想要新建的任务类型(离线/实时),即可跳转到任务创建页面。
图片
任务类型说明
在新建任务环节,需要选择该任务的类型,在任务创建后不可切换任务类型;目前提供离线任务与实时任务两种。离线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;实时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。

  • 使用前提
    • 离线任务:默认均可使用
    • 实时任务仅支持 Kafka,默认不开启,如需使用请联系火山引擎官方人员,并需完成以下前置操作:
  • 使用场景
    • 离线:对接离线数据源同步数据,采用抽取方式获得数据
    • 实时:对接kafka流式数据,实现秒级数据消费

图片

2.2 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。
图片

注意
如果选择了数据集,在左侧画布中会加载:自定义SQL(离线任务可显示)、可视化建模数据集、智能数据洞察数据集、客户数据平台数据集(如同时购买并部署该产品)。简介如下:

  • 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
  • 智能数据洞察数据集:通过“数据集”模块构建输出的数据集;
  • 客户数据平台数据集:如同时购买并部署客户数据平台,则可以在此处使用该类数据集。
    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。

2.3 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,展开五类操作节点: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。算子,即数据处理的节点。
图片
常用算子说明

  • 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
  • 特征工程/机器学习/自然语言处理 算子后只可以搭配 「预测」算子进行使用

V2.50.0版及之后,不仅在画布中可见算子,也支持在左侧tab栏中点击“算子”,选择可用的算子;点击“AI 模型”,选择可用的模型。具体每一个算子与模型的应用方式不同,在《数据处理》中将为您从四个类型展开具体介绍,本文仅就任务创建的主要流程为您介绍。
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。
图片
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。
图片
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。
图片
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。

2.4 数据预览

2.4.1 查看预览

第一步: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。您可预览明细数据、表结构、数据探查

V2.62.0版本中,针对该功能进行了优化:

  • 支持设置“是否默认展开当前类型算子的数据预览面板”以及“应用至所有算子”,满足不同用户的使用习惯。
  • 合并“数据探查”和“明细数据”的预览面板,实现信息集中展示,简化操作,增强功能使用率。
    图片

第二步: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:
图片

2.4.2 采纳建议

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:
图片

2.4.3 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:
图片

2.5 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

图片
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。

2.6 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。关于输出数据集的细节设置,请查看《数据输出》。

已支持输出数据集:以Hive、ClickHouse、ByteHouse存储的数据集

图片
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

图片
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。
图片
保存任务配置,点击左上角返回可跳转到任务详情。
图片
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。更多任务管理能力,请查看《任务管理》。
图片