2019-01-15 11:06:55 qq_27005679 阅读数 269
  • 2020软考数据库系统工程师-下午案例分析真题解析视频

    2020软考数据库系统工程师视频培训课程:该教程掌握数据库系统工程师历年下午案例分析真题考查内容及考核方式,为考试和自身能力提高打下坚实基础。 适合对象: 希望将来从事数据库开发设计与数据库运行维护的IT从业者;希望通过软考-数据库系统工程师考试的学员(一次付费学习课程,直到通过考试,并且每年真题解析免费更新 )

    25193 人正在学习 去看看 任铄

中联重科是国内领先的工程机械、农业机械等高新技术装备研发制造商,为全球6大洲100多个国家的客户创造价值。

中联重科logo

在近年来日益严峻的市场环境下,中联重科在利用大数据平台实现智能化转型升 级之路上不断探索。部署Cloudera企业级之后,该公司有效降低了自身服务成本,同时提升了设备租赁服务、二手设备交易以及零配件销售等后市场的服务收益,实现了向“产品在网上、数据在云上、服务在掌上”的新商业模式转型升级。同时,中联重科有效地帮助客户优化自身经营管理的能力、为客户降低运营成本,实现共赢。

挑战

国内经济增速下滑,投资放缓以及房地产市场疲弱,导致工程机械行业设备供过 于求,新机需求放缓。而与此对应的是潜力巨大、年市场规模近1500亿元的服务后市 场。如何尽快通过工业大数据技术,对设备、客户等数据进行深度挖掘,实现上下游 信息充分共享和深度融合,在降低成本的同时形成良性服务生态圈、拓展行业盈利空间, 成为了对中联重科的重大挑战。

中联重科麓谷工业园一景图

同时,施工行业对安全、效率、成本管控的重视程度日益提高,要求设备厂商在 持续提升设备质量的同时,进一步强化其智能化水平和数据分析处理能力,由“被动 服务”向“主动服务”升级,降低施工风险、提升无故障工作时间,实现“降本增效”。 中联重科亟需通过大数据分析使其更加贴近市场、理解客户,提升企业运营管理和决 策效率,快速从传统生产制造型企业向高端智能服务型企业的转型升级。

业务驱动因素

中联重科通过对多家大数据平台供应商的考察和试用,经过历时两个多月的选型 阶段,最终选择了Cloudera CDH 的发行版。选择与Cloudera合作是基于中联重科对自身业务需求的全面考虑 :

首先,中联重科希望采用基于开源的体系,特别是成熟的Hadoop分布式架构;其次,产品需要在扩展性方面占据优势;第三是希望与业内领先的供应商达成长期的战略性合作,通过供应商对生态体系做出贡献、同时为工程机械行业起到标杆作用。

具体到业务层面,中联重科大数据平台的数据来源于三个方面 :

中联重科工程机械物联网云平台监控室图

 

  • 物联网数据 :主要包括中联重科12余万台设备实时回传的工况、位置信息。存量数据量约40TB,每天新增数据1T,压缩后每天新增数据200G ;
  • 内部核心业务系统数据 :即营运过程中产生的业务信息,主要包括来自 ERP、CRM、金融服务系统等的数据,涵盖研发、生产、销售、服务全环节。当前存量数据约10TB,数据每天进行更新 ;
  • 外部应用平台数据 :包含相关应用平台(官方网站、微信公众号 / 企业号、中联商城等)积累的数据、从第三方购买和交换的数据及相关企业公开数据。除结构化数据外,平台还以日志方式保存了大量的用户行为数据。

面对海量数据的增长,以及各种结构及非结构化数据格式,中联重科决定采用 Cloudera CDH 发行版大数据平台来应对挑战。Cloudera领先的技术和完善的服务能够为中联重科大数据平台的运营提供保障:通过流式处理架构,满足高时效性的数据分析需求 ;通过分布式运算架构,满足对海量数据的离线深度挖掘。

解决方案

Cloudera的企业级服务能够为中联重科大数据平台的运营提供实时、安全的“一站式”有效保障,解决开源体系的各项技术难点,例如各组件之间的适配等等,为中联重科团队解决了运维平台、系统层面上的后顾之忧,使其可以重点聚焦于进行业务分析、数据挖掘等创造更高数据价值的层面。

经过历史约 3 个月的部署,中联重科大数据平台于 2016 年 3 月正式上线,成功地将物联网平台、企业内部的 ERP、CRM 等核心平台在 Cloudera 的现代化数据管理平台上互相贯通,并通过相应组件把数据采集到大数据平台上。不仅整合了企业的各个数据链条,还实现了对外提供产品支。例如“中联 e 管家”应用,支持客户调用运营数据并对设备进行 管理,为其大幅提升管理效率。

中联重科工业大数据平台架构图

为保证物联网设备数据的实时性,平台建设采用了 kafka、flume 相关技术。数据采集方面采用 sqoop 技术,在实时数据存储方面主要采用 Hbase、HDFS 文件。在数据仓库方面,则采用 hive、impala 等技术。另外,spark 等多项技术也被综合应用,保证平台的安全、顺利运营。

为保证数据安全,平台还引入了企业级数据治理组件,实现统一的元数据管理、数据 质量控制、数据溯源、数据操作权限管控、数据脱敏及数据使用审计功能,并贯穿数据存 储和应用的全过程。

影响

凭借Cloudera大数据平台,中联重科工业大数据的应用实践不仅为其项目实现了显著的经济效益,也为客户创造了可观的预期效益空间:

中联重科的服务成本下降了30%,零配件周转率提升20%;同时后服务市场收入大幅提升:设备租赁服务、二手设备交易以及零配件销售占比销售额提升10%;而深度数据分析带来的增值服务收益也提升了高达30%。

项目实施后,中联重科还成功地帮助客户提升自身经营管理的能力,为客户降低包括人力、燃油、维修、设备管理等设备运营主要成本。例如,“中联e管家”应用可以为客户提升设备管理效率高达30%;建筑起重机全生命周期管理平台能够为客户降低安全事故率20%,设备有效工作时长提升20%,人力、维修成本降低30%。


Cloudera公司基于最新的开源技术提供现代化的数据管理、分析和机器学习平台。全球领先的企业机构都信赖Cloudera公司帮助他们通过利用 Cloudera 企业版产品,解决其所面临的最具挑战性的业务问题。慧都大数据提供专业大数据团队为企业提供Cloudera大数据平台搭建和实施,免费业务质询,定制开发等服务,快速、轻松、低成本将任何Hadoop集群从试用阶段转移到生产阶段。

慧都大数据banner

慧都大数据还提供Hadoop大数据集群搭建、大数据平台搭建、大数据解决方案、免费业务咨询等大数据服务,以底层基于慧都大数据基础平台DataForce提供高效存储和计算能力,搭建安全、高效、可靠的大数据分析平台,我们还提供组件自定义搭配,为企业选择满足方案需要的大数据功能组件,使您的大数据解决方案成本降到最低,从而高品质的解决您的大数据需求问题。


相关案例:

2017-03-16 14:22:18 guanhui1997 阅读数 4473
  • 2020软考数据库系统工程师-下午案例分析真题解析视频

    2020软考数据库系统工程师视频培训课程:该教程掌握数据库系统工程师历年下午案例分析真题考查内容及考核方式,为考试和自身能力提高打下坚实基础。 适合对象: 希望将来从事数据库开发设计与数据库运行维护的IT从业者;希望通过软考-数据库系统工程师考试的学员(一次付费学习课程,直到通过考试,并且每年真题解析免费更新 )

    25193 人正在学习 去看看 任铄

        今天,整理了一些工业大数据的相关案例,看看各家企业是如何成功实施工业大数据的。

        1、能够实现全生产过程的信息透明化的案例

        通过采用集成自动化与驱动解决方案,能够显著提高生产效率和灵活性。原东德玻璃制造商f | glass就是一个很好的实例。它的工厂可以算得上是全世界最先进、最节能的工厂之一了。该工厂采用了一套集成自动化解决方案、一个先进的能源管理系统以及一个创新的热回收系统。从原材料供应和混合,到熔化过程,再到玻璃表面的精加工和调试,生产与物流均完全实现了自动化。通过全集成自动化(TIA),所有集成仪表、驱动、自动化及配电解决方案相互协同,所有生产流程高效而灵活。过程控制系统Simatic PCS 7可视化控制着700米长设备上的3000个测量点,实现了一年365天连续可靠的运行。

        2、能够实现生产设备的故障诊断和故障预测的案例

        某世界500强的生活消费公司每年在纸尿裤市场占据超过100亿美元的市场份额,在纸尿裤的生产过程中曾经遇到过令人十分头痛的问题:在完成纸尿裤生产线从原材料到成品的全自动一体化升级后,生产线的生产速度得到了大幅提升,每秒钟能够生产近百米的纸尿裤成品。然而新的生产线建成后一直没有办法发挥最大的产能,因为在高速生产过程中某一个工序一旦出现错误,生产线会进行报警并造成整条生产线的停机,随后由现场的工人将生产错误的部分切除后再重新让生产线运转,这样做的原因是一旦某一片纸尿裤的生产发生问题会使随后的所有产品都受到影响,因此不得不将残次部分剔除后重新开机。

        为了提升生产线的生产效率,这家公司与IMS合作对纸尿裤生产线的监控和控制系统进行了升级。我们首先从控制器中采集了每一个工序的控制信号和状态监控参数,从这些信号中寻找出现生产偏差时的数据特征,并利用数据挖掘的分析方法找到正常生产状态和偏差生产状态下的序列特征。随后用机器学习的方法记录下这些特征,建立判断生产状态正常和异常的健康评估模型。在利用历史数据进行模型评价的过程中。该健康模型能够识别出所有生产异常的样本并用0—1之间的数字作为当前状态即时动态监控拇标。于是在生产过程中的每一个纸尿裤都会被赋予1个0—1的健康值,当系统识别出某一个纸尿裤的生产出现异常时,生产系统将在维持原有生产速度的状态下自动将这一产品从生产线上分离出来,且不会影响到其他产品的生产和整条生产线的运转。

        这项技术后来被纸尿裤生产公司集成到了控制器当中,升级后的生产线实现了近乎于零的停机时间,也使生产线实现了无人化操作,每年由于生产效率提升所带来的直接经济价值就高达4. 5亿美元。

        3、能够实现生产设备的优化运行的案例

        (1)高圣是一家生产带锯机床的中国台湾公司,所生产的带锯机床产品主要用于对金属物料的粗加工切削,为接下来的精加工做准备。机床的核心部件是用来进行切削的带锯,在加工过程中带锯会随着切削体积的增加而逐渐磨损,将会造成加工效率和质量的下降,在磨损到一定程度之后就要进行更换。使用带锯机床的客户工厂往往要管理上百台的机床,需要大量的工人时刻检查机床的加工状态和带锯的磨损情况,根据经验判断更换带锯的时间。带锯寿命的管理具有很大的不确定性,加工参数、工件材料、工件形状、润滑情况等一系列原因都会对带锯的磨耗速度产生影响,因此很难利用经验去预测带锯的使用寿命。切削质量也受到许多因素的影响,除了材料与加工参数的合理匹配之外,带锯的磨耗也是影响切削质量的重要因素。由于不同的加工任务对质量的要求不同,且对质量的影响要素无法实现透明化,因此在使用过程中会保守地提前终止使用依然健康的带锯。

        因此高圣意识到,客户所需要的并不是机床,而是机床所带来的切削能力,其核心是使用最少的费用实现最优的切削质量。于是高圣开始从机床的PLC控制器和外部传感器收集加工过程中的数据,并开发了带锯寿命衰退分析与预测算法模块,实现了带锯机床的智能化升级,为客户提供机床生产力管理服务。

        在加工过程中,智能带锯机床能够对产生的数据进行实时分析:首先识别当前的工件信息和工况参数,随后对振动信号和监控参数进行健康特征提取,依据工况状态对健康特征进行归一化处理后,将当前的健康特征映射到代表当前健康阶段的特征地图上的相应区域,就能够将带锯的磨损状态进行量化和透明化。分析后的信息随后被存储到数据库内建立带锯使用的全生命信息档案,这些信息被分为三类:工况类信息,记录工件信息和加工参数;特征类信息,记录从振动信号和控制器监控参数里提取的表征健康状态的特征值;状态类信息,记录分析的健康状态结果、故障模式和质量参数。大量带锯的全生命信息档案形成了一个庞大的数据库,可以使用大数据分析的方法对其进行数据挖掘,例如通过数据挖掘找到健康特征、工艺参数和加工质量之间的关系,建立不同健康状态下的动态最佳工艺参数模型,在保障加工质量的前提下延长带锯使用的寿命。

        在实现锯机床“自省性”智能化升级的同时,高圣开发了智慧云服务平台为用户提供“定”制化的机床健康与生产力管理服务,机床采集的状态信息被传到云端进行分析后,机床各个关键部件的健康状态、带锯衰退情况、加工参数匹配性和质量风险等信息都可以通过手机或PC端的用户界面获得,每一个机床的运行状态都变得透明化。用户还可以用这个平台管理自己的生产计划,根据生产任务的不同要求匹配适合的机床和能够达到要求的带锯,当带锯磨损到无法满足加工质量要求时,系统会自动提醒用户去更换据带,并从物料管理系统中自动补充一个带锯的订单。于是用户的人力的使用效率得到了巨大提升,并且避免了凭借人的经验进行管理带来的不确定性。带锯的使用寿命也得以提升,同时质量也被定量化和透明化地管理了起来。

        高圣的智慧带锯机床和智能云服务在2014年的芝加哥国际机床技术展(IMTS)上推出后赢得强烈反响,被认为是智能化设备的杰出示范,赢得了广大客户的欢迎和青睐。

        (2)位于德国安贝格的西门子工厂即是一个很好的实例,该工厂负责生产Simatic系列PLC(可编程逻辑控制器Programmable LogicController)。大部分生产都实现了数字化,并独立于实际生产进行了仿真和优化。通过采用Simatic IT 制造执行系统,显著提高了生产效率和灵活性。该Simatic系统允许在一分钟之内更改产品和工序,这对于自动化系统来说卫是一个很大的挑战:另外,每天大约有一百多万个测量事件,不断地涌入中央系统。通过数据矩阵码扫描器和RFID芯片,采集产品信息,并加载到上位中央系统,以确保数据的一致性。这样,控制系统就可以掌握每一件产品的信息,例如产品当前状态、是否通过检验等。若该产品未能通过检验,控制系统将对其按照原有程序进行干涉,如:自动发送一封邮件到品控部门,为技术人员提供维护信息等。品控部门的员工将会收到一份内容包含装配计划和故障诊断的信息清单。正是因为应用了这一技术,使得西门子公司的这家工厂几乎成为了误差最小的工厂。其误差比率之低,十分惊人:百万缺陷率仅15,相当于工厂产品合格率为99. 9985 %。

        (3)大众汽车改造一条已经使用了17年之久的冲压生产线时,将产品生命周期管理软件(PLM)与其自动化软件相结合,使得改造时间有了明显的减少:在早起改造生产线的规划阶段,为提高生产效率,可以使用冲压线仿真软件,模拟出现有机器和处理设备,再对其进行优化。为了将冲压件的模拟程序做到最精确,在使用仿真软件的时候,还需要配合使用运动控制软件(Motion Control Software)。运动控制软件除可用于虚拟环境外,还可用于现实操作中。使用这种技术,在完成最后冲压线改造工程之后,经计算实现节能35 %,每分钟冲程数可由14次提高至16次,生产力明显提高。虽然表面上看,这2个冲程数并不起眼,但放在每个班次上所提升的效率是相当可观的。
2019-09-09 20:49:05 BAZHUAYUdata 阅读数 121
  • 2020软考数据库系统工程师-下午案例分析真题解析视频

    2020软考数据库系统工程师视频培训课程:该教程掌握数据库系统工程师历年下午案例分析真题考查内容及考核方式,为考试和自身能力提高打下坚实基础。 适合对象: 希望将来从事数据库开发设计与数据库运行维护的IT从业者;希望通过软考-数据库系统工程师考试的学员(一次付费学习课程,直到通过考试,并且每年真题解析免费更新 )

    25193 人正在学习 去看看 任铄

在信息极度爆炸和碎片化的时代,用户想要收集某类信息,从“网络搜索”→“逐条收集”→“汇总整合”需要耗费大量时间。今天,小八将分享如何利用爬虫数据,快速打造企业数据模型搭建、信息聚合平台、灾害预警等应用方案。

 

以下为八爪鱼真实企业案例

 

 客户案例一 

 

覆盖全网爬虫矩阵

建立企业多维度数据模型

 

 

公司背景:企业精准数据服务商/咨询公司,致力于为客户提供,基于全网全维度的企业数据,建立企业活力模型、进行风险评估监测以及制定AI精准营销方案。

 

面临问题:“数据”是公司业务的基础,公司如果自建全职爬虫团队成本过高,因此希望通过采用第三方的高级爬虫服务,获取精准企业数据,降低公司整体的运营成本。

 

 

八爪鱼解决方案

 

建立爬虫数据矩阵

政府、企业、垂直网站、新闻媒体

覆盖四大网站体系

 

① 明确采集目标——政府、企业、垂直网站、新闻媒体

 

建立企业活力模型所需的数据维度很多,企业要求八爪鱼覆盖4000+政府网站16000+企业网站1500+垂直网站与新闻媒体网站的数据采集。

 

② 明确采集细节——定时定频自动化采集,多平台数据标准化入库

 

由于网站和数量庞大,企业希望能每天采集2次,并通过API接口自动入库。八爪鱼私有云通过定时采集功能,系统每天上午和下午自动开启采集并将数据汇入企业后台,全程自动化,无需人工干预

 

③ 明确服务方式——私有云+规则定制+后期运维

 

由于网站数据量大且复杂,八爪鱼同样为该企业提供的是一整套数据采集解决&服务方案,包含私有云100个云节点+数据采集规则定制+后期运维。

 

采用了八爪鱼数据采集服务,企业无需再自建爬虫团队,为企业节省将近85万的人工费用(如加上服务器、办公等管理费用预计将超过100万)。

 

 

                                                                                         爬取结果

 

 

客户案例二 

 

国内制造业供应商“黄页”

搭建采购信息聚合平台

 

 

 

公司背景:国家级电子商务示范性企业。打造中国制造商品供应商平台、为全球采购商提供中国批发采购渠道来源。

 

面临问题:搭建了中国供应商的企业聚类平台,但企业的数量都有新增或减少,类目也偶尔变动,如果单纯靠人工去发现与筛查收集,非常耗时,需要浪费大量人力和精力维护运营

 

 

八爪鱼解决方案

 

私有云助力百万数据采集

全自动化运营降低人工运维

 

:明确采集目标——采集Alibaba全网站数据

 

公司需要实时覆盖阿里巴巴网站的供应商企业数据,并且希望能实时监控企业的信息变化,自动同步到自己的网站上。

 

②:确定采集细节——高达230W+数据量,每天全量采集

 

公司希望实现每天全量采集一次,阿里巴巴网站目录(含子目录)的所有企业数据,如供应商名录、类别、主营业务、ID等等。经估算,每一次全量采集的数据量高达到230W。因此,我们最推荐用户购买八爪鱼私有云版本,配置30个采集云节点,才能满足短时间百万数据采集需求。

 

③:确定服务方式——API高级数据接口,无缝对接企业数据库

 

由于数据量庞大,八爪鱼提供API接口,将数据自动同步到公司后台数据库中,帮助企业实时掌握供应商数量的增减以及行业整体的变化。

 

                                                                                               爬取结果

 

 

客户案例三 

 

24小时全渠道舆情监控

关键词触发灾害预警

 

 

公司背景:“消防信息”网络舆情监控平台

 

面临问题:平台需要第一时间发现到网络上有关消防火灾的舆情信息并进行通报,要实现一整套的项目方案,对数据的实时性要求非常公司自身不具备海量数据的爬取和分析能力

 

 

八爪鱼解决方案

 

全渠道媒体平台实时抓取

24小时第一时间舆情预警

 

① 明确采集目标——全渠道媒体覆盖

 

平台需要覆盖市面上所有主流社交媒体平台数据,如今日头条、百度资讯、微博、搜狗微信公众号、贴吧等。

 

② 明确采集细节——42个消防关键词全天不间断搜索

 

平台提供了与“消费救援”、“应急救援”相关的42个关键词,在各大平台进行批量搜索,并将搜索结果,通过八爪鱼API数据接口,返回至企业后台数据库中。

 

由于舆情监控对于实时性要求相当高,所以八爪鱼为平台设置了全天24小时不间断采集,几乎每30分钟~2小时就重新跑一次数据。

 

为了保证数据的“新鲜度”的同时,不会对企业造成历史数据庞大和数据冗余,八爪鱼通过设置对数据设置了“保鲜期”为近6小时,新数据产生后将自动覆盖旧数据,保证了企业数据库的精简、高效。

 

③ 明确服务方式——私有云+规则定制+后期运维

 

为使企业人力物力投入产出比最佳, 八爪鱼为平台提供了一整套解决&服务方案——八爪鱼私有云+采集规则定制+后期运维

 

企业方只需要关注数据最终成果即可,无需耗费时间学习整个八爪鱼的操作、规则配置等,后期运维也全权交由八爪鱼负责,企业只需专注于自己的专业业务领域即可。

 

 

                                                                                           爬取结果

 

 

八爪鱼数据采集器是深圳视界信息技术有限公司自主研发,整合了网页数据采集、移动互联网数据及API接口服务(包括数据爬虫、数据优化、数据挖掘、数据存储、数据备份)等服务为一体的数据服务平台,连续5年蝉联互联网数据采集软件榜单第一名。

 

自2016年,八爪鱼积极开拓海外市场,分别在美国、日本推出了数据爬虫平台Octoparse和Octoparse.JP。截止2018年,八爪鱼全球用户突破140万!

 

                                                                                  八爪鱼企业爬虫解决方案

                                                                                        点我开启定制 >> 

 

                                                                                        ▲ 扫码填写表单

                                                                                     我们将竭诚为您服务

 

                                                                                          八爪鱼·大数据

                                                                                         ▼扫码了解更多

                                                                                   只需3步,轻松获取数据!

 

 

2019-07-09 16:33:39 Butilikeyou 阅读数 33
  • 2020软考数据库系统工程师-下午案例分析真题解析视频

    2020软考数据库系统工程师视频培训课程:该教程掌握数据库系统工程师历年下午案例分析真题考查内容及考核方式,为考试和自身能力提高打下坚实基础。 适合对象: 希望将来从事数据库开发设计与数据库运行维护的IT从业者;希望通过软考-数据库系统工程师考试的学员(一次付费学习课程,直到通过考试,并且每年真题解析免费更新 )

    25193 人正在学习 去看看 任铄

MFC VS2015利用ado方式连接Access数据库(附源码,亲测可用)
本人系准研究生,暑期留校学习,计算机小白,初学C++,为完成老师布置的任务,其中涉及到数据库的连接,按照老师的要求避免对数据源进行配置,特采用ado方式连接Access数据库。经多次查阅资料加上自己的理解,最终得以对其进行实现。特将过程写下来与大家一起学习和以备后期复习之用。
首先,此程序的运行界面如图:
在这里插入图片描述
对数据库的各项内容进行显示,并可对其进行增删改查操作。
具体的过程简写为:
1…首先建立一个基于对话框的MFC程序,主界面可按照上图进行设计,并对其各个控件添加变量。另外建立一个Access数据库,本程序所用的数据库为.mdb格式。
2…在stdafx.h文件末尾添加如下代码:

#import "c:/program files/common files/system/ado/msado15.dll" no_namespace rename ("EOF", "adoEOF")

注意:此句代码尽量放在同一行中,如确需要分行,要加分隔符。
3…在app.h文件中添加如下代码进行函数和变量的声明:

_ConnectionPtr  m_pConnection;
virtual int ExitInstance();

4…在app.cpp中加上如下代码:

AfxOleInit();
	m_pConnection.CreateInstance(__uuidof(Connection));

并进行打开本地数据库的操作,本程序的数据库名称为Database1.mdb。

m_pConnection->Open("Provider=Microsoft.Jet.OLEDB.4.0;Data Source= Database1.mdb", "", "", adModeUnknown);

此处最好利用try catch 语句形式来定位是否成功连接(详细定义见源代码,此处不再赘述)。
注:务必事先将已经编辑好的数据库放到本程序的文件夹位置,如图所示:
在这里插入图片描述
5…在Dlg.h文件中添加代码,声明三大指针,以及错误显示函数:

static void dump_com_error(_com_error &e);  
	_ConnectionPtr m_pConnection;
	_CommandPtr m_pCommand;
	_RecordsetPtr m_pRecordset;

dump_com_error函数的定义会在源文件上进行声明(篇幅有限,声明过程不再赘述,用Afxmessagebox同样可以实现此功能)。
6…在Dlg.cpp文件中的初始化中对表格进行初始化,并将数据库中的表进行连接和开启。实现代码如下:

m_pRecordset.CreateInstance(__uuidof(Recordset));
	long sum;
	try
{
	m_pRecordset->Open("SELECT * FROM t_work",
		theApp.m_pConnection.GetInterfacePtr(),	 // 获取库接库的IDispatch指针
												 //_variant_t((IDispatch*)m_pConnection,
		adOpenDynamic,
		adLockOptimistic,
		adCmdText);
	sum = m_pRecordset->GetCacheSize();
}
catch (_com_error& e)
	{
		dump_com_error(e);
	}

在进行增删改查之前,还需要加入以下函数功能进行辅助,以获取选中的表中某行数据和位置:

void CAccess_ConnectionDlg::OnLvnItemchangedListaccess(NMHDR *pNMHDR, LRESULT *pResult)
{
	LPNMLISTVIEW pNMLV = reinterpret_cast<LPNMLISTVIEW>(pNMHDR);
	for (int k = 0; k < m_AccessList.GetItemCount(); k++)
	{
		if (m_AccessList.GetItemState(k,LVIS_SELECTED) == LVIS_SELECTED)
		{
		n = k;
		m_ID = m_AccessList.GetItemText(k, 0);
		m_Name = m_AccessList.GetItemText(k, 1);
		m_Function = m_AccessList.GetItemText(k, 2);
		m_Value = m_AccessList.GetItemText(k, 3);
		m_Range = m_AccessList.GetItemText(k, 4);
		m_Alarm = m_AccessList.GetItemText(k, 5);
		UpdateData(FALSE);
	}
}
// TODO: 在此添加控件通知处理程序代码
*pResult = 0;

}
此功能可以实时显示选中的数据,并可将行数传输给全局变量n,提供给删除和修改过程使用。
7…写入新的数据操作:

try
	{
		// 写入各字段值
		m_pRecordset->AddNew();
		m_pRecordset->PutCollect("ID", _variant_t(m_ID));
		m_pRecordset->PutCollect("Name", _variant_t(m_Name));
		m_pRecordset->PutCollect("Function", _variant_t(m_Function));
		m_pRecordset->PutCollect("Value", _variant_t(m_Value));
		m_pRecordset->PutCollect("Range", _variant_t(m_Range));
		m_pRecordset->PutCollect("Alarm", _variant_t(m_Alarm));
		m_pRecordset->Update();
		AfxMessageBox(_T("插入成功!"));
		// 重新读取以更新显示其库内容
		OnBnClickedReadaccess();
	}
catch (_com_error& e)
	{
		dump_com_error(e);
	}

8…查询操作:

_variant_t var;
while (!m_pRecordset->BOF)
		{
			var = m_pRecordset->GetCollect("ID");
			if (var.vt != VT_NULL)
				strID = (LPCSTR)_bstr_t(var);
			var = m_pRecordset->GetCollect("Name");
			if (var.vt != VT_NULL)
				strName = (LPCSTR)_bstr_t(var);
			var = m_pRecordset->GetCollect("Function");
		...
			m_AccessList.InsertItem(0, strID);
			m_AccessList.SetItemText(0, 1, strName);
			m_AccessList.SetItemText(0, 2, strFunction);
			...
		}

9…删除过程

try
	{
		m_pRecordset->Move(n+1);
		m_pRecordset->Delete(adAffectCurrent);
		m_pRecordset->Update();
		//m_pRecordset->Requery(NULL);
		OnBnClickedReadaccess();
		AfxMessageBox(_T("删除成功"));
	}

10…修改过程

try
	{
		// 写入各字段值
		m_pRecordset->Move(n+1);
		m_pRecordset->PutCollect("ID", _variant_t(m_ID));
		m_pRecordset->PutCollect("Name", _variant_t(m_Name));
		m_pRecordset->PutCollect("Function", _variant_t(m_Function));
		m_pRecordset->PutCollect("Value", _variant_t(m_Value));
		m_pRecordset->PutCollect("Range", _variant_t(m_Range));
		m_pRecordset->PutCollect("Alarm", _variant_t(m_Alarm));
		m_pRecordset->Update();
		AfxMessageBox(_T("修改成功!"));
		// 更新显示其库内容
		OnBnClickedReadaccess();
	}

11…其中删除和修改过程move(n+1)的作用是将记录集指针挪到鼠标所选中位置,接下来再对其进行相应操作,就很简单了。另外,在每个实现代码之后要补充错误显示函数,也就是:

 catch (_com_error& e)
	{
		dump_com_error(e);
	}

12…由于这是本人第一次写东西,也是一小白,只能将自己所理解的写上去,某些代码的具体作用原理还有待进一步探究。而且因为篇幅有限,不能完整的将整个过程写下来,只能给大家提供一些仅有的借鉴,具体的完整程序大家有兴趣的话可以看下源码,希望和一些跟我一样的初学者们一起学习进步。源码地址为:https://download.csdn.net/download/butilikeyou/11301675

2016-07-26 15:31:18 hualalalalali 阅读数 2822
  • 2020软考数据库系统工程师-下午案例分析真题解析视频

    2020软考数据库系统工程师视频培训课程:该教程掌握数据库系统工程师历年下午案例分析真题考查内容及考核方式,为考试和自身能力提高打下坚实基础。 适合对象: 希望将来从事数据库开发设计与数据库运行维护的IT从业者;希望通过软考-数据库系统工程师考试的学员(一次付费学习课程,直到通过考试,并且每年真题解析免费更新 )

    25193 人正在学习 去看看 任铄

数据是企业发展的信息积累,利用好就能变成财富,不利用就会变成数据库中堆积的无用字段,甚至成为妨碍企业信息化进步的绊脚石。

随着大数据利用的火热,越来越多的成功案例警醒着企业数据利用的重要性,数据可视化作为大数据生态链的最后一公里,也是最能直接感知信息的环节。

以某集团企业为例,在资本市场运作下,现有的信息化水平已经不能满足业务需求,尤其是对资产、财务的可视化程度以及生产和销售的精细化程度要求越来越高。对于引入更科学化的管理手段来配合企业的决策层和管理层,已迫在眉睫。此外,业务层需要对企业运营状况有更全局的掌控,这些都离不开可视化的数据管理。

针对这些问题,他们提出了这样的目标

1、  整合企业数据,稳定的大数据处理性能,将迅速增长的业务数据,更多地用于经营分析和业务管控,改变当前手工处理大量数据的困境。

2、  能够满足总部及各分部管理部门,以及从田间到餐桌各生产环节业务部门的自助分析需求,灵活的报表输出和可视化的多维分析。

3、  将企业的资产负债,财务指标,销售,采购与库存,税务等整个企业经营链条系统化、可视化,通过核心指标仪表盘展示,数据预警等让领导层对公司的运营状态有个全局管理视图。能够有移动解决方案打通BI管理系统,满足企业移动化管理需求。

考虑到帆软在此之前积累了飞鹤,光明等众多乳企的服务经验,旗下拥有FineBI商业智能工具和FineReport企业级web报表工具,无论从底层应用开发还是前端展示,领导数据可视化分析都有着成熟的方案。

解决方案与实现效果:

1、基于企业业务的数据全局视图

由于BI工具支持多种数据源,可以通过建立数据仓库,将企业中的所有相关数据经过ETL转换,数据清洗后放到数据仓库中。此外,由于FineBI业务数据包的概念,数据分析按照业务来分析能够实现按照业务对数据进行分类、管理和权限配置。

2、可视化的报表生成,自由拖拽多维分析,为业务部门提速

①报表输出无须建模,简单可视,无须建模,避免了业务人员写SQL语句的困扰,可以查看实时报表。

②因为提供可视化的OLAP多维分析,业务部门可以按主题与多维度分析与某项指标相关的影响要素。在可视化操作方面,过滤控件,计算指标,联动和钻取,以及切片,切块等换维操作,数据预警等功能都很实用。

销售组销售分析:


客户应收应付分析:


3、集中统一的决策管理平台,让管理层更加运筹帷幄

决策平台的搭建实现了报表管理、用户管理、机构管理、权限管理、定时调度等,进而支撑起“一个平台”的信息化管理方式。领导对于集团的经营状况了解更全面直观,决策更加集中。

整体销售情况:


订单生产情况:


没有更多推荐了,返回首页