精华内容
下载资源
问答
  • 数据仓库之数据粒度

    千次阅读 2019-04-10 11:34:31
    数据粒度主要针对指标数据的计算范围,如人口这个数据项在统计部门是以街区范围还是一个社区为范围统计的。人口数据细化程度越高,粒度级就越小;相反,细化程度越低,粒度级就越大。粒度是数据仓库主要设计问题,...

    粒度的定义

    确定数据仓库中数据的恰当粒度是数据仓库开发者需要面对的一个最重要的设计问题。数据粒度主要针对指标数据的计算范围,如人口这个数据项在统计部门是以街区范围还是一个社区为范围统计的。人口数据细化程度越高,粒度级就越小;相反,细化程度越低,粒度级就越大。粒度是数据仓库主要设计问题,因为它极大地影响存放在数据仓库中的数据量的大小,同时影响数据仓库所能回答的查询类型。在设计数据仓库的时候权衡数据量大小和查询类型得出合理的粒度大小。下面我们通过规划设计和建设两个阶段来讲解数据仓库粒度的确定。

    1.规划阶段

    “规划”——对未来整体性、长期性、基本型问题的思考和考量,设计未来整套行动的方案。在规划阶段过程中首先粗略估算数据量,估算的目的是掌握数据仓库中数据量的一个范围。第二步预测未来数据集市中应用需要的粒度,数据仓库存储数据集市使用的最小粒度。

    1.1.建立良好的循环反馈机制是很重要的。

    首先就要建立完善的循环反馈机制。数据仓库是面对模糊需求开始建立的,粒度不可能一次就能规划好,先导入少量数据,建立一部分应用提交给用户使用,并聆听用户使用意见,根据用户的使用意见调整粒度的大小。

    1.2.对存储数据进行粗略估算对设计体系结构的人员来说非常有用。

    粗略估算数据仓库的数据量,可跟好的规划数据仓库架构。如果数据只有10 000行,那么数据仓库采用粒度级越小的数据存储,数据仓库中存储所有明细数据。如果明细数据有10 000 000行,进入数据仓库的数据就需要进行初步汇总。如果有100亿行,数据仓库不但需要有一个高粒度级,还可能将大部分数据移到溢出存储器上去。

    估算方法如下:

     

    数据量估算方法

     

     

     

    注意:对数据仓库大小的估算预测几乎总是偏低,而且,数据仓库的增长速率一般比预测的要快。

    1.3.预测数据集市中可能使用的数据粒度是很必要的。

    为了合适地填充所有的数据集市,数据仓库中的数据必须在一个所有数据集市所需要的最低粒度水平上。

    规划阶段的成果是数据仓库建设的重要依据内容。规划阶段对组织架构,数据量大小和后期应用的摸底,可以制定方案,并对可能的结果有预先的认知,对可能存在的问题设计上进行避免。

    2.建设阶段

    2.1.根据估算的空间结果,在体系架构设计上可以根据数据量大小进行存储设备选择。需要多少直接存取存储设备,是否需采用双重粒度设计。

     

    估算是建设的输入

     

    2.2.设计溢出数据的管理。溢出数据是指数据仓库将不经常被访问的过时的数据转移到存储量更大的访问速度慢的存储器上的数据。管理溢出数据可以方便索引定位历史数据并可以快速取出该数据。

    跨介质存储管理器和数据活动监控器可以对溢出数据进行有效的管理。磁盘存储器和大容量低速存储器之间的数据移动是通过一种称为“跨介质存储管理器(CMSM)”的软件来控制的。数据活动监控器,用来确定哪些数据正在被访问,哪些没被访问。数据活动监控器能提供数据存储的位置信息。

     

    跨介质存储管理器与数据活动监控器

     

    2.3.实施数据仓库过程中粒度的确定是一个往复循环的过程。利用规划阶段建立的反馈循环方法,不断的从分析员获得反馈,不断的优化数据仓库。

     

    循环往复的反馈机制

     

    第一次的设计过程中,如果有50%是正确的,那么整个设计就是成功的。

    从图可以看出成功建立数据仓库离不开分析人员的通力协作。建设者要不断的聆听分析员的意见。分析人员在建立数据仓库的时候并不知道自己需要什么,只有在他们看到最终分析结果,才能告诉数据仓库工作人员什么才是他们真正有用的。为了有效的获得反馈,以下几点技巧可供参考:

    快速建立数据仓库很小的子集并认真听取用户的反馈意见;

              使用原型方法;

              参考别人的经验;

              与有经验的用户协同工作;

              以企业中已有的功能需要作参考;

              定期举行数据仓库建设例会。

    3.例举银行粒度小例子

    3.1.银行环境中粒度级别,下图是银行中的数据粒度例子。

     

    银行数据粒度

    银行的操作层存放的是以日为单位粒度的数据。银行的各个业务系统只存放最近60天交易活动明细内容,方便用户查询最近两个月的交易信息详情,这段时间用户对交易数据明细最为关心。

    数据仓库层将数据汇聚成以月为单位粒度的汇总数据。银行将过去长达十年的数据按每个账户每月交易信息进行汇聚,存储在直接存储设备,供高速查询访问,用户对过去很久的交易明细并不在意,但是用户需要快速查询得出结果,此时提供以月为单位的汇总数据可以满足用户的需求。

    所有的历史数据以日为单位存放在溢出存储区,该区域数据量极大,访问频率极低。一般银行不受理长达十年的历史明细数据查询的请求,如果一些特殊情况需要查询超过十年的历史数据,查询时间会相当缓慢。

    4.小结

    数据仓库粒度的确定是一个困难的过程,要求一个合适的级别,既不能太高也不能太低。

    选择粒度级别很大程度上基于常识。建设之前作好适当的规划,估算数据量并建立相应的反馈制度。在实施的过程中,首先建立数据仓库的一小部分,并让分析人员使用。然后聆听他们的意见,根据他们的反馈对粒度级别进行适当的调整。



    转载地址:https://www.jianshu.com/p/4928a2c5329b

    展开全文
  • 数据仓库中的数据粒度

    千次阅读 2010-07-07 23:29:00
    通常数据仓库中包含大量数据表,如何在软硬件资源确定的情况下,正确划分数据粒度,确保数据满足客户的决策分析需求,成了数据仓库逻辑设计的一个重要方面。1 确定数据粒度的基本准则   数据粒度是指数据仓库中...

     转自:http://articles.e-works.net.cn/BI/Article61872.htm

     

    数据分析在决策支持及趋势分析中发挥着重要的作用。通常数据仓库中包含大量数据表,如何在软硬件资源确定的情况下,正确划分数据粒度,确保数据满足客户的决策分析需求,成了数据仓库逻辑设计的一个重要方面。

    1 确定数据粒度的基本准则

        数据粒度是指数据仓库中保存数据的细化或综合程度。数据仓库中包含大量数据表,这些数据表中的数据以什么粒度来存储,会对信息系统的多方面产生影响。在做 数据仓库设计时,设计者确定以数据的什么层次作为粒度的划分标准,将直接影响到数据仓库中数据的存储量及查询质量,并进一步影响到系统是否能满足最终用户 的分析需求。一般情况下,根据数据粒度划分标准可以将数据仓库中的数据划分为:详细数据、轻度总结、高度总结三级或更多级。在确定数据粒度时,应注意的一 条原则是:细化程度越高,粒度越小;细化程度越低,粒度越大。确定数据粒度是数据仓库设计的基础,当数据粒度合理确定后,设计和实现的其他问题就会变得非 常容易,相反,如果没有合理地确定粒度,后续的工作就会很难进行下去。

    2 数据粒度划分基本方法

        在数据仓库逻辑设计过程中如何确定数据粒度,目前还没有一个精确度量的方法,设计者应将考虑的重点放在数据仓库中数据的存储量大小及数据是否满足最终客户 需求上。下面以笔者参与的证券行业数据仓库设计过程中数据粒度划分为例,来说明数据粒度准则在实际工作中如何应用。

        证券行业属于数据密集型企业,在日常的工作中积累了大量交易、财务、财经数据。这些海量的数据长期处于无价值状态,如何充分利用这些数据,从这些数据中发 现有价值的信息呢?建立数据仓库是证券公司一个不错的选择。利用数据仓库提供的强大数据分析能力,能使证券公司在提升客户服务、提高资产质量、降低成本上 起到非常重要的作用。数据仓库具有面向主题的、集成的、相对稳定的、非易失性等特点。那么,证券行业数据仓库中数据粒度如何确定呢?首先是数据存储量的估 算,在这里我们不可能知道精确的存储量,但可采用粗略估算的方法来估算数据仓库中将要使用到的DASD(直接存取存储设备)数量。面对数据仓库中确定的各 主题域,设计者要建立若干事实表,对每一个表中可能存储的最多和最少数据进行估算是估算DASD的第一步。在估算过程中我们同样不可能知道每个表的精确行 数,这里可以以数量级为估算单位初步估计行数的上下限。对于未来数据量变化趋势,则只能以市场变化情况为依据来估算数据量的变化情况。例如证券行业,可以 根据过去若干年的客户变化情况,估计未来一年内客户数量的变化,进而估计5~10年的变化情况(注意要估算最多和最少的情况)。对每个事实表进行如上估算 后,结合估算事实表的索引项大小,可以计算出最大、最小的DASD数。笔者参与的证券行业数据仓库系统以Oracle作为DBMS,得到数据量估算表(见 表1)。


    表1 数据量估算表


        从表1我们得到了DASD的最大最小估算数据和行数的最大最小估算值,紧接着就是确定数据粒度了。这时可以参照行业经验值来确定是否需要双重或多重粒度, 但不管经验值如何,笔者认为除非是轻量级的数据仓库,一般均需要双重粒度,大多数情况下数据仓库需要多重粒度。表2是行业经验值。


    表2 数据粒度经验值


        通过以上两个步骤,我们对数据仓库设计有一个初步认识,下面是如何确定数据粒度级别。如果数据仓库只需要单一粒度,则数据粒度的级别就没有很高的讨论价 值,所以笔者认为数据粒度级别是针对多重粒度而言出现的一个概念。什么是数据粒度级别?笔者参考了大量数据仓库书籍,对数据粒度级别均没有明确的定义。笔 者认为数据粒度级别应该着重分析“级别”二字,其分析的对象是主题领域中某个确定的“维度”。例如对客户交易在时间维度上进行分析,那么就可以将数据粒度 级别理解为:你准备在时间维上按什么标准来对数据进行处理。对于双重粒度和多重粒度的级别设计问题,没有一个特别可行的方法来指导我们设计,唯一可行的办 法是采用猜测方法。在做数据仓库设计时,你无法得到精确的需求,对DSS分析员来说,只有你拿出了具体的设计方案后,他们才能将有用的信息反馈给你,所以 猜测法的出发点是DSS分析员的大概需求和你的实际经验。总的来说,针对特定的主题域、特定的维度到底在何种级别上建立汇总数据,要根据项目大小来做决 定,在太低细节级数据上建立汇总会使该汇总没有任何实际意义,处理数据时将消耗大量资源;在太高细节级上建立汇总数据将会使处理时过多依赖真实档案。笔者 在设计证券行业数据仓库时,粒度级别是这样确定的:如果要对客户交易行为分析,可以确定如下分析维度,交易方式(现场、非现场)、交易手段(互联网、电 话、热键、刷卡)、交易时间等等。现在DSS分析员要对客户的交易手段进行分析,在设计数据仓库时,多重粒度的设计是毫无疑问的了,那么数据粒度级别如何 确定呢? 你在时间维上按什么来汇总数据确保DSS分析员做分析时能得到他们需要的数据呢?首先考虑的是在详细数据的基础上以较低级别来汇总数据(如以交易日为单 位),那么做年度数据分析时,系统必然要消耗很大资源;但如果在较高级别上汇总数据(以年为单位),则极有可能需要向下挖掘数据来分析其月或者日的数据。 因此,你唯一可行的办法是猜测,进而与DSS分析员交流来确定数据粒度级别。在这里,笔者采用三重粒度设计方案,数据仓库中包括详细数据、按月汇总数据、 按年汇总数据。经过上述几个步骤,基本符合要求的数据粒度已经确立,在最终确定以前必须与用户反复讨论,确定数据粒度划分是否符合所有主题域分析需求。

    3 结束语

        选择合适的粒度级别是数据仓库建设好坏的重要关键内容。选择粒度级别的一般方法,是先利用常识建立数据仓库的一小部分,并让用户去访问这些数据;然后根据 系统运行情况及客户的反映,适当调整粒度的级别。在设计数据粒度时,通常需重点考虑以下因素:(1)要接受的分析类型、可接受的数据最低粒度和能存储的数 据量;(2)粒度的层次定义越高,就越不能在该仓库中进行更细致的分析;(3)在同一模式中使用多重粒度;(4)如果存储资源有一定的限制,就只能采用较 高粒度的数据粒度划分策;(5)粒度的确定实质上是业务决策分析、硬件、软件和数据仓库使用方法的一个折衷;(6)数据粒度划分策略一定要保证数据的粒度 确实能够满足用户的决策分析需要,这是数据粒度划分策略中最重要的一个准则。

    展开全文
  • 跨视图数据粒度计算(Cross-Granularity Calculation)是网易有数推出的新功能,CGC的优点是您可以独立于当前视图用的维度来执行此计算。CGC计算表达式一共有三种,分别是:FIXED,INCLUDE,和EXCLUDE。为了理解网易...

    此文已由作者王文开授权网易云社区发布。

    欢迎访问网易云社区,了解更多网易技术产品运营经验。


    跨视图数据粒度计算(Cross-Granularity Calculation)是网易有数推出的新功能,CGC的优点是您可以独立于当前视图用的维度来执行此计算。CGC计算表达式一共有三种,分别是:FIXED,INCLUDE,和EXCLUDE。为了理解网易有数的CGC在何时/何地/为什么需要使用它,我们首先必须理解:

    1、什么是数据粒度?

    2、在网易有数中哪些地方会影响视图的数据粒度

    一、什么是数据的粒度?

    我们假设有一个的表格,其中包含以下字段:OrderID,Customer Name和Sales。一共有12行记录:

    1240

                                  基础明细数据

    这个表格数据中,OrderID是主键,所以这张表的最明细的数据粒度就是OrderID这个字段,因为这个字段能够区分表中每一条记录。所以可以这么来理解:

    能够区分每一行数据的字段称之为该数据的最细粒度。

    在这个例子中,我们对“Sales”这个字段进行求平均值。我们按照最细的数据粒度来,是对所有12条记录进行求平均值。

    1240

                                   求平均值

    我汇总了Sales整列,然后将它除以总行数,即3,059.00除以12。这个结果是每个记录的平均销售额为 254.92。

    在网易有数中,如果你仅仅将“Sales”字段拖入图表后,聚合方式选择“平均值”,不放置任何其他维度的时候,可以看到,网易有数会默认使用最细的粒度进行计算。

    1240

                                                         销售额平均值

    我们可以看到,这和将“OrderID”放置在Y轴,然后在再对“Sales”进行求平均值,结果是一样的。

    1240

    接下来,我们考虑使用原始数据中的“Customer Name”维度,来改变“Sales”的聚合粒度。比如我在网易有数中提出了以下的问题:

    每位顾客的平均销售额是多少?

    现在我们先按照“Customer Name”字段进行排序,重新排列我们表格的数据。

    1240

                                     按客户名称排序

    接着,让我们按“Customer Name”字段对我们的所有订单进行分组,并按客户的销售额进行汇总。

    1240

                                      按客户进行分组

    最后,我们可以像以前一样对“Sals”整列进行求和,然后除以新的行数。在这种情况下,我的分母将是8个客户,而不是原来的12条记录了。结果是每个客户$ 3,059.00除以8,等于382.38美元。

    也就是,当前对“Sales”求平均值的时候,计算的粒度变了,从原来的“OrderID”,变为了“Customer Name”,

    所以,抽象来说:

    我们在对任何一个度量进行聚合方式计算的时候,依赖的当前维度对数据的划分。

    二、网易有数中的视图粒度

    视图,可以简单的理解成图表。

    在网易有数的图表数据面板中,有两个区域能够决定您这张图表的粒度。

    1 是X轴和Y轴、

    2 是 属性面板

    1、是X轴和Y轴。

    比如,我在Y轴放入“地区”,X轴放入“销售额”字段,并且“销售额”的聚合方式选择“平均值”

    1240

                                                    X轴Y轴

    然后就会得到下面这张图,这种图相当于是在“地区”的粒度上,对“销售额”取了平均值,

    也就是对每个地区下的每一条记录先求和,然后除以该地区下的记录行数。

    1240

                                                                 图表

    2、属性面板

    属性面板也可以对度量进行粒度的划分,比如你先将“利润”和“销售额”分别放到了X轴和Y轴上,得到下图,因为还没有任何维度对两个指标做切分,代表的是所有行记录销售额和利润的总和,,所以会聚合成了一个点。

    1240

                                                      利润销售额关系1

    当你将“订单ID”放置到属性面板的【细分】栏上后,相当于对图表增加了粒度,此时图表就会进行了细分,展现出每个“订单”的销售额和利润。

    1240

    不论是X轴,Y轴,还是属性面板,在这些里面放字段都会改变图表的样式。那有没有一种方式能够支持让分析是自由的定义度量的计算粒度,不会受到当前图表视图的粒度影响?

    这就是网易有数中的跨视图粒度计算(Cross-Granularity Calculation)的功能,CGC的优点是您可以独立于当前视图用的维度来执行此计算。如果我将一个字段拖到X轴,Y轴或属性面板上,那么整个视图将会受到影响。CGC允许我们设置的粒度水平,而与当前视图无关。

    CGC计算表达式一共有三种,分别是:FIXED,INCLUDE,和EXCLUDE。在后续文章中,我会对这三个表达式做详细的介绍。


    网易有数:企业级大数据可视化分析平台,具有全面的安全保障、强大的大数据计算性能、先进的智能分析、便捷的协作分享等特性。点击可免费试用


    相关文章:
    【推荐】 windows系统下npm升级的正确姿势以及原理
    【推荐】 为什么 kubernetes 天然适合微服务
    【推荐】 数据分析怎么更直观?十分钟构建数据看板

    展开全文
  • 数据仓库中数据粒度

    千次阅读 2014-06-29 10:34:51
    粒度问题是设计数据仓库的一个最重要方面。粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高,粒度级就越小;相反,细化程度越低,粒度级就越大。确定粒度数据仓库开发者需要面对的一个...

        粒度问题是设计数据仓库的一个最重要方面。粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高,粒度级就越小;相反,细化程度越低,粒度级就越大。确定粒度是数据仓库开发者需要面对的一个重要的设计问题。如果数据仓库的粒度确定合理,设计和实现中的其余方面就可以非常顺畅地进行;反之,如果粒度确定的不合理就会是其他所有方面都很难进行。粒度对于数据仓库体系结构设计人员来说,非常重要,因为粒度会影响到那些依赖于从中获取数据的数据仓库的所有环境。

        粒度的主要问题是使其处于一个合适的级别,粒度的级别既不能太高也不能太低。低的粒度级别能提供详尽的数据,但要占用较多的存储空间和需要较长的查询时间。高的粒度级别能快速方便的进行查询,但不能提供过细的数据。在选择合适粒度级别的过程中,要结合业务的特点,分析的类型、依据的总的存储空间的等因素综合考虑。

    数据仓库中的粒度模型

        所谓粒度,指的是数据仓库中数据单元的细节程度或综合程度的级别,在数据仓库中记录数据或对数据进行综合时所使用的时间段参数(《数据仓库和数据挖掘》)。它决定了数据仓库中所存储的数据单元在时间上的详细程度和级别。
        粒度可分为两种形式,第一种形式的粒度是对数据仓库中数据综合程度高低的一个度量,它及影响到数据仓库中数据量的多少,也能影响到数据仓库所能回答的讯问的种类。粒度越小,则详细程度越高,综合程度就越低,回答讯问的种类越多;相反,粒度越大,则向此程度越低,综合程度越高,回答讯问的种类也就越少。另一种形式的粒度是样本数据库粒度,与同城意义下的粒度不同。样本数据库粒度界别不是根据综合层序的不同来划分的,而是根据采样率的高低来划分的。采样粒度不同的样本数据库可以具有相同的综合级别。样本数据库一般是以一定的样本率从细节档案数据或轻度综合数据中抽取的一个自己。它是根据一定需求从数据源中获得一个样本,因而也就不能回答一些细节性的问题。样本数据库的抽取可以按照数据的重要程度不同来进行。
                                                                              文章整理于网络,如有错误,欢迎指出。
    展开全文
  • 普安科技股份有限公司总经理杨文仁论述了《云架构下细化数据粒度的趋势》。数据存储采用不同的分级设备,第一层它是一个固态盘,热点的数据先放进去,不需要的时候,它自己会搬离,不需要你做人工设定。并且依照你的...
  • 云架构下细化数据粒度的趋势-杨文仁 9月23日至25日,由中国互联网协会和国家计算机网络应急技术处理协调中心(CNCERT/CC)指导,360公司主办的2013中国互联网安全大会(ISC)在北京举行。亚太区总经理杨文仁...
  • 主要内容包括数据仓库的设计与建造步骤,传统系统到数据仓库的迁移,数据仓库的数据粒度、数据分割、元数据管理、外部数据与非结构化数据,分布式数据仓库、高级管理人员信息系统和数据仓库的设计评审等。...
  • 数据粒度(数据仓库)

    千次阅读 2006-03-25 21:22:00
    数据仓库的粒度数据仓库中的粒度是指数据的详细程度,同样为了描述一个情况,我可以用很多的数据,但同样我也可以只用必需的数据。而这起决于存储器。如果有很大的硬盘,那就没有我们不能存的事情。所以,估计一年...
  • 数据仓库粒度的划分,如何对数据仓库中数据粒度进行划分
  • 数据仓库粒度

    千次阅读 2015-04-26 19:41:45
    粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。 细化程度越高,粒度级就越小;相反,细化程度越低,粒度级就越大。数据粒度一直是一个设计问题。数据仓库环境中粒度之所以是主要的设计问题,是...
  • 在数据仓库的开发过程中,确定数据仓库中的数据的粒度是至关重要的,翻阅了很多书籍,对粒度的描述都过于笼统,百度百科对数据粒度的定义: 数据粒度,是指数据仓库中数据的细化和综合程度。根据数据粒度细化标准...
  • 数据仓库的粒度

    2014-02-27 08:12:25
    粒度是指数据仓库的数据单位中保存数据的细化或综合程度的级别。细化程度越高,粒度级就越小;相反,细化程度越低,粒度级就越大。数据粒度一直是一个设计问题。数据仓库环境中粒度之所以是主要的设计问题,是因为...
  • 一、数据仓库中的 数据组织级别、 二、数据仓库中的 元数据、 三、粒度 ( 根据 数据综合程度 划分粒度 )、 四、粒度 ( 根据 样本采样率 划分粒度 )、 五、分割、 六、数据仓库组织形式
  • 数据分类中的粒度计算数据分类中的粒度计算
  • 数据仓库设计中,粒度级别的确定是需要解决的最重要的问题。合适的粒度,不仅能提供最优的决策信息,而且能够节约存储空间,具有较高的访问效率。以超市购物系统为基础,研究其数据仓库设计中的粒度问题,根据系统...
  • 假如只有time,quality两个字段,现在的时间是一分钟一条的粒度,想把它变成30分钟粒度的,quality字段将30分钟的数据相加!
  • 外包云数据的保护隐私的细粒度数据检索索引
  • 提出一种细粒度的移动数据安全保护模型,通过在智能终端和移动接入网关/服务器处针对移动数据、移动应用进行标记,对移动数据的操作进行控制,达到移动数据安全隔离的目的,进而实现对移动数据粒度的安全管理功能...
  • 设计思路:在选择适当粒度级别的过程中需要进行的权衡将围绕管理大量的数据和存储尽可能高粒度级别上的数据来进行,避免因细节数据量太大而导致的数据无法使用的问题。此外,如果有真正非常大量的数据,就要考虑将...
  • 以空间遥感数据为研究对象,研究多粒度标记数据的分类问题。首先,根据地表物的不同物理含义,可以得到一个多粒度的决策表。然后,通过知识约简发现隐藏在多粒度决策表中的if-then分类规则。最后,根据实际的遥感数据给出...
  • DGCC:数据驱动的粒度认知计算
  • 数据仓库学习--数据仓库的粒度

    千次阅读 2013-11-28 22:36:56
     ...粒度对于数据仓库体系结果设计人员也非常重要,因为粒度会影响到那些依赖于从中获得数据的的数据仓库的所有环境。粒度影响数据传送到不同环境中的效率,从而决定可以进行的分析的类型。  
  • R把天数据按照不同时间粒度聚合数据(Aggregate).pdf
  • 摘要:本文采用 ALTERA公司 Cyclone系列的 FPGA芯片和 IP核 PCI_t32,设计了可应用于LSA系列激光粒度测试仪的数据采集系统,并在 FPGA内部实现了系统的控制逻辑和 PCI总线接口。该系统利用 AD7321可为 112路模拟信号...
  • 基于粒度计算的交通数据处理

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 227,255
精华内容 90,902
关键字:

数据粒度