TM1 Developer Jobs. TM1 Developer Salary Trend. Dette diagrammet gir 3 måneders glidende gjennomsnitt for lønn sitert i permanente IT-jobber med henvisning til TM1 Developer. TM1 Developer Top 8 arbeidsplasser. Tabellen nedenfor viser etterspørselen og gir en guide til medianen lønn sitert i IT-jobber citerer TM1 Developer i Storbritannia i løpet av 3 måneder til 14. mars 2017 Kolonnen Rank Change gir en indikasjon på endring i etterspørsel innenfor hvert sted basert på samme 3 måneders periode i fjor. Rankendring på samme periode sist Year. Matching Permanent IT Job Ads. Median Salary Siste 3 Months. TM1 Developer Jobs. TM1 Developer Salary Trend. Dette diagrammet gir 3 måneders glidende gjennomsnitt for lønn sitert i permanente IT-jobber citing TM1 Developer. TM1 Developer Top 8 arbeidsplasser. Tabellen nedenfor viser etterspørselen og gir en veiledning til median lønn oppgitt i IT-jobber citing TM1 Developer i Storbritannia i 3 måneder til 14. mars 2017 Kolonnen Rank Change gir en indikasjon på chan ge etterspørsel innen hvert sted basert på samme 3 måneders periode i fjor. Rankendring på samme periode i fjor. Sammenligning av permanent IT-jobbadministrasjon. Lønn siste 3 måneder. IBM Cognos TM1 FEEDERS. I ser på oppsummeringsnivåer for beregnede felt ikke-null-verdi vil indikere en overmatning. Figur 11 viser en oversikt over IBM Cognos TM1-kuben Overfeeds hvor AB for P3 overfedes når den ruller opp til Q1-10, selv om det er null i kildekuben P3 for Jan - 10 har blitt identifisert med 1, noe som indikerer at cellen har blitt overfed. Figur 11 Viser overmating av P3 for jan-10. Forklaringen på overmatingen er konstruksjonen av FEEDER. Systemet bruker verdien av A for å bestemme om det skal mates AB Det ignorerer verdien av B Som et resultat vil systemet matte AB når A 0 OG B 0, noe som resulterer i null A B. As vil bli vist senere i et annet eksempel, dette er vanlig måte å mate en IBM Cognos TM1-terning ved å bruke multiplikasjonsfaktorer. Det vil føre til overmating, bu t vanligvis ikke i en slik grad hvor det har stor innvirkning på ytelsen. Med mindre betinget feeders brukes, kan overmating aldri helt elimineres fra en kube hvor multiplikasjon, deling, eksponering eller andre operasjoner finner sted, men det kan reduseres ved å mate variabel som er mest sannsynlig å være null. Den normale løsningen for overfeeding er å bruke betingede FEEDERS betingede FEEDERS sett betingelser på FEEDERS Dette eksemplet kan også brukes til å illustrere et annet FEEDER prinsipp. Hvis du endrer A til null, vises A fortsatt som overmatet i Overfeeds kube Dette skyldes at når en celle er matet, blir den alltid matet til TM1-serveren blir resirkulert eller TM1 TurboIntegrator-funksjonen CubeProcessFeeders blir utført. Metode 6 Bruk ytelsesmonitoren. Denne metoden viser ikke spesifikt hvilke FEEDERS som er overmatet, men det vil gi en ide om hvor du skal begynne å se Ofte TM1 Utviklere presenteres med en ferdig eller delvis ferdig modell som kjører sakte og er bruker mye minne. Start prestasjonsmonitoren i TM1 Architect ved å høyreklikke på TM1 Server navn og velg Start Performance Monitor fra menyen som vist på Figur 12 Bekreft at Display Control Objects som funnet under Vis menyalternativet har vært aktivert. Figur 12 Kontekstmenyen vises etter å ha høyreklikket på en TM1 Server-forekomst. Bekreft at Display Control Objects som funnet under Vis-menyalternativet er aktivert. Åpne StatsByCube-systemkuben i IBM Cognos TM1 Cube Viewer og merk at den inneholder Følgende informasjon om FEEDERS som vist på Figur 13 Feeders-linjen viser antall matede celler og minne som brukes av FEEDERS under kolonnene med tittelen Antall Fed Cells og Memory Used for Feeders Se etter kuber med spesielt store verdier under disse kolonnene. Bruk en overfeiter kube som beskrevet tidligere i metode 5 for å avgjøre hvorvidt noen beregninger blir overmatet. Frekvens 13 FEEDER-informasjon fra TM1 Control Obje ct StatsByCube. Method 7 Undersøk. Som det var tilfelle i den forrige metoden, vil denne metoden ikke direkte liste hvilke FEEDERS er ineffektive, men det vil gi et godt sted å begynne å se. I filen logger systemet lastingen av hver av kubene inkludert evalueringen av FEEDERS for hver kube Filen er som standard plassert i TM1 Data Directory for den spesifikke TM1 Server-forekomsten du jobber med. Stedene til TM1 Data Kataloger er brukerdefinerte Bruke prøven PlanSamp TM1 Server følger med standard IBM Cognos TM1 installasjonspakke, vil filen bli plassert som standard i følgende sted C Program. Følgende eksempel viser valgte linjer fra filen for kubenavnet BW COST CALCULATION. Denne informasjonen kan brukes til å bestemme den tiden det tar for å evaluere FEEDERS for hver terning Hvis det tar lang tid å evaluere FEEDERS for en bestemt terning, kan det være en indikasjon på at FEEDERS som finnes i terningen er ineffektiv nt. Defining FEEDERS. Dette avsnittet beskriver de fleste forskjellige typer beregninger og viser hvordan man bygger den tilhørende FEEDER Som en generell regel, når du velger et element for å matche en beregning, velg elementet at når null beregningens resultater er også null . Det er viktig å merke seg at måten en FEEDER er definert avhenger av beregningstypen I denne delen beskrives en FEEDER-strategi for hver av følgende beregningstyper. Hvis beregningen er en kombinasjon av det ovenfor, vil en kombinasjon av de relevante FEEDER-strategiene vil være nødvendig for hver komponent av beregningen. Som med regler, er det to måter å definere FEEDER 1 ved å legge ved medlemsnavnet i firkantede parenteser og 2 ved hjelp av DB-funksjonen. Det finnes eksempler på begge i flere av Følgende underavsnitt. Multiplikasjon er den enkleste beregningen for å mate. I eksempelet ovenfor bruker vi A til å matche beregningen. Vi kunne også ha valgt B Vi kunne ha valgt en som e enten en null A eller en null B vil tvinge beregningen til å være null. For å optimalisere FEEDER, bør man velge elementet som mest sannsynlig vil være null. For ytterligere å klargjøre dette konseptet, skal vi bruke en typisk Inntektsberegning. I dette eksemplet vil vi velge å mate enheter fordi enheter er mest sannsynlig å være null. For eksempel vil ikke alle kunder kjøpe alle produkter, så mange kombinasjoner vil være nullpris vil trolig være null og hovedsakelig fast for alle kombinasjoner av produkt og kunde. Du kan også definere FEEDER ved hjelp av DB-formatet. Det ville normalt ikke være nødvendig å bruke DB-formatet med mindre du var. Definere kube-til-kube-regler. Definere en betinget FEEDER. Manipulere FEEDERS at FEEDER-elementene samsvarer med måleelementer. DB-metoden gir deg større fleksibilitet, da du kan legge inn betingede setninger og IBM Cognos TM1-regelfunksjoner. Vennligst se etterfølgende avsnitt for ytterligere detaljer og eksempler. De samme prinsippene diskuterer d i Multiplikasjonsseksjonen gjelder for Divisjon igjen, betyr valget av A eller B egentlig ikke noe når du velger hvilket element som skal mates Hvis enten elementet er null, vil beregningsresultatet være null eller undefined. Here må vi mate begge fordi en null En vil ikke nødvendigvis tvinge beregningen til å være null. Som med tillegg må vi mate begge fordi en null A ikke nødvendigvis vil tvinge beregningen til å være null. Kondisjonelle regler. For å illustrere dette har vi valgt et vanlig eksempel i budsjettering eller prognoseapplikasjoner I eksemplet under Figur 14 utfører vi en beregning for bare de månedene som er flagget som prognose måneder, dvs. fra 10. mai og fremover, har prognosemånedene en grå bakgrunn. Figur 14 Viser resultatene ved bruk av en Betinget FEEDER for de prognosemånedene som begynner med 10. mai. For de månedene som er merket som Faktisk i dette tilfellet 10. januar til 10. april, vil vi bare laste opp eller legge inn resultatet av beregningen, legg merke til at den faktiske prognose måneders rad EF For Prognos Måneder og måneder Jan-10 til Apr-10 har en hvit bakgrunn i sine celler, noe som betyr at disse cellene kan akseptere manuelt innførte verdier og ikke er resultatet av en beregning. Årsaken er at for aktuellene, tallet er statisk og vi vil ikke at systemet skal beregne det annerledes enn den måten det er lagret i rekordsystemet. I dette eksemplet bruker vi et attributt på tidsdimensjonen for å angi faktiske eller forventede måneder Figur 15 er en visning av attributtereditoren der et nytt attributt som heter faktisk flagg er lagt til og noen få spesifikke måneder jan-10 til april-10 er betegnet med en a for å vise hvilke måneder som inneholder aktualer. figur 15 tidsdimensattributtet kalt aktuelt flagg Tekst med A i månedene betegnet som faktiske data. Regelen er definert som følger. FEEDER er som følger. Cube-to-Cube Rules. Et enkelt eksempel er brukt nedenfor for å illustrere kube-til-kube regel FEEDERS som det er mer kompleks og det introduserer es flere utfordringer Vurder kilde - og målkubene definert for kildekuben FeederSource FeederSource-kuben har to dimensjoner FeederSource med et enkelt element kalt Source and Value med et enkelt element med navnet Value og en enkelt dataverdi på 10 som vist i Figur 16.Figur 16 Viser eksempel FEEDER kildekube kalt FeederSource. I figur 17 nedenfor ser vi en visning av en IBM Cognos TM1 kube med navnet FeederTarget som viser matte fra kilden kuben kalt FeederSource. FeederTarget-kuben har to dimensjoner FeederTarget med et enkelt objekt med tittelen Mål og Tid med N-nivåelementer for hver måned og C-nivåelementer for kvartalsvise konsolideringer Q1-10, Q2-10 osv. Og N-nivåelementene er alle fylt med verdien fra FeederSource-kuben på 10.Figur 17 En visning av en IBM Cognos TM1 målkube inkludert verdier lastet med en FEEDER. Årsaken til at kube-til-kube FEEDERS er mer komplisert er at du definerer regelen i målkuben og FEEDER i kildekuben I n effekt kildekuben sender FEEDERS til Target-kuben, og regelen i målkuben mottar dem Situasjonen er komplisert av det faktum at dimensjonsstrukturer i kilde - og målkubene kan være forskjellige Følgende eksempel vil gå deg gjennom prosessen trinn for trinn. Steg 1 Definer regelen i målkuben. Et viktig punkt her, som ikke er fullstendig uthevet i eksemplet, er at DB-funksjonen vil ha en parameterstruktur som gjelder den dimensjonale strukturen til kildekuben Den første parameteren vil være kubenavnet, den andre den første dimensjonen i kildekuben, den tredje, den andre dimensjonen i kildekuben, osv. Men verdiene du oppgir i parameteren, skal være i forhold til målkuben eller en hardkodet verdi. Siden dette er et så viktig punkt, vil vi illustrere det med et undereksempel. Anta at du har to terninger, Cube S og Cube T Begge har identiske terningstrukturer med identiske dimensjoner, men dimensjonene i hver terning er en kopi av den andre. Dimensjonene i Cube S er f. eks. Produkt S og Tid S Dimensjonene i Cube T er Produkt T og Tid T De to produktdimensjonene er identiske og de to tidsdimensjonene er identiske. Da regelen ville være. Merk at dimensjonene i målkuben er erstattet av parametrene til DB-funksjonen som representerer strukturen til kildekuben. Dette er et viktig punkt TM1-utviklere har tilbrakt mange en time stirret på en regel som prøver å finne ut hvorfor wouldn t save. Step 2 Definer FEEDER i kildekuben. 2010 Det er nødvendig å kode hardt en verdi her fordi det ikke er noen tidsdimensjon i kildekuben. Ved hardkoding av et sammendragselement fra tidsdimensjonen, tvinger det systemet til å mate alle N-nivå-elementene i 2010. Merk at hvis kildekuben inneholdt tidsdimensjonen, da FEEDER ble konstruert som følger. Mål Det er nødvendig å kode hardt mål fordi det er et annet måleelementnavn i kilden og målet. Vi må hardkodes det til et element i målmålsmålet. Her er FEEDER for vårt undereksempel. FEEDER her er definert som omvendt av regelen Merk at dimensjonene i kildekuben er erstattet av parametrene til DB-funksjonen som representerer målkubens struktur. Dette kan forårsake noen problemer, og følgende liste ble samlet for å markere de beste praksiser Ved å designe kube-til-kube FEEDERS. Hvis den samme dimensjonen er i både mål - og kildebiter, bruker du bare DimensionName i den parameteren. Hvis du har forskjellige dimensjoner, det er kopier av hverandre, må du bruke DimensionNameInSource for den parameteren . Hvis du har en dimensjon i målet som ikke eksisterer i kilden, må du koble et oppsummeringsobjekt i måldimensjonen. I eksemplet ovenfor er det hardkodede 2010 Dette betyr at systeren em vil automatisk matre alle barn i 2010 Denne funksjonen bør brukes med forsiktighet, da det kan føre til overmatingsscenarier og lange serverstartstider. Hvis du har en dimensjon i kilden som ikke eksisterer i målet, vil du må hardkodes et element i kildedimensjonen. Hvis du vil målrette mot et bestemt element, må du bare kode det hardt i parameteren. For eksempel vil inntektene bare målrette inntektsmålet. Du kan minimere behovet for å gjøre dette ved å bruke de samme målnavnene i kilden og målet På den måten kan du bare bruke TargetMeasureDimName. FØDENE som du sender fra kildekuben, må samsvare med elementene i målkuben. Dette gjelder alle dimensjoner. For å illustrere dette punktet, vurder følgende eksempel. en ukentlig kube til en månedlig kube, ukene eksisterte ikke i den månedlige kuben, slik at ingenting ble matet. Du kan komme deg rundt dette ved å bytte FEEDER slik at foreldrene i uken blir sendt i FEEDER Siden foreldrene til uker er mo nes og måneder er tilstede i målkuben, vil FEEDERS-arbeidet fungere som forventet. Cube-to-Cube FEEDER-unngåelse. Det er anledninger hvor du kan unngå å definere kube-til-kube FEEDER dersom målmålingen blir brukt i en påfølgende beregning I figur 18 er Target resultatet av en kube-til-kubeberegning, men brukes også videre i beregningen Mål C Verdien for C og Jan-10 er 20 Den beregnede verdien av Mål C for jan-10 er 200 Mål har en verdi på 10 og C har en verdi på 20 IBM Cognos TM1-kuben laster verdier basert på følgende FEEDER-formel. Du kan fjerne behovet for terning-til-kube FEEDER ved bare å mate C som følger. Figur 18 Viser målkube omgå behovet for en kildekube FEEDER-definisjon ved å bare bruke kildekubeverdiene i en beregning og matte den regningen i målkuben. Forutsetninger. en betinget FEEDER til accomp noe en betinget regel For å illustrere punktet, vurder overmatingseksemplet som vi diskuterte tidligere. Som vi diskutert før, ignorerer systemet verdien av B når den bygger FEEDER Du kan konstruere betingede FEEDERS som følger for å løse problemet . Merk at for å kunne kondisjonere, må du bruke en DB-funksjon. I dette tilfellet legger du en IF-setning i parameteren til DB-funksjonen som representerer kubenavnet. Returner kubenavnet for celler du vil mate og null for de som du ikke t. Når vi ser på kuben, ser vi nå at vi ikke overføder denne beregningen. Figur 19 er en oversikt over OverFeeds-kuben som viser resultatene fra jan-10 og Q1-10 med overmatning korrigert som illustrert av verdiene for Q1-10 uten å ha noen verdier lik 2.Figur 19 Viser ingen verdier som er like 2 i Q1-10-konsolideringsfeltet, noe som betyr at det ikke er overmatning av IBM Cognos TM1-kuben. Brann. I henhold til de fem viktige hensynene rangeringer som er spesifikke for FEEDERS, FEEDERS fra numeriske celler brenner bare en gang og FEEDERS fra String-celler brann når deres verdi endres Dette er viktig når en parameter brukes til å bestemme plasseringen av det beregnede resultatet For å illustrere dette punktet viser figur 20 en IBM Cognos TM1-terning med en verdi på 100 beregnet ved skjæringspunktet for Resultat og feb-10 fremhevet. Figur 20 En IBM Cognos TM1-kube markerer verdien 100 ved krysset mellom Resultat og Feb-10. Regelen er definert som. Som du kan se, vi bruker verdi til å matche Resultat i en regel der parameteren Måned blir brukt til å fylle den riktige måneden i tidsdimensjonen. Hvis vi endrer månedsparameteren ved å endre feltet i måneden jan-10 krysset fra 10. februar til mar - 10, da er cellen ikke lenger matet Dette er illustrert i figur 21 hvor Q1-10 er null i stedet for 100 Dette skyldes at FEEDERS for numeriske celler brann bare en gang. Celleresultatet for feb-10 ble matet i utgangspunktet, så feb-10 er den eneste cellen som kan mates Løsningen på dette er å endre FEEDER til følgende. Figur 21 Viser at fôring av kuben med en numerisk verdi kan føre til at endringer ikke blir korrekt reflektert. Merk at vi nå bruker Måned i stedet for Verdi for å mate beregning og fordi Måned er en streng, vil dette føre til at FEEDER brenner hver gang den endres. Følgende visning av en IBM Cognos TM1-terning viser de riktige resultatene for Q1-10 av 100. Figur 22 Viser at kuben mates med en streng verdi vil vise oppdaterte resultater så snart et datafelt er endret. Persistente FEEDERS. Persistente FEEDERS ble introdusert i IBM Cognos TM1 i versjon 9 5 1 Standardverdien for denne parameteren er av, men du kan aktivere den ved å bruke parameteren PersistingOfFEEDERS i fil For å aktivere vedvarende FEEDERs og forbedre gjenopplastingstid for kuber med FEEDERS ved oppstart av TM1 Server, sett parameteren PersistingOfFEEDERS til en verdi av T true for å lagre de beregnede FEEDERS til en FEEDERS-fil. Når vedvarende FEEDERs er aktivert og TM1 Server møter en vedvarende FEEDER-fil, den laster de lagrede FEEDERS som reduserer tiden som normalt tas for å beregne de FEEDERS FEEDERS blir lagret når dataene er lagret eller regler er redigert. Du sparer ikke FEEDERS for installasjoner eksplisitt. For installasjoner med mange komplekse FEEDER-beregninger, vedvarende FEEDERS og deretter lasting av dem ved serveroppstart, forbedrer ytelsen. For enkle FEEDERS kan tiden for å lese FEEDERS fra disken overskride tiden for å regne ut FEEDERS, men de fleste installasjoner vil ha nytte. Det er viktig å vær oppmerksom på at bruk av vedvarende FEEDERS vil øke systemstørrelsen på disken. Minnestørrelsen påvirkes ikke av bruk av vedvarende FEEDERS. Du må være forsiktig når du utvikler programmer ved hjelp av vedvarende FEEDERS Som tidligere nevnt, er den normale metoden for å revurdere FEEDERS er å starte TM1-serveren igjen Hvis du har vedvarende FEEDERS aktivert, må du først kjøre en TM1 TurboIntegrator-prosess inneholdende følgende funksjon i prologen. Dette vil tvinge FEEDER evaluering ved oppstart av TM1 Server i stedet for å bare lese fra de vedvarende FEEDER cacheplex FEEDER-eksemplene. Komplekse FEEDER-seksjonen beskriver noen mer komplekse eksempler på virkelige situasjoner. Linjeposter Detail-til-Sammendrag Cube. En felles modelleringsproblem, spesielt med budsjetterings - og planleggingsapplikasjoner, er å koble en detaljelementkube til en oppsummeringskubus hvor dimensjoner er plukklister en spesifikk liste over elementer som produkter i kildekuben og virkelige dimensjoner i målet kube Vurder følgende kube, kalt LineItemSource, som inkluderer Linjepost, Beskrivelse, Tid, Produkt og Beløp som vist i Figur 23.Figur 23 Viser inngangskuben LineItemSource. Figur 24 er en oversikt over sammendragskuben LineItemTarget, som konsoliderer verdier hvor valglistene blir dimensjoner, dvs. tiden er nå kolonner og produktet er nå rader Denne kuben viser detaljrelinjene samt sammendragsverdier på totalproduktnivå og tid kvartalsnivå. Figur 24 LineItemTarget-kubevisningen med dimensjoner opprettet fra valglister i LineItemSource-kuben. Siden det ikke er mulig å modellere denne typen kubestruktur for direkte overføring av data fra LineItemSource til LineItemTarget , er det nødvendig å gå gjennom en mellomliggende kube, kalt LineItemCalc. Følgende visning er mellomkuben som inneholder alle dimensjonene til begge kubene. Produkt, produkt og tid. Figur 25 Mellomkube LineItemCalc som inneholder alle dimensjonene fra både LineItemSource og LineItemTarget . De nesten riktige reglene og FEEDERS ville være som følger. Nå la oss gå gjennom reglene og FEEDERS en etter en og forklare. Først, la oss starte med regelen som konverterer valglister til dimensjoner i LineItemCalc-kuben. Komponentene av regelen er. Bold sjekk for å se om elementnavnet på produktdimensjonen i LineItemCalc-kuben samsvarer med produktet som er angitt i LineItemS ource cube Merk bruken av som de er begge strenger. Italicized sjekk for å se om elementnavnet på tidsdimensjonen i LineItemCalc-kuben samsvarer med måneden som er angitt i LineItemSource-kuben. Merk bruken av som de er begge strengene. Vekt Kursiv Retur verdi av beløp fra LineItemSource Cube hvis TRUE. Do ingenting hvis FALSE. Now, la oss se på den tilhørende FEEDER i LineItemSource kuben. Ved å se på en innledende design implementering, ble FEEDER definert som følger. Ved tilbakekalling av et tidligere tips i Cube-to-Cube Rules-delen, hvis det er en dimensjon i målkuben som ikke er i kilden, i dette eksempelet Produkt og tid, kan du hardkode et oppsummeringsobjekt i riktig parameter som vist i fet skrift ovenfor. Selv om dette vil fungere, kan det hende at det ikke er optimalt i alle situasjoner, da dataene kan påvirke TM1 Server oppstartstider negativt. Dette skyldes at denne typen FEEDER resulterer i alvorlig overmating som systemet må mate hvert enkelt produkt og hver sang Le måned for hver enkelt linjepost Vurder å endre FEEDER slik at den bare mater produktet som er valgt på en bestemt linjepost. For eksempel, erstatt Totalprodukt med DB LineItemSource LineItem, Product og 2010 med DB LineItemSource LineItem, Time Når du gjør disse endringene, systemoppstartstid vil bli forbedret. Et ekstra problem med FEEDER i LineItemSource-kuben er at den bare mates en gang, slik at den ikke fortsetter å fungere hvis vi endrer enten produkt - eller månedsdata. Løsningen er å mate strengene, som vist i følgende eksempel. I dette eksemplet gjentas FEEDER for hver dimensjon for både produkt og tid. Dette sikrer at tallene flyter riktig når både produkt og tid endres. Så de riktige reglene og FEEDERS er nedlastbare ressurser.
No comments:
Post a Comment