本节介绍smartbi连接数据挖掘实验、服务引擎和Python计算机点以及测试服务是否正常运行。
测试数据挖掘及组件
1.检查smartbi连接数据挖掘引擎配置
①登录smartbi,检查当前连接的数据挖掘引擎配置
系统运维--系统选项—引擎设置,如图所示,实验引擎和服务引擎连接地址无误后,点击测试连接,均能提示连接成功。
②系统运维–系统选项–执行引擎–引擎配置,检查配置,确认连接信息
③系统运维–系统选项–执行引擎–计算节点,检查配置,确认连接信息
浏览器访问spark master webui, 访问地址:http://sparkmaster安装机器ip:8080, 比如spark master安装在192.168.137.141机器,那访问地址就是: http://192.168.137.141:8080
访问后,显示如下,第一个框是指spark master连接地址,第二个框是指spark可分配的cpu核数,第三个框指spark可分配的内存数。
系统运维—系统选项—执行引擎—计算节点配置
如下图所示,重点配置红框地方,第一个框填写spark master连接地址,其它选项配置策略推荐如下(某种场景下,这并不是最优策略,可根据实际情况调整):
④系统运维–系统选项–服务引擎,检查配置,确认连接信息
2.测试数据挖掘实验引擎
1)登陆smartbi,打开数据挖掘-案例-选择一个案例,打开。
2)保存数据挖掘实验,运行数据挖掘,运行成功即数据挖掘实验部署成功。
3.测试数据挖掘服务引擎
1)打开数据挖掘-案例-波士顿房价预测。
2)保存示例,点击运行,等待运行成功。
3)右键点击”训练”-模板-保存模型。
4)保存的的模型可以在左侧导航栏的”已训练模型”中查看。右键删除”随机森林”,”训练”。
5)将保存的示例模型拖入,并与”预测连线”。
6)导航栏-服务-拖入 服务输入、服务输出,并连线,运行成功后点击部署服务。
7)服务部署成功后选择服务测试,显示测试结果。
Smartbi-Engine-Service部署测试成功。