FAQ

Funktioniert RATH mit MySQL (oder anderen Datenbank-Engines)?

Ja, RATH ermöglicht die Verbindung zu einer MySQL-Datenbank. RATH unterstützt verschiedene Datenbanktypen, darunter MySQL, ClickHouse, Amazon Athena, Amazon Redshift, Apache Spark SQL, Apache Doris, Apache Hive, Apache Impala, Apache Kylin, Oracle und PostgreSQL.

Weitere Informationen zu den derzeit unterstützten Datenbanken finden Sie im Abschnitt Unterstützte Datenbanken.

RATH fügt weitere Datenbankunterstützung hinzu, z. B. Snowflake, usw.

Wie können Daten aus CSV-Dateien visualisiert werden?

RATH unterstützt das Hochladen von CSV- und JSON-Dateien zur Datenvisualisierung. Sobald Sie sich im RATH-Portal anmelden, klicken Sie links auf die Schaltfläche "Datei". Sie können eine CSV- oder JSON-Datei aus Ihrer lokalen Umgebung mit benutzerdefinierter Codierung hochladen.

Was ist die Datenquelle von RATH? Was ist der Datenmotor in Tableau und RATH?

Im Gegensatz zu herkömmlicher BI-Software wie PowerBI und Tableau sind die Konzepte von Datenquelle und Datenmotor in RATH völlig getrennt.

Angenommen, Sie möchten Daten aus einem ClickHouse-Dienst importieren. In diesem Fall ist ClickHouse die Datenquelle, während RATH als Datenmotor fungiert.

Auf der anderen Seite können Sie Daten aus anderen Datenquellen importieren und ClickHouse als Datenmotor festlegen. So leitet RATH bei großen Datenmengen die Abfragen an verteilte ClickHouse-Cluster zur schnelleren Verarbeitung weiter.

Was ist der schnellste Weg, Daten zu analysieren?

Best Practice: Verwenden Sie RATH, um eine schnelle Analyse Ihres Datensatzes durchzuführen. Nachdem Sie ein besseres Verständnis Ihrer Datensätze erhalten haben, passen Sie die Datentypen an und führen Sie Ihre Daten erneut mit RATH aus, um ein genaueres Ergebnis zu erzielen. Wiederholen Sie dies, bis Sie ein zufriedenstellendes Ergebnis erhalten.

Wie groß darf meine Datenquelle sein?

Die Community-Version von RATH begrenzt derzeit die Daten auf 100 MB. Sie können jedoch problemlos mit einer viel größeren Datenquelle arbeiten, indem Sie Abtasten verwenden.

Beim Abtasten handelt es sich um den Prozess der Auswahl einer vernünftigen Größe einer Teilmenge aus Ihrem ursprünglichen Datensatz. Sie müssen beispielsweise nicht an die Türen jedes Einwohners in einer großen Stadt klopfen, um ihre Meinung zu einem Kandidaten zu erfragen. Stattdessen rufen Sie eine Stichprobe von beispielsweise 1000 Personen an.

Für fortgeschrittene Benutzer können Sie RATH auch mit einer MPP-Datenbank verbinden oder RATH Pro abonnieren.

Wie kann ich automatisch Daten mit RATH erkunden?

Sie können eine automatisierte explorative Datenanalyse mit der Mega-auto Exploration-Funktion in RATH durchführen. Lesen Sie in unserem Tutorial-Kapitel eine schrittweise Anleitung.

Mega-auto Exploration funktioniert nicht bei mir! Was soll ich tun?

Es wird im Allgemeinen nicht empfohlen, die Funktion Mega-auto Exploration für große Datensätze zu verwenden, da die kostenlose Online-Version von RATH keine verteilten Datenengines verwendet. Verwenden Sie stattdessen Semi-auto Exploration für große Datensätze.

Bietet RATH eine öffentliche API?

RATH unterstützt zwar eine Restful API, ist jedoch noch nicht für die Öffentlichkeit bereit. Für Anfragen kontaktieren Sie RATH-Support für weitere Details.

Was ist Tensor-Suche? Unterstützt RATH Tensor-Suche für semantische Analyse?

Tensor-Suche ist eine Methode zur gleichzeitigen Suche in mehreren Datenquellen unter Verwendung von Tensoren (mehrdimensionalen Arrays) und linearen Algebra-Techniken. Sie wird häufig bei der Informationssuche und der natürlichen Sprachverarbeitung eingesetzt und kann effizienter sein als herkömmliche Suchalgorithmen.

Stellen Sie sich vor, Sie haben eine Datenbank mit Kundenbewertungen für verschiedene Produkte und möchten nach Bewertungen suchen, die eine bestimmte Produktfunktion erwähnen. Sie könnten jede Bewertung als Tensor darstellen, mit einer Dimension für den Text der Bewertung und einer weiteren für das bewertete Produkt. Sie könnten dann die Suchanfrage, die die gewünschte Produktfunktion darstellt, ebenfalls als Tensor darstellen. Mit Hilfe von Techniken aus der linearen Algebra könnten Sie den Suchanfragen-Tensor mit den Bewertungs-Tensoren vergleichen und die Ergebnisse nach ihrer Ähnlichkeit sortieren. Dies würde es Ihnen ermöglichen, schnell alle Bewertungen zu finden, die die gewünschte Produktfunktion erwähnen, anstatt jede Bewertung einzeln suchen zu müssen.

RATH hat bisher noch keine Tensor-Suchfunktionen übernommen.