FAQ

¿RATH funciona con MySQL (u otros motores de bases de datos)?

Sí, RATH permite conectarse a una base de datos MySQL. RATH admite tipos de bases de datos que incluyen MySQL, ClickHouse, Amazon Athena, Amazon Redshift, Apache Spark SQL, Apache Doris, Apache Hive, Apache Impala, Apache Kylin, Oracle y PostgreSQL.

Para obtener más detalles sobre las bases de datos admitidas actualmente, consulte la sección Bases de datos admitidas.

RATH está agregando más soporte de bases de datos como Snowflake, etc.

¿Cómo visualizar datos de archivos CSV?

RATH admite nativamente la carga de archivos CSV y JSON para la visualización de datos. Tan pronto como inicie sesión en el portal de RATH, haga clic en el botón Archivo a la izquierda. Puede cargar un archivo CSV o JSON desde su entorno local con una codificación personalizada.

¿Cuál es el origen de datos de RATH? ¿Cuál es el motor de datos en Tableau y RATH?

A diferencia de los software de BI convencionales como PowerBI y Tableau, los conceptos de origen de datos y motor de datos están completamente separados en RATH.

Teniendo en cuenta el escenario en el que desea importar datos de un servicio de Clickhouse. En este caso, ClickHouse es el origen de datos, mientras que RATH funciona como un motor de datos.

Por otro lado, puede importar datos de otras fuentes de datos y establecer Clickhouse como el motor de datos. Entonces, cuando hay grandes cantidades de datos, RATH envía las consultas a clústeres distribuidos de Clickhouse para un procesamiento más rápido.

¿Cuál es la forma más rápida de analizar datos?

Mejor práctica: use RATH para realizar un análisis rápido de su conjunto de datos. Después de obtener una mejor comprensión de sus conjuntos de datos, ajuste los tipos de datos y ejecute sus datos nuevamente con RATH para generar un resultado más preciso. Repita hasta obtener un resultado satisfactorio.

¿Qué tan grande puede ser mi origen de datos?

Actualmente, la versión comunitaria de RATH limita los datos a 100 MB. Sin embargo, puede trabajar fácilmente con un origen de datos mucho mayor mediante muestreo.

El muestreo es el proceso de seleccionar un tamaño razonable de un subconjunto de su base de datos original.No es necesario llamar puerta por puerta a cada residente de una gran ciudad para encuestar su opinión sobre un candidato. En su lugar, se llama a una muestra de, digamos, 1000 personas.

Para usuarios avanzados, también puede conectarse RATH a una base de datos MPP, o suscribirse a RATH Pro.

¿Cómo explorar datos automáticamente con RATH?

Puede realizar análisis de datos exploratorios automatizados con la función de mega-exploración automática en RATH. Consulte nuestro capítulo de tutoriales para obtener una guía paso a paso.

¡La mega-exploración automática no funciona para mí! ¿Qué debo hacer?

En general, no se recomienda utilizar la función de Mega-exploración automática para conjuntos de datos grandes, ya que la versión gratuita en línea de RATH no utiliza motores de datos distribuidos. Para conjuntos de datos grandes, use Semi-exploración automática en su lugar.

¿RATH ofrece una API pública?

RATH tiene soporte para API Restful, pero aún no está lista para ser pública. Para consultas, contacte el soporte de RATH para obtener más detalles.

¿Qué es la búsqueda de Tensors? ¿RATH admite la búsqueda de Tensors para el análisis semántico?

La búsqueda de Tensor es un método para buscar múltiples fuentes de datos al mismo tiempo, utilizando tensores (matrices multidimensionales) y técnicas de álgebra lineal. Se utiliza a menudo en la recuperación de información y el procesamiento del lenguaje natural y puede ser más eficiente que los algoritmos de búsqueda tradicionales.

Imagine que tiene una base de datos de opiniones de clientes sobre diferentes productos y desea buscar opiniones que mencionen una característica particular del producto. Podría representar cada opinión como un tensor, con una dimensión para el texto de la opinión y otra para el producto que se está revisando. Luego podría representar la consulta de búsqueda, que es la característica del producto que le interesa, como un tensor. Utilizando técnicas de álgebra lineal, podría comparar el tensor de búsqueda con los tensores de opinión y clasificar los resultados en función de su similitud. Esto le permitiría encontrar rápidamente todas las opiniones que mencionan la característica del producto deseada, en lugar de tener que buscar cada opinión individualmente.

RATH aún no ha adoptado capacidades de búsqueda de Tensor.