{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 公司可以开具收入证明吗", "summary": "可以，如需收入证明请联系hr-肖宇琦"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS Connector组件的作用是啥？", "summary": "Connector是DDS产品的核心组件，负责数据库REDO日志的读取，解析，数据组装等工作，并把增量数据写入相关目标端。"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - 在RT中如何创建和管理SQL作业段落？", "summary": "段落是组成SQL作业流程的最小单位了，RT支持使用Flink SQL、Flink代码块（Scala）等类型的段落，并可以对其进行如下管理：\n1. 运行和停止SQL段落；\n2. 批量选择运行，停止和删除段落；\n3. 跳转到Flink Dashboard上监控段落运行对应的Flink作业；\n4. 标记段落随集群启动；\n5. 打开和关闭段落，打开的多个段落通过Tab切换。"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - BAP搭载的自动建模引擎有什么特点？", "summary": "DataCanvas BAP 基于九章云极DataCanvas 在DSML领域的技术积累提供了强大的\n自动建模能力，具备数据预处理、特征衍生、特征筛选、模型超参数优化、模型选择、\n模型融合等全流程自动化处理能力，相比专家人工建模效率提升 80%以上。\nDataCanvas BAP 底层的自动建模引擎解决了机器学习中的难点问题，包括数据不均\n衡、概念漂移、泛化能力不足等问题均实现了自动化处理，并且适用于大规模数据训练\n与预测。"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 证书补贴", "summary": "目前有PMP、信息系统项目管理师两项证书可申请补贴，补贴额度为300/月。\n申请方式：邮件将证书电子版发送至xiaoyq@zetyun.com，并抄送直属leader和人力资源部（hrjiuzhang@zetyun.com）\n每月15日及之前提交的证书补贴，当月生效，15日后提交的证书补贴次月生效"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - BAP数据权限控制提供了哪些方式？", "summary": "用户逻辑分区隔离、数据表黑白名单机制和全局字段脱敏"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS产品的优势是啥？", "summary": "和传统的CDC平台采集增量数据的方式不同，DDS的核心技术优势是通过采集数据库日志来捕捉操作数据，无需应用系统和数据库系统做更改，另外DDS无需在数据库服务器端部署任何Agent，可以做到在数据采集过程中对源端数据库的低干扰，源端数据库不需要停机，不影响现有业务应用的正常使用。此外，由于采用B/S架构，部署简单快速，全中文界面操作，简便易用，维护成本低等"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - 探索空间里怎么把模型提交到模型仓库？", "summary": "APS平台提供了dc_model_repo.model_repo_client类，可以调用这个类的方法将模型提交到模型仓库。相关方法有submit_and_publish、submit_custom_model、import_model"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB是如何做质量保证的？", "summary": "  质量是任何一个供用户使用的产品都要考虑的核心要素。数据库作为直接存储数据的产品，对质量要求会更高，因此数据库研发周期中的测试工作也是一个比较重要的环节，同时也是一个比较复杂和有挑战性的工作，尤其是分布式数据库，除了测试数据表基本的增删改查操作，更重要的还要考虑分布式数据库系统的数据一致性、服务运行的稳定性、数据库的性能、分布式系统的高可用性以及数据库的安全性等等测试项。​\nDingoDB数据库的质量保证主要有以下几个方面的工作：\n1）数据库功能集成测试：SDK层自动化、SQL层自动化\n2）性能测试：YCSB、Jmeter\n3）高可用测试\n4）性能测试：YCSB、Jmter"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - 在RT中如何查看SQL作业的血缘？", "summary": "SQL作业以表为粒度分析了作业的表级数据血缘，同时根据表级数据血缘可分析出对应的数据集血缘。\n1、流表血缘中hover至连接点可查看流表血缘解析依据；\n2、点击血缘节点可查看表信息和血缘信息；\n3、SQL作业数据集血缘是根据分析出的流表血缘反查出对应流表关联数据集对应的血缘；\n4、数据集血缘中hover至连接点可查看流表血缘解析依据；\n5、点击血缘节点可查看数据集信息和血缘信息。"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 午休时间", "summary": "12：00-13：30"}
{"content": "你是九章云极（简称九章）的培训助手，提供公司相关产品、技术的培训。 - 学习资料在哪里？", "summary": "学习资料可在OA-我的知识-查阅文档，各部门上传的学习资料都可在此处查询"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 公司各职场的地址是什么？", "summary": "上海：上海市静安区江场路1401弄市北壹中心1号楼10层\n北京：北京市海淀区小营西路10号院和盈中心C座6层 \n深圳：深圳市龙岗区坂田街道南坑社区雅宝路1号星河WORLD B座 2803A\n山东：济南市高新区新泺大街1166号奥盛大厦一号楼503\n四川：四川省成都市武侯区天府大道中段666号希顿国际广场C座3001"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS有哪些应用场景?", "summary": "DDS应用场景主要有如下几种：\n1、数据分发\n将核心业务系统的数据分发给不同的下游业务系统，一般针对一些微服务系统。\n2、实时计算替代原先的T+1批处理方式入数据仓库等业务场景。实时获取增量数据供下游数据类系统使用，常用的有实时分析系统，实时计算等系统。\n3、实时供数替换原先的ETL批处理获取日增数据方式。\n"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 预算编制的方式和周期是什么？", "summary": "（一）编制方式：公司采用全面预算管理模式，以年度、半年度或季度为时间轴，以BU、部门和项目为依托进行周期性预算编制\n（二）编制周期：年初或年末进行全年预算编制，同时根据实际经营需求进行季度或半年度复盘"}
{"content": "你是九章云极（简称九章）的培训助手，提供公司相关产品、技术的培训。 - 考试不及格需要补考么？", "summary": "根据考试发起人的具体要求判断，课咨询HRBP或考试发起人"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 打印机如何连接", "summary": "上海职场目前有2台打印机，一台在前台，一台在数据科学部。\n首先请确保电脑连接的WIFI名称为：zetyun-office；其次，打开电脑打印机设置，添加打印机。\n前台打印机\n型号：BFF7B3（HP Color LaserJet Pro M479 PCL-6）\n功能：打印、复印、扫描\n颜色：彩色打印、黑白打印\n\n数据科学部打印机\n型号：NPICBBF69（HP LaserJet Pro MFP M227fdw）\n功能：打印、复印、扫描\n颜色：黑白打印"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - 如何防止模型乱说话？通过prompt吗？针对用户的输入是否有前置过滤？", "summary": "通过prompt设置了一些防止模型乱说话，现在暂不支持 前置过滤，可以通过相似度搜索查询相关文章组织上下文；"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB是否适用于哪些场景？", "summary": "企业知识库建设\n支撑政府、传统行业构建企业级的知识库，实现语义的精准搜索与联合分析\n大模型记忆体\n辅助大模型生成前的Prompt管理，提供高并发的搜索答案能力\nVector Ocean数据支撑平台\n提供结构化和非结构化数据的存储，支撑多模态数据分析能力和科学计算能力\n数仓数据湖支撑平台\n提供数仓、数据的元数据存储和基于SQL的AP分析能力\n实时决策指标计算能力\n满足信创标准的高频Serving计算能力，支撑实时风控、营销、推荐等要求亚秒级决策能力\n结构化与非结构化的融合分析\n支持音频、视频、文本的非结构化数据的向量化存储，提供结构化与向量数据的联合分析和计算能力"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - 部署APS对资源的最低要求是什么？", "summary": "云中云模式：cpu：128核；内存：256（80+176）GB；存储：1TB分布式存储\n集群模式3节点：单节点（cpu：24核；内存：128G)  存储：4*500G+1*4T"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 工作居住证", "summary": "目前可以接收工作居住证单位变更，暂时无法做新办工作居住证。具体可咨询hr-肖宇琦"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 差旅费的报销要求有哪些？", "summary": "（一）所有人（除总监级别及以上）出差前需企业微信提出差申请，报销时在财务报销系统上传审批截图；差旅费报销除因长期驻扎项目并超过一个月外，坚持“一事一单”，原则上同一趟差旅费应单独填报，不应将多趟行程填至同一报销单。同一趟差旅费应一次性报销完毕，不得拆分报销。单次出差行程提交的报销，原则上目的地与申请时一致，如因项目需要新增目的地，须事先获得直属经理同意，报销时上传批复截图作为依据。\n（二）一个月内支持多个项目,需按项目分别填写【差旅费报销单】\n（三）凡与规定的地点、天数、人数、交通工具不符的差旅费不予报销，因特殊原因或情况变化需改变路线、增加天数、人数、改乘交通工具而导致费用增加的需与直接汇报人及财务人员进行邮件审批。\n（四）公务出差兼私人事务，公司只承担公务出差部分的差旅费。"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 考勤周期", "summary": "上月26日至本月25日为一个考勤周期，举例：6月26日-7月25日为1个考勤周期，薪资将于8月10日发放"}
{"content": "你是九章云极（简称九章）的培训助手，提供公司相关产品、技术的培训。 - 考试成绩会影响转正么？", "summary": "考试成绩会在人力资源部备案"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 福利费的规定有哪些？", "summary": "（一）项目团建活动：以项目为单位，现场投入≥100人天项目，按照项目预算收入的0.2%作为团建费预算，只允许PM使用和报销。\n（二）部门团建活动：依据公司人力资源部发布的《团建经费管理办法》规定的额度和流程报销，额度为100元/人月。"}
{"content": "你是九章云极（简称九章）的培训助手，提供公司相关产品、技术的培训。 - 培训可以请假么？", "summary": "原则上不建议培训请假，具体看不同课程的要求，一般在培训通知上会有明确告知，也可向HRBP或培训发起人咨询"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB支持JDBC连接吗？", "summary": "DingoDB目前支持两种驱动的JDBC连接，且均遵循标准的JDBC规范。\n1、Dingo JDBC\n驱动：io.dingodb.driver.client.DingoDriverClient​\n默认端口：8765\n\n2、MySQL JDBC\n驱动：com.mysql.cj.jdbc.Driver​\n默认端口：3307"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - 安装DingoDB需要怎样的硬件配置？", "summary": "1、Linux操作系统版本要求\n\nCentOS ： 7.6及以上版本\nRed Hat Enterprise Linux ：7.6及以上版本\n2、软件要求\nJDK： 1.8\nlibc ：2.17\n\n3、开发和测试环境（推荐配置）\n机器数量： 3个\n单台CPU： 32核\n单台内存： 128G\n单台磁盘： 2T\n网络 ：千兆\n"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 打卡时间如何规定？", "summary": "打卡时间为9：00-18：30，给与1小时的弹性时间，但除午休需满足每天8小时的工作时间。项目上的同学可根据项目要求打卡时间打卡。"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 九章云极CEO是谁？", "summary": "方磊是九章云极的董事长兼CEO。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS支持哪些非结构化数据的标注场景？", "summary": "APS提供丰富的标注场景，覆盖图像分类单标签、目标检测、图像分类多标签、实例分割、语义分割、文本分类单标签、文本分类多标签、文本实体抽取、文本实体关系抽取、情感倾向分析、短文本相似度、短文本相关度、实体情感倾向分析、语音识别、语音合成、语音分类单标签、语音分类多标签等17 个计算机视觉、NLP 和智能语音常见场景。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - 在APS平台部署模型，应该选择哪个镜像？", "summary": "镜像是模型的运行环境，里边有模型依赖的包，选错镜像可能会部署失败或者预测报错。经常使用的镜像是Servingimage-dl-gpu、servingimage-cpu。\nServingimage-dl-gpu镜像集成了deeptables、hypergbm、TensorFlow2、pytorch等框架，而servingimage-cpu集成的框架是sklearn和sparkML。\n如果是自动建模训练的模型，一般情况传统机器学习场景的模型选择servingimage-cpu部署，其他模型选择servingimage-dl-gpu镜像。\n如果用户使用了自定义环境训练模型，那么在部署模型时最好也要定制相同包的服务镜像。"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS是否支持图形化界面操作？", "summary": "管理端(DDMP)是DDS提供的可视化交互界面，方便用户管理采集任务。用户仅仅在页面上做一下配置即可完成整个采集任务，无需关心Agent和Connector复杂逻辑，省去了复杂的后台配置过程。通过管理端的日志查询功能，用户可以方便定位同步任务出错的原因。"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - BAP部署过程中会安装哪些服务和应用？", "summary": "BAP部署过程中会安装 PostgreSQL数据库、ElasticSearch、Spark、Livy、Nginx 服务以及BAP应用"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - RT有哪些通用的应用场景？", "summary": "基于实时数据计算技术，企业能够实时追踪企业内部包括生产设备、人员等的情况，同时还能对产品和服务生产到消费全链条的状态进行监控，提高企业的生产效率。这方面典型的场景包括实时指标、实时监控和实时营销等。DataCanvas RT 作为助力企业实现实时场景落地的平台级产品，有很多的应用场景，比如:实时指标、实时监控、实时营销、实时推荐、实时数据分析、实时湖仓平台建设。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS对在线模型如何进行质量监控？", "summary": "对于已经上线的模型，允许利用HDFS、Hive 或JDBC 方式提供的最新生产数据对线上模型进行评估监控、通过定时任务对模型进行自动评估，跟踪模型评价指标的变化趋势，监控已上线模型的实际性能。"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 哪种情况的退票费可以报销？", "summary": "因公产生火车退票费及改签费需在系统提交单据时进行合理说明后方可报销，因个人原因产生火车退票费及改签费由员工自行承担。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - 在模型仓库怎么对深度学习模型做预测和评估？", "summary": "预置算子不支持对深度学习模型做预测和评估，需要用户自定义算子，算子分类必须为评估或预测才能在模型仓库中使用"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - BAP部署安装k8s需要做那些检查？", "summary": "安装BAP前请先检查每台服务器的操作系统、磁盘、CPU 和内存是否满足部署 要求查看操作系统版本 cat /etc/*release "}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB的权限管理如何实现？", "summary": "DingoDB的认证采用账号密码方式管理，账号有Host和User组成；Host为允许登录的客户端IP，User为当前登录的用户名。用户创建成功后，根据实际需求，由管理员对每个用户赋予所需权限，被赋予权限的用户只能使用所赋予的权限。\n具体使用如下：\n1.赋予权限\n单个权限：grant privilege on datebase.table to ‘user’@’host’;\n多个权限：grant privilege,privilege on datebase.table to ‘user’@’host’;\n所有权限：grant all privilege on datebase.table to ‘user’@’host’;\n1.1.1. 收回权限\n单个权限：revoke privilege on datebase.table from ‘user’@’host’;\n多个权限：revoke privilege,privilege on datebase.table from ‘user’@’host’;\n所有权限：revoke all privilege on datebase.table from ‘user’@’host’;\n1.1.2. 查询权限\nShow grants for user;\n"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB有哪些特性？", "summary": "1.统一数据存储\n统一的数据存储能力，支持单表存储标量数据与向量数据，使用于不同数据之间的联合查询和分析计算，提供更全面的数据处理能力。\n2.多模态数据检索\n支持基于不同模态数据的联合查询和检索，非结构化数据向量化存储，便于处理非结构化数据。\n3.联合分析\n非结构化数据向量化处理，同时提供标量数据与向量数据的联合分析能力，确保用户获取全面且准确的结果数据。\n4.一体化SQL计算引擎\n使用SQL提供强大的结构化、非结构化的联合分析能力，实现多模态数据类型的综合分析。\n5.异构计算\n利用多种不同类型的计算资源执行数据处理和计算任务，提高数据库系统的计算性能、增强扩展性和灵活性，实现高效分析和科学计算。"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 补充医疗是什么", "summary": "补充医疗可以报销部分医保无法完成报销的就医费用，员工可关注”极客保“公众号进行登录理赔"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS管理端目前支持的配置数据库类型有哪几种？", "summary": "目前管理端支持两种配置数据库类型，达梦与PostgreSQL（默认PG）"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS支持informix数据库采集特性？", "summary": "支持INT、BIGINT、MONEY、DECIMAL、FLOAT、CHAR、VARCHAR、DATE、DATETIME、SERIAL等数据类型\n表的列数没有限制\n支持v12.10及以上等版本\n支持Linux平台\n支持远程解析\n"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 每月哪天发放报销款？", "summary": "每个月的15号，25号会发放走完审批流程并将纸质报销单交至财务部的报销款。"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS目前支持那些数据库的采集？", "summary": "目前DDS支持Oracle、DB2、MySQL、达梦、Informix、PostgreSQL等数据库的采集，其他数据库的采集陆续研发中。"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 境内出差补助标准及计算方式是什么？", "summary": "（一）每天补贴150元。\n（二）境内同一天往返不同城市的出差行程可享受差旅补助，差补计算方式为：150*（出发日期-到达日期+1-扣除天数），扣除天数为项目期间的请假、往返工作所在地的时长；"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 公司可开具的发票类型有几种？", "summary": "公司可开具发票类型主要包括增值税普通发票、增值税专用发票及电子发票，目前不支持开具增值税电子专票。"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - 如何部署DingoDB？", "summary": "以ansible部署为例：\n1、环境准备\n操作系统： centos8.x版本\n系统检查libc\nls -l /lib64/libc.so.6\n\n\n确定主操作IP， ansible 部署操作均在主操作IP进行\n\n非sudo用户设置sudo免密登录\n如果每台机器密码一致， 在inventory/hosts中使用了root用户名和密码， 则不需要这一步操作\n\nvim /etc/sudoers\n\nip免密登录\n如果每台机器密码一致， 在inventory/hosts中使用了root用户名和密码, 则不需要这一步操作\n\n# 生成ssh公钥和私钥\nssh-keygen -f ~/.ssh/id_rsa -N '' -t rsa -q -b 2048\n \n# 将公钥copy到所有host节点， 包括本机节点\nssh-copy-id root@IP\nssh-copy-id root@IP\nssh-copy-id root@IP\n \n#测试 是否免密\nssh root@ip\nansible安装\n在线安装\n# 确保每台机器安装python环境 使用python3\n \n# 主IP安装ansible， 如果已经安装过，则跳过\npip3 install pip -U\npip3 install ansible==2.9.27 # 固定版本号安装，非强制\n \n \npip3 install pyopenssl -U\n离线机器安装\n# 前期文件准备：\nwget -r -nH http://172.20.3.202:9000  # 一键下载所有需要的包文件\n \nansible_installer_centos8.sh 单独进行放置 进行ansible安装\n其他文件放置到部署包dingo-deploy/artifacts目录下\n \n#  安装ansible 需要root用户\nbash ansible_installer_centos8.sh # 三台环境均需要执行， 确保每台机器的python3路径一致\n \n#注意在部署前修改 inventory/hosts\nansible_python_interpreter=/usr/local/miniconda3/bin/python\n \n \n# 以下所有的ansible和python命令  替换为全路径运行， 比如\n/usr/local/miniconda3/bin/ansible-playbook playbook.yml\n\n\n配置说明\nPull git部署代码\ngit clone https://github.com/dingodb/dingo-deploy.git\n \n \n# 离线安装需手动下载zip包\n部署配置\n配置安装选项\n配置文件地址： dingo-deploy/group_vars/all/_shared.yml\n\n# 修改安装目录\ninstaller_root_path\n \n# 修改用户组\ndingo_user\ndingo_group\njdk_user\njdk_group  # 现在配置jdk组和dingo组相同, 初始化mysql,java为必须安装选项\n \n \n# 安装选项修改\ninstall_system: true    # 安装系统环境，第一次安装必须打开，设置文件限制\ninstall_java_sdk: true  # 安装jdk环境， jdk安装，第一次安装时打开，执行executor和mysql_init需要\ninstall_dingo: true     # 安装executor\ninstall_dingo_store: true   # 安装dingo-store,包括coordinator、store、mysql_init\n--以下是安装监控所选配置\ninstall_prometheus: true    # 安装prometheus数据库\ninstall_node_exporter: true # 安装节点监控\ninstall_process_exporter: true  # 安装进程监控\ninstall_grafana: true  # 安装grafana监控界面\n \n \n# 离线安装用户也要配置 install_system\ninstall_system: true\ninstall_system_basicTools: false\ninstall_system_fileLimits: true   #文件描述符限制一定要打开， 只需要第一次安装时打开就可以\n---\n \n# define the root path of install\ninstaller_root_path: /home/dingo\ninstaller_cache_path: /tmp\ndelete_cache_after_install: false\n \n# define the global log and data directory\ndingo_log_dir: \"{{ installer_root_path }}/log\"\ndingo_data_dir: \"{{ installer_root_path }}/data\"\ndingo_run_dir: \"{{ installer_root_path }}/run\"\n \ndingo_user: root\ndingo_group: root\njdk_user: root\njdk_group: root\n \n#-----------------------------------------------------\n# 1. Update System Configuration about OS\n#-----------------------------------------------------\ninstall_system: true\ninstall_system_basicTools: true\ninstall_system_fileLimits: true\n \n#-----------------------------------------------------\n# 2. Install Java SDK\n#-----------------------------------------------------\ninstall_java_sdk: true\njdk_install_path: /opt\njdk_home: \"{{ jdk_install_path }}/jdk\"\n \n#-----------------------------------------------------\n# 3. Install Dingo to Dingo home\n#-----------------------------------------------------\ninstall_dingo: true\ninstall_dingo_basic_command: true\ninstall_dingo_update_configuration: true\ninstall_dingo_start_roles: true\n \n#-----------------------------------------------------\n# 4.Install Dingo-store to Dingo home\n#-----------------------------------------------------\ninstall_dingo_store: true\ninstall_dingo_store_basic_command: true\ninstall_dingo_store_update_configuration: true\ninstall_dingo_store_start_roles: true\n \n \n#-----------------------------------------------------\n# 5. Install Prometheus to Dingo directory\n#-----------------------------------------------------\ninstall_prometheus: true\nblackbox_exporter_port: 19115\nblackbox_exporter_server: \"{{ prometheus_server }}\"\n \n# Node Exporter\ninstall_node_exporter: true\nnode_exporter_port: 19100\nnode_exporter_servers: \"{{ groups['node_exporter'] }}\"\n \n# Process Exporter\ninstall_process_exporter: true\nprocess_exporter_port: 19256\nprocess_exporter_servers: \"{{ groups['process_exporter'] }}\"\n \n# Prometheus\nprometheus_port: 19090\nprometheus_server: \"{{ groups['prometheus'][0] }}\"\nprometheus_url: \"http://{{ prometheus_server }}:{{ prometheus_port }}/prometheus\"\n \n# Pushgateway\npushgateway_port: 19091\npushgateway_server: \"{{ prometheus_server }}\"\n \n# Grafana\ninstall_grafana: true\ngrafana_port: 3000\ngrafana_server: \"{{ groups['grafana'][0] }}\"\ndefault_dashboard_uid: \"RNezu0fWk\"\n \ndingo_tmp_coordinator_list: \"{{ groups['coordinator'] }}\"\ndingo_tmp_executor_list: \"{{ groups['executor'] | default(\\\"\\\") }}\"\n \n# define dingo coordinator http monitor port: IP:8080,IP:8080,IP:8080\ndingo_coordinator_http_monitor_port: 9201\ndingo_executor_http_monitor_port: 9201\n \n# ['IP:9201','IP:9201','IP:9201']\ndingo_coordinator_http_tmp_list: \"{% for item in dingo_tmp_coordinator_list %} '{{item}}:{{ dingo_coordinator_http_monitor_port }}' {% endfor %}\"\ndingo_coordinator_http_monitor_list: \"[ {{ dingo_coordinator_http_tmp_list.split() | join(\\\",\\\") | default(\\\"\\\") }} ]\"\n \ndingo_executor_http_tmp_list: \"{% for item in dingo_tmp_executor_list %} '{{item}}:{{ dingo_executor_http_monitor_port }}' {% endfor %}\"\ndingo_executor_http_monitor_list: \"[ {{ dingo_executor_http_tmp_list.split() | join(\\\",\\\") | default(\\\"\\\") }} ]\"\n下载部署包\n# 将以上配置的部署包下载至 dingo-deploy/artifacts目录下\nwget -r -nH http://IP:9000   一键下载所有文件， \n \n# 下载主要文件， 也可 wget http://IP:9000/pack_name单独下载包文件\ndingo-store: dingo-store.tar.gz 其中dingo-store.tar.gz 为poc版本, 需要切换到旧版本ansible部署\n监控：  \n  wget http://IP:9000/blackbox_exporter-0.16.0.linux-amd64.tar.gz  \n  wget http://IP:9000/grafana-8.3.3.linux-amd64.tar.gz  \n  wget http://IP:9000/node_exporter-0.18.1.linux-amd64.tar.gz  \n  wget http://IP:9000/process-exporter-0.7.10.linux-amd64.tar.gz  \n  wget http://IP:9000/prometheus-2.14.0.linux-amd64.tar.gz  \n  wget http://IP:9000/pushgateway-1.0.0.linux-amd64.tar.gz\n \njdk:  \n  wget http://IP:9000/jdk-8u171-linux-x64.tar.gz \n \nPS:\n    ansible部署现在将dingo.zip和dingo-store.tar.gz合并为dingo.tar.gz, 并提供合并脚本： 下载以上两个包后在artifacts中执行 bash merge_dingo.sh\n    如果仅部署测试dingo-store.tar.gz, 也可执行 bash merge_dingo.sh  单独转换为dingo.tar.gz, 不可以单独部署dingo.zip\n \nexector:\n   wget http://IP:9000/dingo.zip  \n \n \n# 如果想要获取最新版本的dingo-store.tar.gz\nDingo-0.6.0: wget http://IP/dingo-store.tar.gz # 获取最新tar包\n\n\n\n\n配置Hosts\n配置文件地址： inventory/hosts\n\n1. 配置[coordinator] 节点ip， 每个节点启动一个coordinator服务\n2. 配置[store] 节点ip，每个节点默认启动一个， 如果启动多个， 设置store_num变量, 如果想要将store部署在不同的磁盘上 设置disk变量,以空格分开\n3. 删除或注释 Dingo-0.5.0版本的配置 [executor]， [driver]， [web]\n4. 配置监控工具的 节点ip\n    [prometheus]：监控数据库， 配置单节点即可\n    [grafana]： 监控界面， 配置单节点即可\n    [node_exporter]： 节点监控， 系统性能， 为每个节点部署\n    [process_exporter]：进程监控，进程性能， 为每个节点部署\n\n\n[all:vars]\n#ansible_connection=ssh\n#ansible_ssh_user=root\n#ansible_ssh_pass=datacanvas@123\nansible_python_interpreter=/usr/bin/python3\n \n \n \n#[add_coordinator]\n# IP\n \n#[add_store]\n#IP\n \n \n[coordinator]\nIP\nIP\nIP\n \n[store]\nIP store_num=2 disk=\"/home/sd1 /home/sd2\"\nIP\nIP\n \n \n[executor]\nIP\n \n#[web]\n#IP\n \n \n[executor_nodes:children]\nexecutor\nweb  \n \n \n \n[prometheus]\nIP\n \n[grafana]\nIP\n \n \n[all_nodes:children]\ncoordinator\nstore\n \n \n[node_exporter]\nIP\nIP\nIP\n \n \n[process_exporter]\nIP\nIP\nIP\n\n\nansible部署与使用\n部署\ncd dingo-deploy\nansible-playbook playbook.yml\n \n \n \n# 离线用户\ncd dingo-deploy\n/usr/local/miniconda3/bin/ansible-playbook playbook.yml\nansible使用\n命令行使用\ncd dingo-deploy\nansible store -m ping # 测试store组所有ip, 可用于安装之前， 先确保每台机器ansible连接通\n \nansible store -m shell -a \"ps -ef |grep dingodb_server\" #  查看dingodb_server进程\n \nansible store -m shell -a \"/path/scripts/start-coordinator.sh  start/stop/clean/restart/deploy/cleanstart\" --become --become-user \"myuser\"  # 启动  coordinator节点  cleanstart包含 stop clean deploy start\nansible store -m shell -a \"/path/scripts/start-store.sh  start/stop/clean/restart/deploy/cleanstart\" --become --become-user \"myuser\"  # 启动  store节点\n管理工具DingoControl\n# 前提: 已经配置完成group_vars/all/_shared.yml和hosts\n# 对DingoControl 赋权限\nchmod +x DingoControl\n \n# DiongControl 命令详解\nOptions:\n  --help        display this help and exit\n  deploy        deploy the application \n  show          show all process for user\n  stop          stop  server\n  clean         clean server\n  start         start server\n  cleanstart    stop clean deploy  and start server\n  install       install playbook\n \n# install\n  # 安装选项， playbook是安装默认配置执行， dingodb是安装dingo(executor)和dingo-store, monitor是安装所有监控工具， 其余都是单个步骤安装\n  # 示例: ./DingoControl install playbook\n  playbook    playbook.yml\n  system      install system\n  jdk         install jdk\n  dingo       install dingo\n  dingo-store install dingo-store\n  dingodb     install dingo and dingo-store\n  prometheus  install prometheus\n  grafana     install grafana\n  node        install node_exporter\n  process     install process_exporter\n  monitor     install prometheus grafana node_exporter process_exporter\n \n\n \n# deploy\n  # 部署模块包含coordinator的部署和store的部署，生成启动前的目录结构\n  # 示例: ./DingoControl deploy all\n  all               stop/clean/deploy store/coordinator\n  store             stop/clean/deploy store\n  coordinator       stop/clean/deploy coordinator  \n \n# show\n  # 示例: ./DingoControl show process\n  process          show all process # 显示部署用户的所有进程\n  file             show all file not user # 查看部署目录下是否有非部署用户权限的目录\n \n# stop\n  # 停止进程， 可以单个进程停止，也可全部停止\n  # ./DingoControl stop store\n  all               stop all process\n  store             stop store\n  coordinator       stop coordinator\n  executor          stop executor\n  node-exporter     stop node-exporter\n  process-exporter  stop process-exporter\n  prometheus        stop prometheus\n  grafana           stop grafana\n \n# clean\n  # 清理文件，自动stop进程, 只有all为清理全部文件并删除目录， coordinator和store 是清空部署文件和数据， 监控模块是清理掉systemctl服务文件\n  # 示例: ./DingoControl clean store\n  all               stop all server and clean all file, if want del completely\n  dingo-store       stop/clean store/coordinator and clean dingo-store, deprecated\n  store             stop/clean store\n  coordinator       stop/clean coordinator\n  node-exporter     stop/clean node-exporter\n  process-exporter  stop/clean process-exporter\n  prometheus        stop/clean prometheus\n  grafana           stop/clean grafana\n \n \n# start\n  # 启动进程， 当启动store时自动执行mysql_init.sh进行初始化表\n  # 示例: ./DingoControl start store\n  all               start all process\n  store             start store\n  coordinator       start coordinator\n  executor          start executor\n  node-exporter     start node-exporter\n  process-exporter  start process-exporter\n  prometheus        start prometheus\n  grafana           start grafana\n\n \n# cleanstart\n  # 清空数据重新部署和启动coordinator、store和executor\n  # 示例: ./DingoControl cleanstart all\n  all   stop-clean-deploy store/coordinator and restart executor\ncoordinator扩缩容\n目前ansible不支持单机器扩容，需要额外未部署的机器\n\n# 扩容\n1. 先进行新机器服务部署\n# 配置inventory/hosts， 依照自己的需要打开以下两个选项\n#[add_coordinator]\n# IP\n\n#[add_store]\n#IP\n\n \n2. 执行部署新集群命令\n./DingoControl install scaling_in_dingodb\n  \n3.执行raft addpeer, 填写最新扩容的ip地址， 如果扩容多个，需要多次执行， 默认的raft端口地址为22101\n# 目前采取全部广播的方式，每次广播仅有leader节点会成功， 进行index=0和index=1两次广播\n./DingoControl install addpeer IP\n\n4. 修改coor_list, 注意以下格式以\",\"分割\n./DingoControl install coor_list \"IP:22001,IP:22001,IP:22001,IP:22001\"    \n \n \n# 缩容\n1. 缩容命令\n# 会先将目标机器服务 停掉，然后进行其他节点广播，每次广播仅有leader节点会成功， 进行index=0和index=1两次广播\n./DingoControl install scaling_out_dingodb IP\n \n\n \n# 单机器启停store或者coordinator\n./DingoControl start one_coordinator IP\n./DingoControl start one_store IP\n \n./DingoControl stop one_coordinator IP\n./DingoControl stop one_store IP\n\n# 输出结果\nWARNING: Logging before InitGoogleLogging() is written to STDERR\nE20230517 11:34:04.153780 1828620 coordinator_client.cc:320] [main] coordinator url is empty, try to use file://./coor_list\nI20230517 11:34:04.167536 1828630 naming_service_thread.cpp:203] brpc::policy::FileNamingService(\"./coor_list\"): added 3\nI20230517 11:34:04.167704 1828620 coordinator_interaction.cc:64] [InitByNameService] Init channel by service_name file://./coor_list service_type=0\nI20230517 11:34:04.167815 1828620 coordinator_interaction.cc:64] [InitByNameService] Init channel by service_name file://./coor_list service_type=1\nW20230517 11:34:04.174784 1828630 coordinator_interaction.h:199] [SendRequestByService] name_service_channel_ connect with meta server success by service name, connected to: IP:22001 found new leader: IP:22001\nI20230517 11:34:04.202661 1828628 coordinator_client_function_meta.cc:314] [SendCreateTable] SendRequest status=OK\nI20230517 11:34:04.202737 1828628 coordinator_client_function_meta.cc:315] [SendCreateTable] table_id {\n  entity_type: ENTITY_TYPE_TABLE\n  parent_entity_id: 2\n  entity_id: 66006\n}\n \n# 查所有表\n./dingodb_client_coordinator --method=GetTables\n \n \n# 查单表\n./dingodb_client_coordinator --method=GetTable  --id=66006\n./dingodb_client_coordinator --method=GetTableRange  --id=66006\n./dingodb_client_coordinator --method=GetTableByName  --name=test1\n \n# 删除表\n./dingodb_client_coordinator --method=DropTable  --name=test1"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - RT v4.0.0 较往期版本，在哪些方面进行了更新升级？", "summary": "1、算子作业\n2、SQL作业\n3、数据资产和数据湖\n4、数据服务\n5、作业运维"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS发送到KAFKA数据格式？", "summary": "采集的数据主要分为ＩＮＳＥＲＴ、ＵＰＤＡＴＥ、ＤＥＬＥＴＥ ，以json方式发送到KAFKA，我们以Oracle为例：\n\n \n\nｄｅｌｅｔｅ语句：\n\n \n\n{\n    \"scn\": 94117142,   <-事务开始SCN\n    \"tms\": \"2023-04-12 16:02:36\",  <-事务提交时间\n    \"xid\": \"11.28.364437\",  <--事务ID\n    \"payload\": [{\n        \"op\": \"d\",  <-代表ｄｅｌｅｔｅ语句\n        \"schema\": {\n            \"owner\": \"DBMGR\", <-表所属的owner\n                \"table\": \"T01\" , <-表名\n        },\n        \"num\": 1,  \n        \"rid\": \"AAASQjAAHAAAAFdAAB\", <-记录的rowid\n        \"before\": { <-before里面存储删除之前的值\n            \"C1\": 1,\n            \"C2\": \"a\",\n            \"C3\": \"2022-11-19 16:03:04\"\n        }\n    }]\n}\n\n \n\nｉｎｓｅｒｔ语句：\n\n \n\n{\n    \"scn\": 94124255,\n    \"tms\": \"2023-04-12 16:56:40\",\n    \"xid\": \"5.2.15837\",\n    \"payload\": [{\n        \"op\": \"c\",\n        \"schema\": {\n            \"owner\": \"DBMGR\",\n            \"table\": \"T01\"\n        },\n        \"num\": 1,\n        \"rid\": \"AAASQjAAHAAAAFbAAA\",\n        \"after\": {  <-after里面存储插入之后的值\n            \"C1\": 1,\n            \"C2\": \"datacanvas\",\n            \"C3\": \"2023-04-12 16:56:39\"\n        }\n    }]\n}\n\n \n\nｕｐｄａｔｅ语句：\n{\n    \"scn\": 94124495,\n    \"tms\": \"2023-04-12 16:58:37\",\n    \"xid\": \"11.11.364457\",\n    \"payload\": [{\n        \"op\": \"u\",\n        \"schema\": {\n            \"owner\": \"DBMGR\",\n            \"table\": \"T01\"\n        },\n        \"num\": 1,\n        \"rid\": \"AAASQjAAHAAAAFbAAA\",\n        \"before\": {\n            \"C2\": \"datacanvas\"   <-before里面存储更新之前的值\n        },\n        \"after\": {\n            \"C2\": \"dds\"  <-after里面存储更新之后的值\n        }\n    }]\n}\n\n"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 公司开票信息是什么？能在哪里查看？", "summary": "（一）公司常用的开票信息有：\n①名称：北京九章云极科技有限公司，税号：911101080628016980，地址：北京市海淀区小营西路10号院1号楼和盈中心C座6层及8层，电话：010-62982463，开户银行：中国建设银行北京上地支行，银行账户：11001045300053020635\n②名称：山东雅图软件科技有限公司，税号：91370100MA3C4RKF99，地址：中国（山东）自由贸易试验区济南片区新泺大街1166号奥盛大厦1号楼503，电话：0531-88288659，开户银行：中国建设银行济南新区支行，银行账号：37050161880600000066\n③名称：上海数中科技有限公司，税号：91310106MA1FY6004P，地址：上海市静安区江场路1401弄14号1001-2室，电话：021-52997702，开户银行：交通银行上海长宁支行，银行账号：310066629018800043756\n④名称：北京中数天元信息科技有限公司，税号：91110108MAC3R5ENX2，地址：北京市海淀区中关村南大街6号9层913，电话：18401691196，开户银行：招商银行股份有限公司北京分行营业部，银行账号：110951516110901\n（二）开票信息的查看路径：登陆OA系统——点击左侧菜单栏的【开票信息】——便能查看到公司所有的开票信息。"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - RT v4.0.0对算子作业的相关功能进行了哪些改造升级？", "summary": "1、产品中去除算子作业模版，算子作业改为直接创建作业，有运行态和编辑态；\n2、算子作业允许保存为多个版本 (包括算子 DAG 图信息和环境配置)，并可进行版本预览、版本回滚、版本间对比、导出等操作；\n3、算子作业支持在调试模式下运行，模拟向 source 算子发送数据，并查看选择的算子节点和输出；\n4、新增预置多流join、DorisSink、StarRocks Sink等算子。"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 申请病假、婚假、育儿假、陪产假需要提供哪些材料？", "summary": " \n一天以内的病假不需要提供相关证明材料，1天以上的病假需要提供《诊断证明》、《病历本》、《挂号凭证》、《医药费收据》、《病假条》等相关证明材料；\n婚假需要提供结婚证复印件；\n育儿假需要提供孩子的出生证明；\n陪产假需要在休假后提供婴儿的出生证明以及结婚证复印件"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - 如何使用环境管理功能定制镜像？", "summary": "1. aps默认提供精简repo源，用户从这里安装Python包\n2.用户可以将已有的Python包上传到aps上，然后编写dockerfile来构建环境\n3. 联网的环境下，可以从指定源安装Python包，比如豆瓣源和清华源\n4. APS可以适配客户的私有repo源"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS目前支持Oracle的那些版本？", "summary": "DDS目前支持Oracle 11G、12C、18C、19C、21C"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 什么是市内交通费？", "summary": "市内交通费是指在属地内的工作时间因公外出办事或加班乘坐交通工具而发生的交通费用，正常上下班发生的费用不予以报销。"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 离职的流程是怎样的", "summary": "首先需要与部门沟通确认，确认好后在OA提交”离职申请“审批单，离职申请审批单流程结束后，需再在OA提交”离职交接“审批单，除此之外需要线下将纸质的”离职申请“和”工作交接清单“提交到当地hr处（北京-肖宇琦，上海-韩扬，济南-周秀梅）。以上流程全部完成后方可完成离职并拿取离职证明"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - 算子作业如何进行区间关联（interval join)？需要使用哪些算子？如何配置流作业？", "summary": "RT4.0提供了区间关联算子：\n1、使用水位线算子、区间关联算子，如果进行双流关联则需要使用两个水位线算子（为两个数据流都加上水位线）；\n2、在区间关联算子中配置主键（用以关联的字段），选定一个通过水位线的数据流作为左表，然后填写上限、下限；\n3、当右表处于时间区间  [左表水位线 - 下限，左表水位线 + 上限] 内时，将根据主键关联左右表的数据。"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - 用户在模型库模块首页可以看见哪些场景？", "summary": "登录用户创建或已授权场景或全区用户所创建场景（可见即\n可使用场景下模板）"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - 源表结构变化对DDS数据采集的影响？", "summary": "自动同步，无需人工介入"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 招待餐费和礼品费的报销标准是多少？", "summary": "（一）单次招待餐费不得大于2000元，大于2000元小于4000元的，需经由BU负责人邮件审批；大于等于4000元的，同时还需经由经管委主管领导邮件审批。\n（二）单人单次礼品费不得大于1000元，大于等于1000元的，需经由经管委主管领导邮件审批。"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 邮箱登录", "summary": "除职能同学外，需使用outlook网页版或者foxmail桌面邮箱承载器登录邮箱。"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - RT产品具备哪些优势？", "summary": "1、RT提供覆盖实时数据决策全生命周期的一站式平台，能有效实现各流程无继衔接，提升决策效率，降低系统部署复杂度；\n2、 RT具备稳定、高可用技术架构，能在提供高并发数据服务的同时，满足实时数据决策的需要；\n3、RT面向开发人员，提供多种数据开发方式和DevOps能力，能显著提升开发效率和体验；\n4、RT具备多租户管理及用户权限管理等功能，帮助大型企业解决多用户协作难题，保障数据安全；\n5、DataCanvas RT 具备多家大型企业落地经验，提供全面贴合生产环境的业务场景。"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 上海职场停车位申请", "summary": "请联系行政部-陈丹领取停车位申请表，当月申请，次月生效。公司停车位12个，如停满请排队申请。固定车位650元/月（1个）非固定车位600元/月（11个）"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 如何打卡？", "summary": "使用企业微信打卡，具体路径：工作台-打卡，一般在上下班时间打开企微会自动完成打卡（法务、人力、IT使用OA打卡）"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - BAP速赢建模工作台包含哪些功能？", "summary": "包含主工作台、交互式知识库和监控驾驶舱，用户可在工作台页面进行速赢建模战役创\n建、迭代和管理，查阅知识库文档，监控资源使用和任务执行等情况。将围绕掌握和运\n用速赢建模能力的学习、执行、监控所需要的知识、操作桌面、资源面板、资产地图都\n集中在一个工作台，实现全视角一站式的敏捷 AI 生产。"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - 使用BAP建模之前需要完成哪些数据准备？", "summary": "在进行速赢建模之前，需要在特征库模块完成基础特征数据同步、特征数据定义、特征\n体系定义、场景特征宽表定义，执行场景特征宽表生成批量完成相应场景大类的默认特征大\n宽表的创建，用户在进行速赢建模时系统根据场景大类调用对应特征宽表抽取特征数据进行\n特征分析、模型训练和模型预测。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS平台支持哪些训练框架？", "summary": "预置框架有Pytorch、Dask、Python、TensorFlow、TensorFlow2、DeepSpeed、colossalAI、Sklearn、sparkML、XGBoost、Lightgbm、deeptables、hypergbm、hypernetes，还可以通过环境管理功能集成其他框架。\n"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - 是否支持使用第三方工具来连接DingoDB？", "summary": "支持，DingoDB目前支持通过Dbeaver连接。具体操作如下：\n1、启动DBeaver工具，导航到菜单栏 Window -> Driver Manager。\n2、在 Driver Manager 对话框中，点击\"New\"按钮，创建新的驱动。\n3、在 New Driver 对话框中，填写 \"Driver Name\" 和 \"Class Name\"。在这里，请将 Class Name 输入为 \"io.dingodb.driver.client.DingoDriverClient\"。\n4、点击 \"library\" 选项卡，并点击 \"Add file\" 按钮。\n5、添加 DingoDB 驱动 \"dingo-driver-client-all.jar\"，点击 \"Search\" 并选择 DingoDB 驱动 \"io.dingodb.driver.client.DingoDriverClient\"。\n6、点击 \"OK\"，然后你会在驱动列表中看到 DingoDB 驱动的显示。\n7、返回到 DBeaver 主界面，从工具栏点击 \"New Database Connection\"，选择 \"DingoDB\" 项目。\n8、在 New Database Connection 对话框中，提供有效的 JDBC URL、用户名和密码，然后点击 \"Test Connection\" 并查看数据库连接成功。\n9、点击 \"Finish\"，然后你会在左侧的 Database Connections 导航器中看到 DingoDB 连接的显示。"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB是否支持数据迁移？", "summary": "V0.4.0版本是支持本地文件和kafka数据的迁移；0.4.0版本后不再支持。"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 境内出差住宿费的报销标准是多少？", "summary": "（一）一类城市：VP及BU负责人550元/晚，其他人员450元/晚；\n（二）二类城市：VP及BU负责人390元/晚，其他人员300元/晚；\n（三）其它城市：VP及BU负责人300元/晚，其他人员250元/晚\n"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 北京和盈中心门禁如何录入", "summary": "可提供一张人脸清晰的照片给行政-李林亥，林亥同学会帮忙录入信息。"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 什么是差旅费？", "summary": "（一）差旅费指公司员工因公离开入职属地而发生的交通费、住宿费等；\n（二）差旅费采取标准内实报实销，不属于补贴性质，请各BU负责人、项目负责人、部门负责人以成本最优为原则进行管控；"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - BAP笔记功能提供了哪些能力？", "summary": "提供前端截图生成笔记内容功能，用户可添加描述说明保存为笔记，并提供共享功能。\n新增笔记-提供富文本编辑器编写笔记，前端提供截图小工具，用户可在系统任意界面下截取任意元素保存图片\n共享笔记-用户可共享自己编写的笔记，在知识库增加共享笔记章节，按用户名称和笔\n记标题作为二三级目录，其他用户可进行浏览收藏和评论，按热门创作者和热门文章进\n行排序"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 借款的分类有几种？", "summary": "（一）账户类型：借款主要分为【对公】借款和【个人】借款，根据实际收款主体确认。\n（二）账户类型为【对公】的借款，需要明确【投标保证金】和【对公借款】，其中【对公借款】需以具有法律效力的合同及订单为依托产生但尚无法取得发票的行为。"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 病假工资如何发放？", "summary": "年度累计15个工作日内的带薪病假，工资按照标准工资80%发放病假工资，\n年度累计超出15个工作日的带薪病假，按照当年度最低工资标准的80%发放。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS的开放性体现在那些方面？", "summary": "APS的开放性体现在预置算子白盒开放给用户，同时支持用户自定义开发算子，融合主流的开源机器学习和深度学习框架，开放产品功能接口。APS内置200 多种企业常用的数据预处理、特征工程、机器学习、预测与评估等类型算子并提供相应源代码，用户可直接用于组建工作流与模型构建。集成Web IDE、Jupyter 开发环境，支持Python2、Python3、Pyspark、R 等常用数据分析语言，基于Docker 技术实现算子的灵活封装、集成，并支持发布到已有算子库中。集成TensorFlow、Keras、PyTorch、Dask、Scikit-learn、LightGBM、XGBoost、h2o、horovod 多种主流机器学习、深度学习框架以及九章云极DataCanvas 自研发布的面向结构化数据建模的深度学习工具包DeepTables，并可在平台上开展协同工作。平台提供数据、算子、自动建模、工作流、模型仓库、模型服务等核心对象与管理能力的API 接口，以及支持模型SDK 导出，便于上层业务应用无缝对接。"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - RT的模型引擎的作用是？", "summary": "提供模型算子和模型服务算子，将机器学习和人工智能扩展到实时。支持离线模型内嵌计算引擎的方式，以及模型服务远程调用的方式，对流入数据进行实时消费。"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - BAP速赢建模战役沙盘提供了哪三种模式？", "summary": "面向不同角色用户，提供了简易极速模式、向导标准\n模式和开放更多配置和功能的专家模式。"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - 安装大数据集群需要注意什么？", "summary": "此脚本仅测试过未开启 Kerberos 的安装与 bap 适配流程执行安装脚本的用户需要有 sudo 免密权限，并能ssh 免密登录其他主机关闭防火墙和 Selinux"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS支持虚拟GPU吗？在APS中是如何使用的？", "summary": "通过DC-GPU-Pooling，可以实现启用、停用、虚拟化GPU，形成GPU资源池供模型训练与模型服务使用。APS支持用户执行任务时选择vGPU（虚拟GPU）进行计算，提升GPU集群资源利用率，降低企业硬件成本。在Operation Center与Console中，支持为租户和项目分配GPU和vGPU；在Lab中，支持用户根据计算场景选择不同型号的GPU或不同规格的vGPU。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - 什么是DCPipeline模型？", "summary": "DCPipeline是一种Pipeline模型，类似于SKLearn和Spark的Pipeline。支持多种框架算子的融合，甚至于自定义算子；它定义了一种规范，可以对多种框架进行支持，是一种更高层次的抽象，且易于扩展。"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - 算子作业如何进行窗口关联（window join）？需要使用哪些算子？如何配置流作业？", "summary": "RT4.0 提供了窗口关联算子：\n1、使用水位线算子、窗口关联算子，如果进行双流关联则需要使用两个水位线算子（为两个数据流都加上水位线）；\n2、在窗口关联算子中选择关联类型，选定一个通过水位线的数据流作为左表，然后配置主键（用以关联的字段），定义窗口类型、窗口大小；\n3、两个数据流中的数据将根据时间窗口被划分，在同一时间窗口内的数据将根据主键进行匹配关联 。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - 怎么读取模型仓库的模型并做预测？", "summary": "加载模型仓库的模型有两种方式：\n1. 在工作流中使用“读取DCPipeline模型”的算子，将模型地址作为算子参数传入\n2. 在探索空间可以调用dc_model_repo.model_repo_client.get()方法读取模型仓库的模型"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 邮箱忘记密码了怎么办", "summary": "可以企业微信联系hr-肖宇琦，请其帮忙重置邮箱密码"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 借款的时限要求是什么？", "summary": "（一）【个人借款】应在借款承诺归还日期前归还借款，每年年末应将个人借款结清归还或冲账，下年年初可重新申请，未结清归还或冲账的，将依据借款金额从工资中扣除，直到借款清理完毕。\n（二）财务部每个季度梳理【对公借款】未清账情况，对超期的对公借款定期跟踪结清归还或冲账。\n（三）员工离职时，财务部核对该员工欠款是否已结清，并签字确认后，方可办理后续离职手续。"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 住房补贴如何规定", "summary": "租房地址距离北京、上海办公室通勤距离5km内，可以在企业微信申请住房补贴，需提供给hr肖宇琦租房合同及每期付款凭证。\n每月15日及之前提交的住房补贴，当月生效，15日后提交的住房补贴次月生效"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS主要为哪些客户群体提供建模能力？", "summary": "APS为数据科学家、开发人员、业务专家等多种客户群体提供不同的建模方式训练模型，面向数据科学家提供编码建模、面向IT 工程师提供拖拽式建模和面向业务人员提供自动建模。"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 出差乘坐交通工具购买的各类保险费用可以报销吗？", "summary": "由于公司补充医疗保险含意外险，员工乘坐交通工具购买的各类保险费用，需自行承担。"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - 针对Oracle采集，DDS需要源库的那些权限？", "summary": "ORACLE数据库采集用户要求具有如下查询权限：\n\nCREATE SESSION\nSELECT ANY DICTIONARY\nSELECT_CATALOG_ROLE\nSYS.USER$"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - 在BAP那个功能可以查看系统资源使用情况", "summary": "驾驶舱资源仪表盘，展示系统资源使用情况，包括分配使用占比、最近 24 小时、最近一周、最近一个月、\n最近一年的使用情况。"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - RT的算子作业相关功能具体有哪些？", "summary": "1、支持通过拖拽实时数据处理抽象封装的算子，并连线，形成可视化的流程图，构建为算子作业。并经过对算子的配置后发布到指定集群上运行；\n2、算子作业支持在调试模式下运行，模拟向 source 算子发送数据，并查看选择的算子节点和输出；\n3、算子作业允许保存为多个版本 (包括算子 DAG 图信息和环境配置) ，并可进行版本预览、版本回滚、版本间对比、导出等操作；\n4、算子作业提供了预置算子库，包括:多种数据源，多种数据宿，各类数据处理算子。并支持自定义算子的上传管理和使用。无缝对接数据资产；\n5、算子作业提供平台，项目，作业等不同级别的自定义算子 Jar 包管理，在不同层级实现自定义算子的复用；\n6、算子作业提供规则算子，模型算子和模型服务调用算子，指标算子等对接可选功能模块。"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS中Oracle Connector是否支持远程解析？", "summary": "Oracle Connector新增远程解析功能，无需在数据库服务器上部署任何Agent即可完成数据采集，整个数据解析工作都是在DDS部署所在的服务器进行，不占用源端数据库的CPU和内存。远程解析大大减少了采集对业务系统的压力，减少了采集过程中客户对业务系统影响的担忧。通过远程解析，大大增加了DDS的适配性，远程解析可以直接解析AIX、HP-UX、Linux等平台上的Oracle数据库。"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - BAP是什么？", "summary": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS在哪些行业有成熟的落地经验，应用场景有哪些？", "summary": "APS在金融、交通、政府、物联网等行业有成熟的落地经验，主要应用场景包括：金融行业：智能信贷风控、智能反欺诈、智能运维、用户画像、智能投顾、实时推荐、精准营销、网点运营分析、骗保识保、风险定价、实时推荐；交通行业：交通运营管控、交通营销及服务精准化、智能用户行为分析、智能路网运行监测、智能路网综合分析、智能犯罪行为研判、汽车故障预测；政府：政务类公示信息、市场监管、环保预测、社会治理、融资担保、税收征缴、进出口、政府采购、案件收集及预警、资金评估财政决策；物联网：智慧水务、动车检测、运行线路检测、票务规划、人群分布预警、人群轨迹分析和发现、轨迹定位及智能推荐、工业流水线产品次品发现等应用场景。"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - 算子作业如何进行窗口聚合？", "summary": "1、在窗口聚合算子之前需添加水位线算子，为每条数据加上时间戳，以控制是否触发窗口计算；\n2、设置窗口聚合算子，该算子将根据数据的水位线以及对应的键值进行窗口分组，并在分组中进行聚合计算。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS支持智能标注吗？还支持哪些标注方式?", "summary": "APS提供计算机视觉、NLP 和智能语音等标注场景的手动标注和智能标注能力，用户可以采用自动标注、区域识别、框选快速标注和画笔等多种标注工具，提供标注数据质检功能，提高标注结果的准确性。"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - 详细说明DIngoDB多模态数据联合分析的能力？", "summary": "结构化数据的分析和计算一直是企业智能决策的重要组成部分。\n\n随着信息多样化的爆发，文本、图片、视频、音频等非结构化数据变得越来越重要，结构化和非结构化数据联合分析的需求应运而生。\n\nDingoDB以其独特的设计和开放的心态，提供了同时处理结构化和非结构化数据的能力，其多模态特性使其在处理不同类型的数据时更加灵活和高效。\n\nDingoDB将数据湖和向量数据库的特性相结合，可以同时存储和处理多模态数据，并提供结构化与非结构化数据的联合查询和融合分析计算的能力；借助结构化和非结构化的融合分析计算技术，能够高效地管理和检索多模态数据，进一步提升数据的利用价值。\n\n通过DingoDB，用户可以构建专属的数据向量海“vector ocean”，并实现针对不同行业场景的多模态数据存储、分析和管理的个性化需求。"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS是否支持Oracle远程采集？", "summary": "DDS目前支持如下模式的Oracle采集：\n1、本地模式\n这种模式需要将采集软件安装到数据库服务器上，直接本地读取数据库日志文件。\n2、远程模式\n这种模式不需要在服务器上安装任何软件，通过数据库来读取日志文件，主要针对日志文件存在文件系统上，又需要远程解析的场景。建议优先采用这种方式。\n3、ASM模式\n这种模式主要针对数据库日志文件和归档文件放在ASM存储上的，这种模式需要在ASM实例上创建ASM用户，通过ASM用户来读取日志文件。这种模式下即可远程解析也可以本地解析。\n4、SFTP模式\n这种模式是通过SFTP的方式来读取数据库服务器上的日志文件。需要在数据库服务器上创建操作系统用户，并且确保操作系统用户有权限读取日志文件。这种模式也可以理解为远程解析的另一种方式。"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - 如何在RT中创建和使用算子？", "summary": "1、在“数据作业-作业项目”中点击“新建作业”创建一个算子作业；\n2、进入算子作业详情页后，从左侧的算子栏托拉拽算子到画布中，并添加连接线，来绘制工作流；\n3、点击算子，可在算子参数栏中填写算子参数；\n4、算子作业编辑完成后，即可发布（如果是standalone环境，则可通过直接点击“启动作业”发布算子作业，如果是yarn环境，则在发布作业时需要选择session模式或者application模式）；\n5、算子作业运行起来后，使用调试工具进行调试；\n6、点击顶部的“监控”按钮，跳转到监控页面，可对算子作业的运行进行监控。"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 会议室如何预定？", "summary": "北京的会议室直接在邮件预定选择对应会议室就行，上海的联系行政陈丹预定"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - 什么是CDC？", "summary": "更改数据捕获(ChangeDataCapture，简称CDC)，是通过捕获数据库中的数据所做的更改（插入、更新、删除等），然后将这些更改按发生的顺序完整记录下来，并实时通过消息中间件传送到下游流程。通过这种方式，CDC能够向数据仓库，数据分析等系统提供高效、低延迟的数据传输。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS为用户提供哪些预置资产帮助用户快速进行训练模型？", "summary": "APS为用户预置了200+常用算子和多种基础镜像。APS内置200 多种企业常用的数据预处理、特征工程、机器学习、预测与评估等类型算子并提供相应源代码，用户可直接用于组建工作流与模型构建。APS内预置BaseImage-CPU、BaseImage-GPU、ServingImage-CPU、ServingImage-GPU等多种基础训练与服务镜像。"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 年假如何释放", "summary": "员工年假逐月释放对应额度，新入职员工将在试用期转正后统一释放试用期期间累计的额度。（应届生需工作满1年后开始计算年假）如对年假计算有疑问可联系hr-肖宇琦"}
{"content": "你是九章云极（简称九章）的培训助手，提供公司相关产品、技术的培训。 - 考试成绩在哪里查询？", "summary": "考试成绩可以在支持你的HRBP处查询，或到考试的发起人处查询。"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB是否兼容Mysql协议，兼容到了怎样的程度？", "summary": "DingoDB是兼容Mysql协议的；DingoDB基于流行的Apache Calcite SQL引擎，可以解析、优化和执行标准SQL语句，并能够运行TPC-H和TPC-DS查询的一部分。还可以与MySQL Shell和MySQL-JDBC-Driver客户端兼容，能够实现与Web服务、BI工具等无缝集成。\n\n"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 费用的报销时限是多久？", "summary": "（一）申请单后所附的发票，日期须在2个月之内。（二）当年取得的发票，原则上只能当年报销，11月及12月费用必须在次年2月末前报销，逾期财务不予报销。"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB与业内其他数据库相比，有什么优势？", "summary": "当前，市场上的向量数据库主要有三种形态。\n\n第一种“基于关系型数据库的向量索引”，适用于小规模向量数据的存储和查询；\n\n第二种“专用向量数据库”，通过使用特定的向量索引、压缩算法和查询优化技术来提供高效的向量存储和检索，一般用于企业级应用设计和优化的数据库解决方案；\n\n第三种“分布式向量数据库”，利用分布式计算和存储技术实现了高性能和可扩展性，适用于大规模向量数据集和高并发访问的场景。\n\n三种向量数据库往往不能兼得，用户需要根据自身的数据规模、场景需求和技术成本来选用其一。\n\nDingoDB的出现突破了当前向量数据库的有限选择。作为一种全新的向量数据库形态——分布式多模态向量数据库，DingoDB具备上述三种数据库全部能力的同时，还支持多模态数据的统一存储和联合分析，进一步扩展了向量数据库的能力边界。"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - 在RT 中如何进行作业运维？", "summary": "作业运维列表集中展示所有的数据作业，包括算子作业、Jar作业、SQL作业，包括作业的运行状态和集群的启动状态，以及作业所使用的CPU、内存等信息。\n1、可以根据作业类型进行筛选；\n2、支持直接对作业进行操作，如启动、停止；\n3、可以根据作业的状态进行筛选，比如：新作业、已停止、失败、部分失败、运行中、已结束等；\n4、可以根据“只显示已启动作业”或者“只显示失败作业”进行过滤，二者不能同时勾选。"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 上海职场办公用品领用？", "summary": "本子、签字笔、马克笔、白板笔、电磁、文件袋、公司logo信封等常规办公用品，\n请联系行政部-陈丹领取"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS中是否支持断点续传？", "summary": "每次成功写入数据，都会记录检查点。如果任务中间有异常，下次启动后将会自动从断点处续传"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - 人工智能技术在金融领域有哪些应用场景？", "summary": "大数据及人工智能技术已经被充分应用在金融行业的多样化业务场景中，如精准\n营销、风险管控、决策支持、服务创新、产品创新等。"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 上海职场如何领取福利餐券？", "summary": "工作日晚上下班时间预计在20点以后，可到前台旁的人力资源办公室登记领取福利餐券，\n前往1号楼1层商业区—稻香世家就餐，就餐时间：18：00-20：00"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - 模型训练过程中，APS如何使用集群外的数据进行建模？", "summary": "\n运行单机算子拉取数据，运行spark算子不拉取数据，但是会落100条数据用于中间结果预览。\n"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - Oracle数据库采集需要在源端做哪些配置？", "summary": "DDS采集要求Oracle数据库处于最小化补充日志模式"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - BAP系统基础架构介绍", "summary": "DataCanvas BAP 平台应用架构分层包括：数据层、计算层、组件层和应用层。\n⚫  数据层基于 Hadoop 提供特征数据的存储，包括 HDFS 数据文件存储和 Hive 特\n征仓库数据宽表存储，基于 ES 提供特征索引存储，基于关系型数据提供应用数据\n存储，基于共享文件系统提供文件交换\n⚫  计算层基于 Kubernetes 容器集群提供任务资源管控，提供特征数据加工和分析引\n擎，提供特征数据批量加工服务引擎，提供单机和分布式自动建模引擎\n⚫  组件层将公共基础应用功能封装成组件向各功能模块提供基础能力\n⚫  应用层功能模块包括速赢工作台、特征库、场景库、模型库、决策分析和系统管理"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 企业微信无法打卡", "summary": "请自查是否打开了手机定位，且所在位置是否位于打卡范围内，如均已满足条件仍无法打卡，可尝试卸载企业微信重装，有时可解决此bug。"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS主要有哪些组件？", "summary": "DDS主要包含Connector、Agent、管理端(DDMP)3大组件。"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB是如何扩缩容？", "summary": "Dingo针对不同组件中提供不痛的方法来实现扩容，具体操作如下：\n1、 Region操作\n1)扩容\n--id 指定要扩容到哪个store_id， --region-id 指定要扩容的region编号\n./dingodb_client_coordinator --method=AddPeerRegion --id=33004 --region-id=77001\n执行完成后，通过QueryRegion方法查看region的信息可以确认raft状态\n./dingodb_client_coordinator --method=QueryRegion --id=77001\n2)缩容\n--id 指定要从region内移除的store_id， --region-id 指定要进行缩容的region编号\n./dingodb_client_coordinator --method=RemovePeerRegion --id=33002 --region-id=77001\n2、Coordinaotor端\n1)扩容-RaftAddPeer\n./dingodb_client_coordinator --method=RaftAddPeer --addr=ip:port --peer=ip:port --index=0\n2)缩容-RaftRemovePeer\nresponse为空，说明执行成功，可以通过braft web页面查看raft的变更结果\n\n/dingodb_client_coordinator --method=RaftRemovePeer --addr=ip:port --peer=ip:port --index=0"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB的集群运维层支持哪些操作？", "summary": "DingoDB在集群管理方面支持一下功能：\n1.可视化系统监控\n1)节点信息监控，帮助用户更有效观察服务器节点状态变化\n2)系统进程监控，帮助用户及时发现异常进程，用户及时响应处理\n2.新增系统运维工具\n1)支持多节点部署，使用ansible自动化运维工具，通过批量系统配置，程序部署，命令运行等功能来实现批量部署的功能。\n3.新增DBA级别的系统管理工具\n1)支持Leader的迁移，将同一group中的Leader切换到领一个follower节点，用于负载均衡或紧急情况下重启机器。\n2)支持Region分裂/合并，系统自动将其分裂/合并成多个Region，保证各个Region大小接近，达到负载均衡。\n3)支持节点扩缩容，用户可以根据实际场景中数据分布来决定是否增加或减少借点，从而做到负载均衡。\n4)可视化Schema/Table/Region管理，通过可视化工具有效监控Schema/Table/Region信息。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS具有哪些特点和优势？", "summary": "APS是一个协作式机器学习平台，供数据科学家、数据分析师和AI工程师团队更有效地探索、构建和交付数据分析应用。企业级多租户支持：支持为企业内部不同组织创建租户，每个租户都可以实现数据科学全生命周期服务。一站式服务：支持从环境构建、数据准备、数据探索、算法开发、模型构建、模型训练、模型发布、服务管理的数据科学全生命周期服务。自助式运行时环境设计：为了响应快速变化的技术变革和业务需求，平台向用户开放了运行时环境设计能力，用户可自行构建包含特定编程环境、编程框架、中间件、服务等的Docker镜像，以满足企业的持续技术集成与升级。简化数据准备：支持多种数据连接器，轻松获取各类数据源的数据，包括本地数据、关系型数据库的数据、Hadoop大数据平台数据（HDFS、Hive等）。降低大数据处理复杂性：支持分布式任务，可自动完成Hadoop、Spark的环境调用和任务分发执行，对使用者屏蔽了大数据技术组件的复杂性，使数据分析人员轻松获得大数据处理能力。可扩展、可重用的模块库：基于Docker容器的自定义模块封装发布，一次编程，多处使用，可积累的模块库成为公司重要的智力资产，提升新模型的开发效率。三位一体的建模方式：提供面向数据科学家的编码建模、面向IT工程师的拖拽式建模和面向业务人员的自动建模。统一的模型管理方式：基于模型仓库实现模型的统一集中式管理，包括有效的创建、管理和发布模型。自动模型生产发布：自动选择最优模型，实现自动模型发布功能，面向生产系统提供标准REST、gRPC、MQ和批处理预测能力，此外也可以通过导出SDK的形式集成在智能应用程序中全视角的资源监控与管理：在系统级与租户级实现对集群CPU、GPU、内存、存储等负载和性能指标的实时监控；在租户视图下，可以对租户定制化资源配额与资源规格，通过资源总览、资源明细、存储资源全面掌握资源使用、运行情况。多方位安全保障：企业私有环境部署，确保绝对安全；面向用户、角色、工作空间的多层级访问控制，保障数据安全；用户的访问、编辑、操作等任何行为都可追溯，实现责任认定。多维度可靠性支撑：平台服务采用负载均衡和高可用设计；完善的容灾备份机制，提供数据的备份与恢复方案，以及针对异常情况的自动化处理。自动化运维：自动部署，支持根据需求动态调整集群规模；自动化调度，支持定时或周期性的执行方式；全局监控，及时了解调度执行情况。1.2 产品特点18"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 上海职场总机电话\n", "summary": "021-52997702"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 加班如何报备？", "summary": "因工作需要加班应提前进行邮件申请，须领导审批同意，并抄送人力资源部备案，\n员工本人不得单方面决定加班。"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 上海党组织办理步骤", "summary": "咨询市北集团转党对接人黄老师021-56031201 每个人情况不同，提交的材料会有些许的差别，详细咨询老师。\n准备材料：\n1、\t介绍信，抬头：中共上海市市北高新技术服务业园区综合委员会\n2、\t劳动合同复印件\n3、\t身份证正反面复印件\n4、\t确认党员档案袋位置，五要素（入党申请书，培训材料，政审等），涉及函调信。\n5、\t企业告知函\n6、\t单位租赁合同复印件（需包含地址和时间页）\n个人资料请自行准备，需要公司提供的材料，如企业告知函和租赁合同由行政部—陈丹协助准备并盖章"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS中Oracle Connector自定义参数threads的含义？", "summary": "默认为1，表示单实例环境，对于2节点的rac环境，需要设置位2，对于3节点的rac需要设置位3，以此类推。"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 哪些场景可以报销交通费？", "summary": "（一）工作日及周末加班至22：00以后打车可以报销，且仅支持公司至住宿地的交通费用。\n（二）职能部门员工因公外出办事经部门领导批准方可打车报销。\n（三）位于工作所在地的项目，项目经理在编制项目预算时，或可考虑给员工报销本地交通费，但建议以保证毛利情况下成本最优为原则。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - 结构化数据集（表格数据）预览失败的原因有哪些？", "summary": "结构化数据集预览分为两部分，一是样本数据展示，二是数据类型的分析，正常情况是先展示样本数据，然后再显示数据类型等信息。\n结构化数据的来源有本地文件、jdbc数据和Hadoop数据，这三种数据的预览实现方式不同，定位问题时应该结合数据类型有针对性的查找原因，具体可参考《数据集功能文档》\n常见问题及原因有：\n1. 样本数据不展示，页面一直是loading状态。这个可能是console服务异常导致，查看这个服务状态\n2. 样本数据展示，数据集状态是分析失败。应该需要根据失败日志定位问题，一般是因为申请K8S资源失败。"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - 用户在使用知识库提问的整体流程是怎样？", "summary": "1、用户向知识库提问；\n2、模型将提问翻译成目标语言并进行表征向量请求；\n3、模型向DingoDB进行相似度搜索，获取相似度最高的2-3个chunk；\n4、chunk作为上下文，组合用户提问请求LLM答复；"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 个人借款的相关规定有哪些？", "summary": "（一）目前仅支持行政、研委会及市场申请，财务人员可根据岗位性质对【个人借款】的额度确定上限，借款必须专款专用，否则需提前与财务人员沟通。\n（二）个人借款应在借款承诺归还日期内归还借款，根据财务要求，周期内应将个人借款结清归还或冲账。"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - 通过DingoDB连接Mysql？", "summary": "* MySQLShell\nMySQL官方的命令行工具，用于高效管理和操作MySQL数据库；同时支持SSL加密，保证数据库的安全性。\n\n* 标准驱动程序MySQL JDBC Driver\nMysQL为Java语言编程的客户端程序提供连接所实现的JDBCAPI驱动应用程序中的JDBCAPI访问MySQL数据库，用于连接和操作MySQL数据库，同时也能满足用户二次开发去求。"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS目前支持DB2的那些版本？", "summary": "DDS目前支持DB2 9.7、10.1、10.5、11.1、11.5"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS是什么？", "summary": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 企业微信打卡显示设备异常", "summary": "请自查是否存在更换设备打卡的情况，如因更换过手机，连续打卡一段时间即可恢复正常，无需提交补卡。"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - 什么是速赢建模？", "summary": "DataCanvas BAP 产品经过面向业务需求挖掘分析和理论研究，提出洞察、智能分析、\n决策、解决的业务智能决策循环圈模型，通过感知、探索、建模、预测、优化、决策、执行、\n反馈完成一次科学智能决策流程，该模型的底层核心是由自动建模平台提供速赢建模能力。"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - BAP主要功能模块有哪些？", "summary": "DataCanvas BAP 平台主要功能模块包括速赢建模工作台、速赢建模战役沙盘、特征\n库、场景库、模型库、决策分析以及系统管理功能模块。"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - RT支持连接哪些数据源？", "summary": "默认支持Elasticsearch、HDFS、HBase、Hive、Kafka、MySQL、SQLServer、Oracle、ClickHouse、Redis、Kudu、Iceberg、Hudi、Doris、StarRocks、TiDB、达梦、TDSQL、Greenplum、Gbase8a、DingoDB等类型数据源，并可动态扩展，支持Kerberos认证连接的统一管理。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - 如何申请APS的license？", "summary": "PM或者客户拿到安装环境的clusterId后，需要以邮件的⽅式提交获取license许可；邮件中需要说明：项⽬信息，许可类型、⼦应⽤种类，环境信息提交BU进⾏审批；BU审批通过后报送PMO进⾏审批；PMO审批通过后，按照邮件要求在License Manager中签发⽣成license⽂件，并记录相关信息到License Manager中"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 费用支出的审批流程是什么？", "summary": "按照内部控制的要求，费用支出实行二级审批原则，即费用在支出前须在业务层面和财务层面分别经过两级审核审批才能对外付出。具体职责和分工如下：\n（一）业务层面对费用发生的真实性、必要性负责；\n（二）财务层面依据原始凭证，对费用进行复核，包括审核合同、发票及相关单据是否真实合法，填写粘贴是否规范，数据计算是否准确，是否在预算或标准额度内，审核、审批手续是否完备等。对于不符合要求的费用报销申请，财务人员将沟通后驳回。"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB是否可以查看变量？", "summary": "* 查看全局变量\nshow global variables; \n* 查看所有会话变量 (不指定变量的级别，默认为会话级别) \nshow variables；\n* 查看部分系统变量\nshow global variables like ‘xxxx’；\n* 查看部分会话变量\nshow variables like ‘xxx’；"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB是如何做非结构化数据检索的？", "summary": "DingoDB通过训练精准提取图片、视频中的特征，从而对图片、视频进行分类，打标签，以图搜图，以图搜视频等等，实现对海量图片和视频的高性能分析检索能力\n以图片搜索为例，先以离线的方式对所有历史图片进行机器学习分析，将每一幅图片抽象成高位向量特征，将所有特征构建成高效的向量索引，当执行一个新查询的时候，DingoDB进行分析并产出一个表征向量，用这个向量在之前构建的向量索引中查找出最相似的结果。\n"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS是什么?（文档已经删除）", "summary": "DataCanvas APS（AI Infrastructure Platform Service）机器学习平台（以下简称APS）是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程，它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型。APS 是面向数据科学团队的一站式数据科学平台，它是集数据准备与探索、环境构建、特征工程、算法实现、模型构建、模型管理、模型发布、模型服务运维于一体的多租户机器学习平台。"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - 写出安装bap的执行脚本", "summary": "tar -zxf bap-install-yaml-master.tar.gz\ncd bap-install-yammaster\n#安装基础组件\nbash ./bapbase/newdb.sh\n#安装bap 服务\nkubecatl apply -f ./"}
{"content": "你是九章云极（简称九章）的培训助手，提供公司相关产品、技术的培训。 - 公司都有哪些培训？", "summary": "新入职的员工有新员工培训；回到部门后不同的岗位有阶段性在岗培训；研发部门会不定期举办OPENday和专题分享；业务部门不定期举办项目分享会。管理岗位还会有定期的管理能力提升培训。"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 补充医疗报销额度", "summary": "意外伤害医疗保额1万，意外住院津贴保额1.8万，补充医疗门（急）诊保额2万，补充医疗住院保额5万，大病保额10万等，可登录极客保”我的中心“查看"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - 预测类型为二分类\n的各项评估指标中，哪些越小越好？哪些越大越好？", "summary": "LogLoss 越小越好，其他（AUC、Accuracy、F1、Precision、\nRecall）越大越好"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - 运行spark代码使用的是哪个集群的算力？", "summary": "如果适配了大数据集群，使用大数据集群算力，未适配则使用APS集群算力"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 如何请假", "summary": "请假请提前在企业微信提交对应的请假流程，如需要请调休假，需上传对应使用的加班申请邮件截图；如申请病假超过1天，需上传县级以上（含）医院诊断证明或病假条"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 补卡次数如何规定", "summary": "企微打卡的同学，每个自然月给与5次补卡机会，超过次数将无法补卡，可以补卡近35天内的考勤异常；\nOA打卡的同学每个考勤周期内给与5次补卡机会，每月28日截止补卡。"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 上海市积分居住证办理\n", "summary": "网址：公共服务平台-积分管理 (sh.gov.cn)\n1、\t先进行积分模拟打分，超过120分可办理积分居住证\n联系行政部—陈丹进行办理\n2、\t办理周期2个月左右\n3、\t需和上海数中科技有限公司签署劳动合同"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - CDC类型主要有哪些？", "summary": "1、基于查询\n 通过在表上增加自增列、时间戳列来实现\n2、基于触发器\n 通过在相应表上建立触发器来获取变化数据\n3、基于物化视图日志\n 通过在相应表上建立物化视图日志来获取变化数据\n4、基于日志\n 通过解析数据库的REDO文件来获取变化数据\n\n基于日志方式的CDC是最优的实现方式，实时性高、无侵入性"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS支持哪些数据源？", "summary": "APS允许用户接入多种数据源中的数据，包括HDFS、HIVE、FTP 和对象存储、JDBC 各种关系数据库中的数据以及通过本地上传的数据。"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - RT的聚合操作类算子具体能实现哪些功能？", "summary": "1.纯窗口聚合：该算子执行窗口聚合操作，算子中可以添加主键，实现按照主键进行聚合的操作；\n2.键聚合：算子中需要配置聚合Id，聚合Id下填写分组属性并配置业务窗口，算子将按照不同聚合Id的分组属性及业务窗口对数据进行分组,并生成key。窗口聚合时将基于key进行聚合操作；\n3.窗口聚合：按窗口记录聚合，聚合时可以添加主键key达到按照key的分组进行聚合的目的；\n4.窗口聚合2：按窗口记录聚合，聚合时可以添加主键，达到按照key的分组来进行聚合的目的。该算子是“窗口聚合”的升级版，配合算子“水位线”使用；"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB提供几种连接方式，都有哪些？", "summary": "DingoDB支持3种连接方式，包含：MySQL Shell命令行、sqlline命令行、第三方连接工具-DBeaver。"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - BAP建模流程标准模式有哪些步骤？", "summary": "战役定义、目标分析、特征分析、特征筛选、模型训练、模型评估、模型预测、决策\n分析步骤"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS提供哪些模型服务方式使用模型？", "summary": "APS支持多种模型应用方式，以适应模型生产化的各类应用场景。同步调用（REST）：通过HTTP 方式提供模型预测服务，适合小批量、调用准实时、频次不是很高的场景；同步调用（gRPC）：基于HTTP2.0 通信协议，具有更高的传输效率与性能，适合低延时、高频次的应用场景；异步调用（MQ）：以消息中间件为中介，为消息队列中的数据提供预测服务，适合大批量、实时性要求较高的应用场景；批处理（Batch）：对存储在文件系统中的数据进行预测，适合批量、非实时处理的场景；离线开发包（SDK）：将模型导出为可在Java/Hive/Spark 进行离线预测的开发工具包，适合离线场景及大批量数据预测的场景。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS平台的性能如何，能够支撑多少人同时做模型训练和推理？", "summary": "1. 影响训练模型并发数的关键因素是租户可用资源，与平台关系不大。比如租户可用资源是100C，模型训练需要10C，那么最大能支撑10个模型训练的任务。需要说明的是，租户可用资源是指分配给租户的K8S namespaces资源，而不是宿主机的资源总和。\n2. 影响模型服务性能的关键因素是模型本身的性能和上线资源。当说模型服务的并发数和TPS数时，需要先说明模型的特征数、特征处理步骤是什么，上线的实例数是多少。模型的特征数和特征处理步骤越少，并发数和TPS值越高，上线实例数越多，能支撑的并发数越高。"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - 写出BAP部署硬件最低配置建议", "summary": "配置类别  CPU  内存  磁盘  台数\n最低配置  32 核  128GB  1 块 500GB 系统盘\n1 块 5TB 数据盘\n3"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 冲抵借款的要求有哪些？", "summary": "收到发票后需要提交【费用报销申请单】冲抵借款，提供具有法律效力的合同及合同要求的验收单、签收单及已经收回上游客户对应比例的款项等证明材料，冲抵借款需要关联对应的【借款申请】"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS是否支持Oracle备库采集？", "summary": "DDS支持Oracle CDB、备库、RAC、ASM等架构"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 每月社保公积金缴纳时间", "summary": "15日及之前入职的同学，当月缴纳社保公积金，15日及之后入职的同学，次月缴纳社保公积金（上海地区不适用此规则）"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS支持大模型的开发和应用吗？", "summary": "APS预置HuggingFace、Colossal AI 和Megatron-DeepSpeed 等分布式深度学习加速框架，结合分布式计算，实现快速、高效地训练大规模参数模型。模型仓库统一管理平台训练和外部导入的大模型，可以导入、存储和管理Transformers 深度学习大模型。具备大模型服务上线能力，支持单机单卡、单机多卡分布式推理，用户可以对大模型进行大规模数据预测。"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS Agent组件的功能主要有哪些？", "summary": "Agent也称为Connector管理器，负责Connector的管理工作，包括Connector需要的配置文件的生成、Connector启动、Connector停止、Connector异常重启、指标数据的收集等工作。1个Agent可以管理多个Connector，也可以管理不同的Connector类型，譬如Agent可以启动一个OracleConnector，同时还可以启动另一个DB2Connector。此外用户可灵活配置增加、减少Agent来达到负载均衡目的。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS如何实现企业级多租户管理？", "summary": "APS支持为企业内部不同组织创建租户，每个租户都可以实现数据科学全生命周期服务。租户间的数据、资产对象相互隔离，但也可将其共享为平台公共资产供其他租户使用，有效提升应用开发效率。"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - RT的功能架构包括哪些模块？", "summary": "数据资产、数据作业、运维监控、数据接入、数据服务、作业调度、多租户管理、指标引擎、规则引擎。"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 哪里可以查询到薪资明细？", "summary": "人力资源部在每月发薪日后的1-2的工作日会邮件发送工资单到员工邮箱。"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - 介绍BAP训练样本抽取的3种方式", "summary": "随机抽样,按目标列分析后确认的抽样方式和用户指定数量进行抽样\n客群样本,在用户指定客群内按抽样方式和数量进行抽样\n客群加随机样本,选择客群样本后根据指定数量和抽样方式再补充选择随机样本"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - RT支持哪些类型的日志检索？", "summary": "服务日志检索、网关日志检索、集群运行日志检索、作业状态日志检索、API服务日志检索"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - BAP专家模式和标准模式有什么区别？", "summary": "在标准模式的基础上结合场景库、模型库、决策分析等其他和专业功能模\n块，提供更多的高级参数进行配置，更丰富的特征工程支撑功能，模型迭代调优支撑功\n能等专业功能完成复杂的特征工程、模型训练和调优。"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 外出/出差", "summary": "外出或出差请提前在企业微信提交对应的审批流程，需要与实际外出/出差时间对应一致。外出/出差期间如需打卡可以使用”外出打卡“"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - 如何管理SQL作业版本？", "summary": "SQL作业可以包含多个版本的内容（包括作业段落内容和环境配置），每个版本可以进行版本预览、版本回滚、版本间对比、导出、删除等操作。"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB是一个分布式数据库，它是如何保证数据的一致性的？", "summary": "使用Raft来保证数据的强一致性。\n强一致性保证：\nRaft 强调数据的一致性，即使在面对网络分区或节点故障的情况下。通过 Leader 的选举和日志复制机制，Raft 确保集群中的所有节点最终达到相同的状态，保持数据的一致性。\n可靠性和容错性\nRaft 设计用于在分布式系统中提供高可靠性和容错性。通过选举机制和日志复制，Raft 能够在节点故障或网络分区的情况下继续运行，并在恢复后保持一致性。"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - BAP特征库实现了哪些功能？", "summary": "实现在线管理特征数据同步、特征存储、特征索引、特征查询、特征分析洞察、特征开发\n等功能。"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - DDS采集的延迟率如何？", "summary": "高实时性，亚秒级同步"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB是什么？", "summary": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - RT在哪些地方实现了测试环境与生产环境的无缝衔接？", "summary": "1、提供数据作业的导入与导出；\n2、支持数据资产和流数据资产的导入与导出；\n3、支持数据服务的批量导入与导出；\n4、通过数据源的统一配置管理实现一次定义，多次引用；\n5、推送数据配置变化，导入和导出时自动使用当前环境配置。"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - 使用Dingo创建一张表", "summary": "SQL：\nCREATE TABLE test\n(\n    id BIGINT NOT NULL AUTOINCREMENT,\n    tag VARCHAR NOT NULL,\n    feature FLOAT ARRAY NOT NULL,  //向量列\n    feature_id BIGINT NOT NULL,\n    INDEX feature_index VECTOR(feature_id,feature) parameters(type=flat, metricType=L2, dimension=3),   //向量索引\n    PRIMARY KEY(id)\n)\n//sql中feature列为向量列，类型为浮点型数组，有了向量列之后还需要添加向量索引，如果不加向量索引会当做普通的数组类型，向量索引在定义时与标量索引类似，只不过定义的方法使用VECTOR，需要的参数有两个一个是向量的id列，目前只支持整形，第二个参数是向量列，目前只有浮点型数组。向量列和向量id均不可为null。\n\nSDK：\nimport io.dingodb.client.annotation.DingoKey;\nimport io.dingodb.client.annotation.DingoRecord;\nimport lombok.Getter;\nimport lombok.Setter;\nimport lombok.ToString;\n\n@DingoRecord(table = \"acct_deal\")\n@Getter\n@Setter\n@ToString\npublic class AcctDeal {\n@DingoKey\nprivate String acct_no;\n@DingoKey\nprivate String deal_date;\nprivate double acc_amount;\nprivate double acc_count;\nprivate double deb_amount;\nprivate double deb_count;\nprivate double cre_amount;\nprivate double cre_count;\n\n}\n\n1.2. 创建表\nString remoteHost = \"coordinator:19181\";\nDingoClient dingoClient = new DingoClient(remoteHost);\ndingoClient.open();\nDingoOpCli dingoOpCli = new DingoOpCli.Builder(dingoClient).build();\nboolean isOK = dingoOpCli.createTable(AcctDeal.class);\nSystem.out.println(\"Create table Status: \" + isOK);"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - RT是什么？", "summary": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB是如何做数据分裂的？", "summary": "Dingo支持手动分裂和自动分裂；\n手动分裂：在创建表之后，通过sql命令执行分裂。\n               Alter table tableName add distribution by values(1);\n\n自动分裂：在某些场景下，Region太大时会出现一些问题，比如：查询慢。同时Region太大也会导致节点负载高，Region扩容慢等问题。\n为了解决这些问题，需要对Region进行分裂，所以DingoDB提供一种自动检测分裂的机制，通过修改配置文件中参数，决定分区方式，及分区值；\nHALF ：按Region大小对半分裂。\n例如：Region 128MB，那么分裂点为64MB。\nSIZE：按指定大小分裂，当Region大小超过指定阀值就开始分裂，分裂点为指定大小乘以某个比例。\n例如：Region大小为196MB，分裂阀值为128MB，分裂比例为0.5，那么分裂点为64MB(128MB*0.5)\nKEYS：按指定Key数量分裂，当Region的Key数量超过指定阀值就开始分裂，分裂点为指定Key数量乘以某个比例。\n例如：Region的Key数量为2万，分裂阀值为1万，分裂比例为0.5，那么分裂点为第5千条Key。\n\n分裂检查配置示例：\nregion:\n  region_max_size: 134217728 # 128M\n  enable_auto_split: true\n  split_policy: HALF # 分裂策略，默认HALF\n  split_chunk_size: 1048576 # HALF策略计算分裂点用到的分块大小, 默认1M\n  split_size_ratio: 0.5 # SIZE策略计算分裂点用到的比例，默认0.5\n  split_keys_number: 200000 # KEYS策略计算分裂点用到Keys数量，默认200000\n  split_keys_ratio: 0.5 # KEYS策略计算分裂点用到的比例，默认0.5"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - 算子作业的预置AI模型类算子包括哪些？", "summary": "1、模型特征加工；\n2、模型服务算子：APS，Seldon，PMML, PKL，TensorFlow等；\n3、模型文件算子：PMML，Mleap，XGBoost 等。"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - DingoDB支持哪些数据类型？", "summary": "类型 描述 示例 \nInt 整数型 123 \nBigInt 整数型 123 \nFloat 浮点型 12.234 \nDouble 浮点型 12.00 \nVarchar 字符串类型 ‘abc’ \nDate 日期时间类型，表示日期,格式为：yyyy-MM-dd ‘2022-03-07’ \nTime 日期时间类型，表示时间，格式为：HH:mm:ss.sss ‘18:00:00.000’\nTimeStamp 日期时间类型，表示日期时间，格式为：’yyyy-MM-dd HH:mm:ss.sss’ ‘2022-03-01 18:00:00.000’\nBoolean 布尔类型。 ‘true’ \nMap 集合 map['k1','v1','k2','v2'] "}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - 在RT中如何定义衍生指标？", "summary": "衍生指标是在指标宽表的字段上定义衍生计算方式得来的指标。定义主要包括：\n1. 定义指标的时间聚合粒度；\n2. 定义数据计算前的前置过滤条件；\n3. 定义聚合计算方式：最大值，最小值，平均值，求和，计数，去重计数，去重列表，最大连续递增次数，最大连续递减次数，方差，标准差，最大对象，最小对象，有序对象列表等，并可以指定聚合维度字段进行分组；\n4. 衍生指标可以指定计算精度。"}
{"content": "你是九章云极（简称九章）的人力服务人员，服务员工提供基本的工作方面的支持。 - 在办公室如何打印", "summary": "可以在OA首页搜索栏搜索”打印机“，找到所在职场打印机设置说明，按照说明链接打印机"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - 面对海量数据和复杂场景APS如何实现高效率建模？", "summary": "APS支持分布式训练方式，支持Spark、TensorFlow、PyTorch、Dask 等主流机器学习分布式框架，深度学习分布式支持单机单卡、单机多卡、多机多卡训练，用户可以在复杂场景下快速、高效地训练模型。APS预置通用场景、图像分类、目标检测、异常检测等机器学习和深度学习分布式训练场景，实现自动构建高性能的分布式解决方案。"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - 采用Standalone 模式(独立集群)部署RT，需满足什么硬件要求？", "summary": "采用 Standalone 模式部署DataCanvas RT 平台，要求每台服务器必须满足如下最低配置：\n1、针对服务节点：数量要求1台或3台(高可用模式)，CPU要求2路8核超线程（x86 指令集），内存要求32GB，磁盘要求500GB+，网速要求1Gb；\n2、计算节点：数量要求至少3台，CPU要求2路8核超线程（x86 指令集），内存要求64GB，磁盘要求500GB+，网速要求1Gb"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - 根据BAP部署架构建议，Kubernetes集群至少需要多少个节点以上？", "summary": "Kubernetes 集群建议至少部署 3 个以上节点，同时须向 BAP 平台开放原生\nKubernetes API 或同等功能的容器云能力 API。"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 上海职场WIFI密码", "summary": "用户名：Zetyun-office  密码：Dcs2018!\n"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 出差乘坐高铁和飞机的报销标准是多少？", "summary": "（一）工作所在地到客户所在城市乘坐最快高铁时间≤5小时的，应首选火车；机票价格不高于火车票款的，可以报销，超过的部分自行承担。\n（二）工作所在地到客户所在城市乘坐最快高铁时间＞5小时的，可乘坐飞机；\n九章云极财务制度7/ 12公司标准不支持全价机票及经济舱以外的舱位；如果回程时间不确定，请分别预定往返单程机票。\n（三）火车费用标准：经管委乘坐火车实报实销，VP及BU负责人为一等座及以下，其他人员为二等座，如超规格乘坐交通工具，需经管委邮件批准并报财务部备案。另对高铁时间＞5小时但未超过机票金额的，高铁标准选择可灵活处理，建议以成本最优为原则。"}
{"content": "DataCanvas APS(AI Infrastructure Platform Service)机器学习平台(以下简称 APS) 是人工智能应用构建平台，使开发人员和数据科学家能够快速、高效地开发构建、训练 和部署任何规模的机器学习模型。APS 可以加速企业将人工智能注入企业业务的过程， 它为数据科学家、应用程序开发人员和业务专家提供了一套工具，使不同角色的人员可 以相互协作，轻松地处理数据并使用这些数据来开发、训练和部署任何规模的模型  - APS是否支持适配大数据集群？", "summary": "目前适配过\nCDH：5.x、6.2、6.3、7.1\nTDH：5.0 \nHDP：3.1.5(Spark2.3)"}
{"content": "DDS一款高性能的CDC(ChangeDataCapture)平台，可以快速的从源端业务系统数据库中获取实时增量数据，然后将这些更改按发生的顺序，实时通过消息中间件传送到下系统。区别于传统CDC平台，DDS通过解析数据库在线BinLog日志来获取表的变化数据，并以事务为位传输数据，对于回滚的数据并不做传输，保证数据的一致性和完整性。\nDDS是基于BinLog日志来获取增量数据，无需在源端数据库中进行改造和特殊配置，也无需在源端数据库服务器上部署任何agent，所以对源端数据库影响微小。在性能方面，用户在提交数据以后，DDS可以在亚秒级获取到增量数据。\nDDS定位于数据行业中实时数据计算、实时数据分析、实时报表、实时决策、实时同步和传输等细分领域，有效衔接相关的上下游系统，帮助客户实现数据资产管理、数据共享、数据融合、数据流通、数据增值等。 - 针对DB2采集，DDS需要源库的那些权限？", "summary": "DB2数据库采集用户要求具有如下权限之一：\nSYSADM\nDBADM"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - 场景作业开发中常见的业务场景有哪些类型？", "summary": "场景作业开发中常见的业务场景包括：\n数据采集、数据格式、数据清洗、数据转换、窗口聚合、数据合并、数据匹配、规则定义、指标定义。"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 预算调整的规定有哪些？", "summary": "（一）调整时请在【调整说明】中说明调整原因。\n（二）预算查询及调整仅支持各一二级部门上报的对接人。\n（三）目前仅支持部门预算调整，项目预算调整发起时请联系财务部。\n（四）预算调增，请先邮件向经管委主管领导审批（暂行）。"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 上海职场快递邮寄方式？", "summary": "到人力资源部领取顺丰面单填写收件信息，邮寄物品打包好摆放在前台，\n行政部-陈丹会通知顺丰小哥来取哒~\n如有寄往北京总部的资料，可交由行政部-陈丹统一邮寄哦~"}
{"content": "DingoDB（Data In And Go Processing）是一个先进的分布式多模态向量数据库，专为实时处理而设计。它不仅支持Key-Value数据，还能存储PDF、音频、视频等多种格式。这种多模态的特性使DingoDB成为存储和分析向量数据的理想选择。通过对结构化和非结构化数据的综合分析，DingoDB能够优雅地管理和检索各种数据，满足现代企业对数据存储和管理的复杂需求，从而助力企业深入挖掘数据潜在的价值 - 如何使用DingoSDK？", "summary": "Dingo提供两种使用方式供大家参考。\n\n方式一\n\n1.1. 定义Pojo类\n\nimport io.dingodb.client.annotation.DingoKey;\nimport io.dingodb.client.annotation.DingoRecord;\nimport lombok.Getter;\nimport lombok.Setter;\nimport lombok.ToString;\n\n\n@DingoRecord(table = \"acct_deal\")\n@Getter\n@Setter\n@ToString\npublic class AcctDeal {\n@DingoKey\nprivate String acct_no;\n@DingoKey\nprivate String deal_date;\n\n \nprivate double acc_amount;\nprivate double acc_count;\nprivate double deb_amount;\nprivate double deb_count;\nprivate double cre_amount;\nprivate double cre_count;\n\n}\n\n1.2. 创建表\n\nString remoteHost = \"coordinator:19181\";\nDingoClient dingoClient = new DingoClient(remoteHost);\ndingoClient.open();\n\n \nDingoOpCli dingoOpCli = new DingoOpCli.Builder(dingoClient).build();\nboolean isOK = dingoOpCli.createTable(AcctDeal.class);\nSystem.out.println(\"Create table Status: \" + isOK);\n\n1.3. 向表中插入数据\n\nAcctDeal acctDeal = new AcctDeal();\nacctDeal.setAcct_no(\"1001\");\nacctDeal.setDeal_date(\"2022-08-08\");\nacctDeal.setAcc_amount(100);\nacctDeal.setAcc_count(10);\nacctDeal.setDeb_amount(50);\nacctDeal.setDeb_count(3);\nacctDeal.setCre_amount(30);\nacctDeal.setCre_count(3);\ndingoOpCli.save(acctDeal);\n\n1.4. 查询\n\n• 查询数据\nAcctDeal  pojoAcctDeal = dingoOpCli.read(AcctDeal.class, new Object[]{\"1001\",\"2022-08-08\"});\nSystem.out.println(pojoAcctDeal );\n\n\n1.5. 样本数据\n\nmysql> select * from acc_deal limit 5;\n\n+--------+------------+------------+-----------+------------+-----------+------------+-----------+\n\n| ACC_NO | DEAL_DATE | ACC_AMOUNT | ACC_COUNT | DEB_AMOUNT | DEB_COUNT | CRE_AMOUNT | CRE_COUNT |\n\n+--------+------------+------------+-----------+------------+-----------+------------+-----------+\n\n| 1001 | 2022-08-08 | 100 | 5 | 50 | 2 | 20 | 2 |\n\n| 1002 | 2022-08-09 | 150 | 6 | 60 | 3 | 30 | 3 |\n\n| 1001 | 2022-08-15 | 200 | 6 | 50 | 4 | 40 | 2 |\n\n| 1004 | 2022-08-20 | 140 | 4 | 55 | 3 | 70 | 2 |\n\n| 1001 | 2022-08-25 | 180 | 8 | 60 | 3 | 80 | 4 |\n\n+--------+------------+------------+-----------+------------+-----------+------------+-----------+\n \n\nACCO_NO: Account No--> primary key\n\nDEAL_DATE: Deal Date--> primary key\n\nACC_AMOUNT: Trade amount about account\n\nACC_COUNT: Trade count about account\n\nDEB_AMOUNT: Amount of debit\n\nDEB_COUNT: Count of debit\n\nCRE_AMOUNT: Amount of lender\n\nCRE_COUNT: Count of lender\n\n1.6. 删除表并关闭连接\n\nisOK = dingoOpCli.dropTable(AcctDeal.class);\n\nSystem.out.println(\"drop table Status:\" + isOK + \".............\");\n\ndingoClient.close();\n\n\n方式二\n\n2.1. 创建表\n\nString tableName = \"testThread\";\n\n\nColumnDefinition c1 = ColumnDefinition.builder().name(\"id\").type(\"integer\").precision(0).scale(0).nullable(false).primary(0).build();\n\nColumnDefinition c2 = ColumnDefinition.builder().name(\"name\").type(\"varchar\").precision(0).scale(0).nullable(false).primary(-1).build();\n\nColumnDefinition c3 = ColumnDefinition.builder().name(\"amount\").type(\"double\").precision(0).scale(0).nullable(false).primary(-2).build();\n\n \nPartitionDetailDefinition detailDefinition = new PartitionDetailDefinition(null, null, Arrays.asList(new Object[]{30}));\nPartitionRule partitionRule = new PartitionRule(null, null, Arrays.asList(detailDefinition));\n\n\nTableDefinition tableDefinition = TableDefinition.builder()\n.name(tableName)\n.columns(Arrays.asList(c1, c2, c3))\n.version(1)\n.ttl(0)\n.partition(partitionRule)\n.engine(Common.Engine.ENG_ROCKSDB.name())\n.build();\n\nboolean isSuccess = dingoClient.createTable(tableDefinition);\nSystem.out.println(\"create is success: \" + isSuccess);\n\n2.2. 插入数据\n\n• 插入单条数据\n\nRecord record = new Record(tableDefinition.getColumns(), new Value[]{Value.get(1), Value.get(\"col1\"), Value.get(1234.0)});\n\nboolean upsertStatus = dingoClient.upsert(tableName, record);\n\n \n• 插入多条数据\n\nList<Record> records = new ArrayList<>();\n\nfor (int i = 0; i < 100; i++) {\n\nrecords.add(new Record(tableDefinition.getColumns(), new Value[]{Value.get(i), Value.get(\"col\" + i), Value.get(123.0 * i)}));\n\n}\n\nList<Boolean> upsertStatusList = dingoClient.upsert(tableName, records);\n\n2.3. 查询\n\n• 查询单条数据\n\nRecord record = dingoClient.get(tableName, new Key(Value.get(1)));\n\n• 批量查询数据 1\n\nList<Record> recordList = dingoClient.get(tableName, Arrays.asList(new Key(Value.get(1)), new Key(Value.get(2)), new Key(Value.get(3))));\n\n• 批量查询数据 2\n\nIterator<Record> iterator = dingoClient.scan(tableName, new Key(Value.get(1)), new Key(Value.get(100)), true, true);\n\n2.4. 聚合操作\n\nKeyRangeCoprocessor.Aggregation o1 = KeyRangeCoprocessor.Aggregation.builder().operation(KeyRangeCoprocessor.AggType.SUM).columnName(\"amount\").alias(\"amount_sum\").build();\n\nKeyRangeCoprocessor.Aggregation o2 = KeyRangeCoprocessor.Aggregation.builder().operation(KeyRangeCoprocessor.AggType.MAX).columnName(\"amount\").alias(\"amount_max\").build();\n\nKeyRangeCoprocessor.Aggregation o3 = KeyRangeCoprocessor.Aggregation.builder().operation(KeyRangeCoprocessor.AggType.COUNT).columnName(\"amount\").alias(\"amount_count\").build();\n\n \n\n• 带groupBy\n\nIterator<Record> scan = dingoClient.scan(tableName, new Key(Collections.emptyList()), new Key(Collections.emptyList()), true, true, Arrays.asList(o1,o2,o3), Arrays.asList(\"name\"));\n\n\n• 不带groupBy\nIterator<Record> scan = dingoClient.scan(tableName, new Key(Collections.emptyList()), new Key(Collections.emptyList()), true, true, Arrays.asList(o1,o2,o3));\n \n2.5. 删除数据\n\n• 删除单条数据\n\nBoolean deleteStatus = dingoClient.delete(tableName, new Key(Value.get(1)));\n\n• 批量删除数据 1\n\nList<Boolean>  deleteStatusList = dingoClient.delete(tableName, Arrays.asList(new Key(Value.get(1)), new Key(Value.get(2)), new Key(Value.get(3))));\n\n• 批量删除数据 2\n\nLong  deleteNum = dingoClient.delete(tableName, new Key(Value.get(1)), new Key(Value.get(100)), true, true).getCount();\n\n\n2.6. 删除表并关闭连接\n\nisOK = dingoClient.dropTable(tableName);\n\nSystem.out.println(\"drop table Status:\" + isOK + \".............\");\n\ndingoClient.close();"}
{"content": "DataCanvas BAP 面向业务自动建模平台（以下简称 DataCanvas BAP）是以九章云\n极 DataCanvas 在机器学习领域中的技术科研成果为核心，研发打造的面向业务场景\n的全流程、一站式、零门槛自动建模 AI 智能分析辅助决策系统。使用 DataCanvas BAP\n业务运营分析人员可自助建模预测及归因分析，推动营销、风控、运营等业务条线中大\n量未被发现的 AI 赋能场景快速落地，提供机器学习智能决策依据。 - 写出安装k8s单机的执行脚本", "summary": "docker exec-it kubeasz ezctl start-aio"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 交通费发票包括哪些？", "summary": "包含网约车等平台开具的客运服务费发票（只报销经济类车型）、出租车、公共交通充值等票据。对各类车辆的违章罚款费用一律不予报销。"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 哪些支出属于招待费可报销？", "summary": "招待费是指公司为加强与业务伙伴、客户等部门的关系，为公司生产、经营创建良好的外部关系和社会环境而发生的合理、合法应酬费用，包括日常招待用餐费、活动费、礼品等支出。"}
{"content": "DataCanvas RT 实时决策中心平台 (简称 DataCanvas RT 或 RT)是九章云极DataCanvas 在实时计算领域推出的助力企业实现实时场景落地的平台级产品。\nDataCanvas RT 是一款分布式流数据实时处理、分析和决策平台，覆盖实时数据集成、数据资产创建和管理、数据服务和运维监控全生命周期，以强大的自动化模型创建、管理和应用支持功能，辅助业务分析师和数据科学家快速协同开发，从而帮助企业形成风险监控、精准营销、实时预警与事中分析等多种实时分析决策能力。 - 在RT中统一用户和权限管理，具体包括哪些层面？", "summary": "1、用户管理：创建和查看可以登录的用户账号\n2、角色管理：基于角色，实现权限管理\n3、菜单控制：定制个性化菜单\n4、权限的分配：向角色分配权限\n5、菜单权限分配：定义角色的菜单权限\n6、操作审计：自动记录用户通过RT平台上的操作用于审计"}
{"content": "你是九章云极（简称九章）的财务助手，提供财务报销相关的所有知识储备。 - 对公借款需要上传哪些附件资料？", "summary": "须提供具有法律效力的合同及合同要求的验收单、签收单及已经收回上游客户对应比例的款项等证明材料，原则上不支持无合同情况，特殊情况下，借款前需经管委主管领导审批同意，方可提交财务审核。"}
{"content": "你是九章云极（简称九章）上海分公司的行政人员，服务员工提供基本的工作和学习方面的支持。 - 上海空调、电灯等故障如何处理", "summary": "联系行政部—陈丹，会通知物业上门维修。"}