首页
学习
活动
专区
工具
TVP
发布
精选内容/技术社群/优惠产品,尽在小程序
立即前往

如何在HealthKit中查询HeartRates以获得传统的HKQuantitySamples和累积数量样本?

在HealthKit中查询心率(Heart Rates)数据可以通过两种方式获得:传统的HKQuantitySamples和累积数量样本(Cumulative Quantity Samples)。下面我将详细介绍这两种方式的基础概念、优势、类型、应用场景以及如何进行查询。

基础概念

  1. HKQuantitySample
    • HKQuantitySample是HealthKit中表示单一数据样本的类。每个样本包含一个值、单位和一个时间戳。
    • 适用于记录特定时间点的数据,例如某一时刻的心率。
  • 累积数量样本(Cumulative Quantity Sample)
    • 累积数量样本表示一段时间内数据的累积值。例如,一段时间内的总步数或总心率。
    • 适用于需要计算一段时间内数据总和的场景。

优势

  • HKQuantitySample
    • 精确记录单个时间点的数据。
    • 适用于需要精确时间戳的应用,如运动分析、健康监测等。
  • 累积数量样本
    • 计算一段时间内数据的总和。
    • 适用于需要统计一段时间内的数据总量的应用,如日、周、月的健康数据总结。

类型

  • HKQuantitySample
    • 单个数据点,包含值、单位和时间戳。
  • 累积数量样本
    • 一段时间内数据的累积值,包含起始时间、结束时间和累积值。

应用场景

  • HKQuantitySample
    • 实时健康监测应用,如心率监测器。
    • 运动数据分析,如跑步时的心率变化。
  • 累积数量样本
    • 健康数据总结,如每日、每周的心率总和。
    • 长期健康趋势分析,如月度心率变化。

查询方法

查询传统的HKQuantitySamples

代码语言:txt
复制
import HealthKit

func queryHeartRateSamples() {
    guard let heartRateType = HKObjectType.quantityType(forIdentifier: .heartRate) else {
        return
    }
    
    let calendar = NSCalendar.current
    let startDate = calendar.date(byAdding: .day, value: -7, to: Date())!
    let endDate = Date()
    
    let predicate = HKQuery.predicateForSamples(withStart: startDate, end: endDate, options: [])
    
    let query = HKSampleQuery(sampleType: heartRateType, predicate: predicate, limit: HKObjectQueryNoLimit, sortDescriptors: nil) { (query, samples, error) in
        guard let samples = samples else {
            print("An error occurred: \(error?.localizedDescription ?? "Unknown error")")
            return
        }
        
        for sample in samples {
            guard let quantitySample = sample as? HKQuantitySample else { continue }
            let heartRate = quantitySample.quantity.doubleValue(for: HKUnit.count().unitDivided(by: HKUnit.minuteUnit()))
            print("Heart Rate: \(heartRate) bpm")
        }
    }
    
    HKHealthStore().execute(query)
}

查询累积数量样本

代码语言:txt
复制
import HealthKit

func queryCumulativeHeartRateSamples() {
    guard let heartRateType = HKObjectType.quantityType(forIdentifier: .heartRate) else {
        return
    }
    
    let calendar = NSCalendar.current
    let startDate = calendar.date(byAdding: .day, value: -7, to: Date())!
    let endDate = Date()
    
    let predicate = HKQuery.predicateForSamples(withStart: startDate, end: endDate, options: [.cumulativeSum])
    
    let query = HKSampleQuery(sampleType: heartRateType, predicate: predicate, limit: HKObjectQueryNoLimit, sortDescriptors: nil) { (query, samples, error) in
        guard let samples = samples else {
            print("An error occurred: \(error?.localizedDescription ?? "Unknown error")")
            return
        }
        
        for sample in samples {
            guard let cumulativeSample = sample as? HKQuantitySample else { continue }
            let heartRate = cumulativeSample.quantity.doubleValue(for: HKUnit.count().unitDivided(by: HKUnit.minuteUnit()))
            print("Cumulative Heart Rate: \(heartRate) bpm")
        }
    }
    
    HKHealthStore().execute(query)
}

参考链接

通过上述代码示例和解释,您可以在HealthKit中查询心率数据,并根据需要选择使用HKQuantitySamples或累积数量样本。

页面内容是否对你有帮助?
有帮助
没帮助

相关·内容

ResearchKit:苹果通往未来医疗之路

苹果方面介绍,患者可以借助iPhone通过简单的检测,来对包括帕金森综合症等疾病进行基本的检测和记录,包括记录你的步态和平衡,同时通过相关的App共享相关数据,以促进该疾病的研究。...的确,收集患者数据是医学研究的最大难题之一。例如,一个专家在研究心脏病的形成机制时,希望获取到最大规模的案例数据,但传统的医学研究项目一般要耗时多年才能采集到数千个案例,项目难度巨大。...除此之外,苹果也鼓励开发者创建出更多的新模式来吸收数据并和社区分享。并且,由于ResearchKit和HealthKit是打通的,这意味着研究员可以直接获得像步数、卡路里、心跳等比较直观的数据。...同时,还有超过600个开发商将HealthKit整合到了它们的健康和健身应用中。 HealthKit只是为普通用户和医疗机构、开发者搭建了一个健康数据平台。...这是一向以封闭著称苹果首次推出针对医疗研究的开源框架。

74570

App store审核标准

以下规则和例证旨在帮助开发者的程序能获得App Store的认可,而不是修改或删除任何其他协议中的条款。 2-功能)2. 功能 2.1 崩溃的程序将会被拒绝。 2.2 存在错误的程序将会被拒绝。...2.11 与App Store已有程序重复的应用可能会被拒绝,特别是数量很多的情况下,比如手电筒应用和爱经应用。...24.2 儿童类别中的应用程序不允许包括行为广告(比如app内部基于用户行动的服务广告),任何在应用程序中展示的上下文广告必须适合儿童。...27.5 未经用户许可与第三方分享通过HealthKit API获得的用户数据的应用程序将会被拒绝。...27.6 使用HealthKit框架的应用程序必须在营销文本中说明集成了Health app,同时必须在app用户界面清楚阐释HealthKit的功能。

2.4K70
  • R语言meta分析(5)累积Meta分析

    累积变量最常见的模式是按照年代顺序排列,此时结果会显示证据是如何随时间累积而变化的。当然,单个原始研究也可以按照其它变量(如样本量大小、研究质量等)进行排序,逐步引人meta分析。..., 需要研究者根据研究内容设计文 献数据信息采集调查表, 通过调查表采集文献资 料中的各种合并信息,如文献发表的年代、设计类 型、是否采用盲法、样本大小、效应值等; ⑤资料的 统计学处理,包括描述各个研究结果的主要特征...、 绘制森林图、异质性检验和统计模型的选择等,最 终获得合并效应量的估计和检验; ⑥敏感性分析, 用于评价 Meta 分析结果的真实性, 如通过选择不 同的模型或排除某项研究, 来考察 Meta 分析结论...1、累积meta分析与传统meta分析的共同点是:做法是相同的。 2、累积meta分析与传统meta分析的不同点是:传统meta分析只进行一次分析,而累积meta分析进行多次分析。...那么传统meta分析能够获得汇总的结果,但是却不能分辨出各研究结果对汇总结果的影响;累积meta分析不仅能够获得汇总的结果,在多次meta分析的过程中能够比较汇总结果的动态变化,还能够比较新加入研究对总体结果的影响

    1.7K20

    小样本学习介绍

    通过使用不同类型的元数据,如学习问题的属性,算法属性(如性能测量)或从之前数据推导出的模式,可以选择、更改或组合不同的学习算法,以有效地解决给定的学习问题。...我们希望元学习模型“随着经验和任务数量的增长”得到不断地改进,算法在被训练解决这些任务的过程中得到的经验将被用于解决最终的任务T。注意:{Ti}任务中不需要包含T任务的学习内容。...在预测时,以5way-5shot为例子,从5个类中随机抽取5个样本,把这个mini-batch=25的数据输入网络,最后获得25个值,取分数最高对应的类别作为预测结果,如图。 ?...在这个方法中,我们不会以同样的方式提取支持图像和查询图像的特征。...对于训练过程的创新,文章基于传统机器学习的一个原则,即训练和测试是要在同样条件下进行的,提出在训练的时候不断地让网络只看每一类的少量样本,这将和测试的过程是一致的。

    1.7K21

    每日学术速递10.22

    这篇论文试图解决的问题是如何在没有标注样本的情况下,提高大规模视觉语言模型(VLMs)在测试阶段对多样化数据的泛化能力。...多模态知识累积:现有的一些测试时适应性方法,如测试时提示调整(test-time prompt tuning),通常只关注单一模态(如文本或视觉)的调整,而忽略了从多模态数据中累积任务特定知识的重要性。...敏感性分析: 对于DPE方法中的一些关键超参数(如累积平均的衰减率、优先队列的大小等),作者进行了敏感性分析,以确定这些参数对模型性能的具体影响。...现有方法的局限性:论文指出,现有的测试时适应方法通常只关注单一模态的调整,忽略了多模态知识累积的重要性,并且不能有效地从处理过的样本中累积任务特定的知识。...主要贡献: 提出了一种新颖的测试时适应方法DPE,该方法可以有效地累积任务特定的多模态知识。 引入了原型残差学习,优化每个测试样本的原型以提升模型的零样本泛化能力。

    11610

    机器学习数据工程的概述

    这些策略可以组合为混合策略,以提高标注效率。 挑战。数据标注面临的主要挑战包括如何在标注质量、数量和经济成本之间找到平衡,以及如何应对标注的主观性和伦理问题。...合成数据增强通过生成模型学习数据分布,如GAN、变分自编码器和扩散模型,以生成新的训练样本。这些方法有助于提高模型的泛化能力和性能。 类别不均衡。...类别不平衡是机器学习的挑战,多数类别样本数量远超少数类别。数据增强技术如SMOTE和ADASYN可平衡数据分布,通过生成合成样本增加少数类别样本数量。...算法追索权是一种通过生成假设样本来翻转模型决策以获得更优结果的方法。它对于理解决策边界和检测个体之间的潜在偏见非常有价值。...基于规则的策略使用预定义规则重写查询,例如DBridge。基于学习的方法使用监督学习或强化学习来预测查询重写规则。 挑战。现有数据存储和检索方法主要优化特定部分,如资源分配和查询加速。

    2K21

    数据分析36计 :Uber的 AB 实验平台搭建

    产品经理可以使用XP平台收集以下指标:处理组和对照组的指标提升平均值(处理效应),提升是否显着以及样本量是否足够大以产生高统计功效。 ?...Delta方法,只适用于为比率度量或小样本量(如乘客取消行程的比率)的实验生成可靠的结果时,均用于标准误差估计。...功率计算提供了用户对于实验结论的信心,低功效实验会有较高的误报率(II 类错误)和较高的FDR。XP功率计算中,通过预设的功效,计算达到预计功效所需的样本数量来确定实验进行的时间。 3....随着时间增加,我们会累积更多的样本,并且置信区间会变窄。在图B中,从给定日期(在本例中为11月21日)开始,置信区间始终从零开始偏离。可以检测到指标下降在特定日期后在统计上和实际上都具有重要意义。...由于其规模和全球影响力,随着我们方法的发展,我们渴望建立一个更加智能的实验平台。将来,该平台将不仅提供从当前实验中获得的见解,而且还可以提供先前的见解,并随着时间的推移主动预测指标。

    1.6K20

    【AIGC绘画】PCM完爆LCM | 1步生成高清图像

    确定性和随机性:图可能展示了PCM如何在确定性采样和引入随机性之间进行平衡,以改善生成样本的质量和多样性。...训练和推理的对比:图可能对比了训练和推理阶段的不同,展示了PCM如何在训练时学习数据分布,并在推理时生成新的样本。...这意味着,给定一个初始样本,PCM可以通过一系列确定性的转换,从噪声数据逐步恢复出清晰的数据。 6. 引导式蒸馏 为了提高文本引导的可控性,PCM在蒸馏过程中以选择不使用分类器自由引导(CFG)策略。...这个损失函数通过训练一个对抗性网络(例如GAN中的判别器)来强制模型学习数据分布,从而改善生成样本的质量。 优点 PCM的优点包括: 高效率:PCM可以生成高质量图像,效率高于传统的扩散模型。...快速生成需求 在需要快速生成高质量图像的应用场景中,PCM 展现了其卓越的性能。相比于传统生成方法,PCM 可以在较少的生成步数内生成高质量的图像,显著提高了生成速度和效率。 5.

    25010

    【深度学习】强化学习(五)深度强化学习

    一、强化学习问题   强化学习的基本任务是通过智能体与环境的交互学习一个策略,使得智能体能够在不同的状态下做出最优的动作,以最大化累积奖励。...1、交互的对象   在强化学习中,有两个可以进行交互的对象:智能体和环境 智能体(Agent):能感知外部环境的状态(State)和获得的奖励(Reward),并做出决策(Action)。...值函数在强化学习中起到了桥梁的作用,连接了策略、状态和动作的关系。它们是智能体学习和改进的核心工具,使其能够在未知环境中获得最大的累积奖励。...数量庞大:比如围棋的棋局有 3^361 ≈ 10^{170} 种状态,动作(即落子位置)数量为361) 连续的:自动驾驶的环境包含大量的可能状态和动作 状态:智能体感知到的环境状态是各种传感器数据...关键要素 策略函数的深度表示: 传统的策略函数可能是基于表格的 在深度强化学习中,策略函数通常由深度神经网络表示,使得智能体能够处理高维状态空间,学习复杂的决策规则。

    34310

    传统CV和深度学习方法的比较

    传统计算机视觉是完善的,透明的,对于表现和功率效率优化过的,尽管DL以大数量计算资源的代价提供更好的精度和通用性。 混合方法结合传统CV和深度学习方法,提供了两种方法的优点。...传统的CV技术,比如离散傅里叶变换,证明可以用来使用加速卷积。 但是领域特殊更简单的任务一般不需要太多数据。在预处理过程中,传统CV方法用来增加训练样本。...DL方法在解决闭环(close end)问题时表现优秀,这些问题中潜在的信号可以被映射到一个限制的类别中,同时有足够的可以获得的数据,训练集和测试集的数量十分相似。...建立一个视觉物体如何在不同的条件下出现,如3D旋转,尺度变换,光照变化,从那些代表的变换,会使用较强形式的迁移学习去实现零击或一击(zero-shot one-shot)学习。...然后每一幅的图像全局描述子,在词袋中搜索,最匹配的全局描述子提供了一个查询图像的大致的定位在参考地图中。在姿态估计中,查询图像精确的姿态通过一些算法,比如PnP和几何验证算法,实现更精确的计算。

    1.7K31

    基于大数据技术的手机用户画像与征信研究

    如中国电信的“号码百事通”网站上有旅游、团购、演出、购物、民生信息查询,以及水电、有线费支付等模块,手机用户登录该网站浏览及进行购物消费,其行为数据可以在网站日志中留下记录。...类似于经济学中的现象,曾经有个“三元悖论”一直困扰着数据存储与查询分析的资源协调与管理,也就是说,由于自身属性特点,Hadoop和MPP目前只能满足以下的两项功能,而不能满足全部要求。...一般分为9级,为了进一步简化区分,我们以银行最终放贷决定为依据,将样本分为“可予授信”样本和“不予授信”样本两种。...3.4以银行传统评级结果为依据,运用监督学习算法中的支持分量机,对测试样本中的手机用户画像特征进行维度约简,找出关键属性值组合。在分类过程中,变量多所获得的信息也相对多,其判断正确性也将会比较高。...但是变量多,代表着收集样本的成本和时间增加,最好的方法是能以较少的变量,却能获得不错的判断正确性。在个人征信中有效的用户画像指标如表4所示(由于条件限制,没有实施手机用户上网行为数据的采集与分析)。

    1.8K30

    新框架ES-MAML:基于进化策略、简易的元学习方法

    一项重要的方式是最终元策略的性能:该算法是否可以持续产生具有良好适应性的元策略。在RL设置中,元策略的适应性还取决于所使用查询次数的数量K:即适应运算符U(.,T).所使用的部署数量。...准确地说,ES只使用一个事件的累积奖励,而策略梯度使用每个状态-动作对。因此,我们可能会直观地认为,ES应该具有更糟糕的抽样复杂性,因为它对相同数量的滚动使用更少的信息。...然而,在实践中,ES似乎经常匹配甚至超过策略梯度方法。有几种解释被提出:在PG的情况下,特别是像PPO这样的算法,网络必须优化多个额外的代理目标,如熵加值和值函数,以及超参数,如TD-步骤数。...此外,有人认为,ES对延迟奖励、行动频率低和长期视野更有抵抗力。在传统的RL中,ES的这些优点也转移到了MAML中,我们在本节中对此进行了实证说明。...为此我们引入了“四角基准”,以证明PG-MAML算法的弱点,一个2D方块上的代理会因为移动到方块上选定的一个角落而获得奖励,但只有当它足够接近目标角落时才会观察奖励,从而使奖励变得稀疏。

    1K20

    机器学习——强化学习与深度强化学习

    在强化学习中,智能体通过试错不断学习,以期最大化其累积的奖励。 强化学习的基本框架包括以下几个核心元素: 状态 (State):智能体所处的环境状态。...常见的策略梯度方法有 REINFORCE 算法。 策略梯度的核心思想是通过参数化策略函数,使用梯度上升的方法不断调整策略的参数,以使得策略获得的期望累积奖励最大化。...这样可以有效减少策略梯度方法中的高方差问题。 2. 深度强化学习 2.1 深度 Q 网络(DQN) Q-Learning 虽然简单,但在状态空间很大时,传统的 Q 表无法存储所有可能的状态-动作对。...2.4 深度强化学习的挑战与解决方案 深度强化学习在应用中面临许多挑战,如高方差、不稳定性和样本效率低等。...3.2 自动驾驶 在自动驾驶领域,深度强化学习用于解决路径规划、决策和控制等问题。智能体通过不断与模拟环境交互,学习如何在复杂的道路环境中安全驾驶。

    1.9K10

    讲解pytorch 优化GPU显存占用,避免out of memory

    梯度累积梯度累积是一种优化策略,它可以减少一次迭代中的显存占用。通过累积梯度,我们可以将较大的Batch Size拆分为多个较小的Batch,并进行多次前向计算和反向传播。...然而,在实际应用中仍需要根据具体情况进行试验和调整,以达到更好的性能和稳定性。...通过使用合适的Batch Size、梯度累积和显存清理,可以有效避免显存溢出问题,并提高训练效率。但需要根据具体情况进行实验和调整,以获得最佳的性能和稳定性。"...以下是解决GPU显存不足的一些方法:减小Batch Size:通过降低每个训练步骤中的样本数量,减少每个Batch所需的显存空间。减小模型复杂性:可以通过减少模型的参数数量或层数来降低显存消耗。...输入数据预处理:对输入数据进行预处理,如裁剪、缩放或降低通道数,以减少显存的使用量。梯度累积:减少梯度累积的次数或更改累积比例,以降低显存的消耗。

    6.7K10

    新框架ES-MAML:基于进化策略、简易的元学习方法

    一项重要的方式是最终元策略的性能:该算法是否可以持续产生具有良好适应性的元策略。在RL设置中,元策略的适应性还取决于所使用查询次数的数量K:即适应运算符U(.,T).所使用的部署数量。...准确地说,ES只使用一个事件的累积奖励,而策略梯度使用每个状态-动作对。因此,我们可能会直观地认为,ES应该具有更糟糕的抽样复杂性,因为它对相同数量的滚动使用更少的信息。...然而,在实践中,ES似乎经常匹配甚至超过策略梯度方法。有几种解释被提出:在PG的情况下,特别是像PPO这样的算法,网络必须优化多个额外的代理目标,如熵加值和值函数,以及超参数,如TD-步骤数。...此外,有人认为,ES对延迟奖励、行动频率低和长期视野更有抵抗力。在传统的RL中,ES的这些优点也转移到了MAML中,我们在本节中对此进行了实证说明。...为此我们引入了“四角基准”,以证明PG-MAML算法的弱点,一个2D方块上的代理会因为移动到方块上选定的一个角落而获得奖励,但只有当它足够接近目标角落时才会观察奖励,从而使奖励变得稀疏。

    77030

    Q-learning与深度Q网络(DQN)

    Q函数的基本概念是:对于某一状态和动作,Q值表示从该状态采取该动作能够获得的最大累积回报。智能体通过对Q值进行迭代更新,逐步学会选择最优的动作。...DQN引入了两个关键技术,以提高训练的稳定性和效率:经验回放(Experience Replay):在训练过程中,智能体将经历的状态-动作-回报-新状态四元组存储在一个经验回放池中,并从中随机抽取样本进行训练...2.3 DQN的挑战与发展尽管DQN在许多任务中取得了令人瞩目的成绩,但它仍然面临一些挑战:样本效率问题:DQN通常需要大量的训练数据才能收敛到一个较优的策略,这使得它在一些实际应用中可能效率不高。...,如简单游戏、迷宫导航大规模问题,如Atari游戏、机器人控制等优势简单且高效,易于实现能够处理高维、大规模问题,深度学习优势局限性状态空间过大时效率低下训练过程可能不稳定,样本效率较低4....4.2 机器人控制与自动驾驶DQN也广泛应用于机器人控制和自动驾驶领域。通过与环境的不断交互,DQN可以帮助机器人学习如何在复杂的环境中做出决策,完成例如路径规划、物体抓取等任务。

    9800

    XGB4:Xgboost学习排序

    相关性程度可以是多级(分级)的,也可以是二进制的(相关或不相关)。训练样本通常根据它们的查询索引分组,每个查询组包含多个查询结果。 XGBoost通过一组目标函数和性能指标实现学习排序。...在上面的示例中,前三个样本属于第一个查询,接下来的四个样本属于第二个查询。...例如,scikit-learn 中的 auc_score 和 ndcg_score 没有考虑查询组信息也没有考虑成对损失。...除了作为目标函数使用的度量标准之外,XGBoost还实现了用于评估的度量标准,如pre(用于精确度)。请参阅参数以获取可用选项,并查看以下部分以了解如何根据有效对数的数量选择这些目标。...选择生成文档对的mean策略,以获得更多的有效对 对于选择的任何方法,可以通过修改lambdarank_num_pair_per_sample来控制生成的对的数量。

    41621

    从零开始机器学习—简介

    传统的编程方式是人类编写规则,计算机按照这些规则执行任务。而机器学习则是让计算机通过分析大量数据,自动找出规则和模式,从而完成任务。...标记(label):有前面的样本数据显然是不够的,要建立这样的关于“预测”(prediction) 的模型,我们需获得训练样本的“结果”信息,例如“((色泽=青绿;根蒂=蜷缩;敲声= =浊响),好瓜)”...数据的质量(有时是数量)将决定你回答最初问题的能力。可视化数据是这个阶段的一个重要方面。此阶段还包括将数据拆分为训练和测试组以构建模型。选择一种训练方法。...计算机需要自己找出数据中的模式和结构。eg:- 聚类问题:客户分群。给定一组客户数据(如购买历史、年龄、地理位置等),计算机将客户分成不同的群体,每个群体内的客户具有相似的特征。...计算机(称为代理)在环境中执行动作,并根据反馈(奖励或惩罚)来调整其行为。eg:- 游戏AI:计算机通过不断尝试和失败,学习如何在游戏中获胜。

    11500

    HAWQ取代传统数仓实践(十七)——事实表技术之累积度量

    本篇说明如何在销售订单示例中实现累积月销售数量和金额,并对数据仓库模式、初始装载、定期装载做相应地修改。累积度量是半可加的,而且它的初始装载要复杂一些。...,周期快照表和累积度量表的查询结果分别如图3、图4所示。...五、查询         事实表中的数字度量值可划分为可加、半可加、不可加三类。可加性度量可以按照与事实表关联的任意维度汇总,就是说按任何维度汇总得到的度量和是相同的,事实表中的大部分度量属于此类。...对非可加度量,较好的处理方法是尽可能存储构成非可加度量的可加分量,如构成比例的分子和分母,并将这些分量汇总到最终的结果集合中,而对不可加度量的计算通常发生在BI层或OLAP层。        ...如果重点考虑迟到事实数据和HAWQ无法行级更新的限制,也许使用查询视图方式实现累积度量是更佳选择。

    870100

    Kettle构建Hadoop ETL实践(九):事实表技术

    在人力资源管理系统中,除了为员工建立档案外,还希望获得员工状态的例行报告,包括员工数量、支付的工资、假期天数、新增员工数量、离职员工数量,晋升人员数量等。...在传统关系数据库中实现增量处理累积快照,需要行级更新,但Hive中无法这样做。...整个定期装载作业中,装载过渡区数据、装载销售订单事实表、装载累积快照事实表三个部分都查询了时间戳表rds.cdc_time,以获得增量处理的时间窗口。...步骤输出为累积订单表对应的18个字段。 要合并的第二个数据集合为当前活动分区的数据,由“查询活动分区数据”表输入步骤和“排序记录 2”步骤获得。...本节说明如何在销售订单示例中实现累积月销售数量和金额,并对数据仓库模式、初始装载、定期装载Kettle作业和转换做相应地修改。累积度量是半可加的,而且它的初始装载比前面实现的要复杂。 1.

    6K12
    领券