数据融合常见问题--客户数据平台（私有化）-火山引擎

文档中心

立即注册

导航

数据融合常见问题

最近更新时间：2024.09.24 11:24:11首次发布时间：2023.03.17 14:39:47

Q：通过批量新建的方式修改事件或事件属性信息，上传信息是否会覆盖原来所有配置？

不会，会过滤掉重复项，补充之前缺少的。

Q：CDP支持哪些数据连接？

支持MySQL、HIVE、ClickHouse等数据库连接、API数据连接、流式数据（Kafka数据）接入、本地文件数据上传、巨量引擎及巨量千川数据接入。

Q：当ID存在一对多的情况，如何进行Mapping？

可以通过配置策略字段来进行更合理的Mapping，例如：手机号参照会员ID，当一个手机号对应多个会员ID的时候，可以配置生成策略，选择绑定时间，使用最新绑定的会员ID的基准ID作为结果，来实现更合理的ID mapping。

Q：CDP的基准ID（即OneID）是每天都按照生成策略和规则重新生成的吗？

可以在IDMapping配置时自行配置，CDP的ID图谱构建中有「基准ID是否可变」的按钮，默认可变，即按照生成策略每天都进行重新生成。如果希望某些ID类型基准ID生成后保持不变，则可以关闭此开关。

Q：多产品联合部署的时候，Finder的数据如何接入CDP？

联合部署时，CDP和finder底层是一份数据，CDP中会内置finder的行为&属性数据，供CDP系统应用。注意：CDP与Finder目前仅在私有化部署情况下打通。

Q：CDP元数据登记中要求的行为/明细/属性数据格式是怎样的？是否有数据样例。

用户属性是用户状态的记录，由指定的事件赋值/更新，用户属性的定义来源不同，由各个业务系统定义（含cdp）。包含用户的基本信息（性别、年龄...）和业务场景信息（会员id、积分...）。
数据格式样例如下：

字段	数据类型	示例	对应配置
base_id	int	23456，用户ID唯一	用户ID
sex	string	男
age	int	30
hobby	array	篮球、足球
total_account	float	364.55
birthday	date	1991/2/23

行为数据是“谁，在什么时间，在什么地点，对什么内容，做了什么事情，产生了多少结果”， 行为数据源包括离线和实时的用户行为数据，用于用户标签的构建与人群的圈选，常见行为数据如：

小程序、app等用户实时行为数据；
为方便快速圈人而设计的通过明细数据转换的离线行为数据；

行为数据格式样例如下：

字段	数据类型	示例	对应配置
base_id	int	23456，用户ID唯一	用户ID
time	bigint	事件发生时间戳，1627526641894	行为时间
event	string	行为事件名称， ViewProduct	行为事件
project	string	公共参数，tiktok_test
params_string	map(string,string)	事件参数（文本型），province	行为参数
params_int	map(string,int)	事件参数（整数型），session_duration	行为参数
params_float	map(string,float)	事件参数（浮点型），custom_screen_height	行为参数

明细数据是业务事实数据，主要用于标签构建和圈人，支持筛选字段筛选、聚合、条件判断（聚合方式支持总次数、求和、平均值、最大值、最小值）。
数据样例格式如下：

字段	数据类型	示例	对应配置
order_id	int	47583
order_time	time	2021/9/27 9:12
base_id	int	23456，用户ID不唯一，有多条用户订单记录	用户ID
fee	float	45.34
type	string	0代表实时单，1代表预约单
biz	string	0代表经济，1代表舒适，2代表豪华

Q：可视化输出数据集，存储配置选项该如何选择？

如果该数据集作为最终数据集，用于【元数据登记】或者【可视化查询】，建议选择 ClickHouse 的存储，如果该数据集只是用来进行中间结果的存储，或者与其他其他数据集进行关联操作，建议选择 Hive 的存储方式，Hive 中分区统一使用 p_date 字段，数据类型为 string，ClickHouse 中分区统一使用 p_date 字段，数据类型为 Date，ClickHouse 存储中，对于应用到【元数据登记】的数据集，排序字段、抽样字段、分片字段统一选择【base_id】，分区 p_date，生命周期根据需要进行设置，一般默认即可。

Q：''增量抽取''的逻辑？

每天按照时间戳的形式对增量数据进行抽取，增量字段无时间的更新的数据在当天就不做抽取。

Q：手动触发idm任务后相关下游任务并未重新执行？

当天分区已经运行成功的任务，再次触发上游任务，下游已成功的任务是不会重新执行的

Q：配置 ID 生成策略时，该 ID 与基准 ID 强制一对一怎么理解？

如果希望某些 ID 类型只要原始 ID 不同，生成的基准 ID 必然不同则可打开此开关，例如会员号生成基准ID时设定为参考手机号，如果有其他会员 ID 通过此手机号已经生成过基准 ID，则此会员号不会复用已有基准ID，而是会重新生成。

Q：配置 ID 生成策略时，基准 ID 是否可变怎么理解？

默认打开，每天按照生成策略重新生成基准 ID，之所以基准 ID 会变是因为，基准 ID 是基于依赖关系生成的，重要的 ID 类型会放在前面，如果当天的数据重要 ID 还没进来，则根据次重要 ID 来生成基准 ID，如果第二天重要 ID 数据过来了，则基准 ID 会重新生成。

Q：AI算子/分类/聚类/回归算子运行失败原因汇总

AI算子运行要求行数大于200行
分类/回归算子的标签列去重的枚举值应该不超过总行数的1/3
分类算法，标签列的枚举值不能过多，建议50分类以内，过多会导致评估的类别没有参与算法训练
同时，所有的特征列不能都一样
某一列的特征值，不能全为null
spark-catboost目前开源的版本，不支持一个spark-session里面同时运行两个任务。同时需要增加高级参数，spark.task.cpus，值和spark.executor.cores的值一样
除了catboost和xgboost的特征列做了优化，支持选string/array/map，其他的AI算子特征列只支持选择数字类型（int，double，float，long，short等）

Q：数据集增加字段后，数据档案必须手动添加吗？

在数据集增加字段后，数据档案不会自动更新以包含新的字段。您需要手动添加新字段到相应的数据档案中。这通常涉及到编辑数据档案的配置，将新字段添加到档案定义中。在进行这样的更改时，应确保新字段的添加不会影响数据档案的现有逻辑和依赖关系。

Q：hive数据集可以显示存储总量吗？

hive数据集当前不支持展示存储总量，预计会在CDP1.25版本提供支持。

Q：对于一个基准ID对应多个业务ID的场景，GMP会对两个业务ID进行触达么？

对于一个基准ID对应多个业务ID的场景，GMP只会对其中一个业务ID进行触达，具体哪一个现在没有什么规则，可以理解为随机。

客户数据平台（私有化）