{"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。"}