怎样用pb实现表格的存储

prain2003 2003-09-27 10:30:07
我说的不是那种由数据库中的数据组成的表格
是在数据库中存放一张已经画好的表格。
还有怎样用pb做程序,让用户可以画表格。
...全文
74 22 打赏 收藏 转发到动态 举报
写回复
用AI写文章
22 条回复
切换为时间正序
请发表友善的回复…
发表回复
prain2003 2003-10-31
  • 打赏
  • 举报
回复
真的没什么好方法吗?
zhangdatou 2003-10-29
  • 打赏
  • 举报
回复
prain2003 2003-10-10
  • 打赏
  • 举报
回复
看样子不太好办,自己顶,希望还有更好的建议。
jdsnhan 2003-10-10
  • 打赏
  • 举报
回复
好象楼主把问题重点放在清风所说的"模板"上了。
我觉得这个模板的初始形成还是一个动态创建的过程。
在数据库存储一张画好的表,表的数据变动吗?
鸡翅多 2003-09-30
  • 打赏
  • 举报
回复
好想法,PB的例子里好象都没有画FREEFORM格式的DW,只有GRID和TABULAR格式
runsoft 2003-09-30
  • 打赏
  • 举报
回复
你的意思就是让客户做好模板,你直接存储到数据库,或者存储模板的路径就解决了。IMAGE
zhangdatou 2003-09-30
  • 打赏
  • 举报
回复
说的都有道理
incats 2003-09-30
  • 打赏
  • 举报
回复
用ole吧, 把doc存到数据库里, WORD画表格, 用人怀疑么? :)
davidtc 2003-09-29
  • 打赏
  • 举报
回复
存好说,把数据窗语法存下来就行了

客户端自己画datawindow就需要做很多事情了,一句两句的说不清出的
网上应该有这方面的例子,找找看吧
YewPu 2003-09-28
  • 打赏
  • 举报
回复
哈哈!
prain2003 2003-09-28
  • 打赏
  • 举报
回复
多谢各位参与,我说的表格并不对应后台数据库,只是一个死表而已,而且表格的格式不定,各位所说的方法,我都考虑过的,但是不行,因为表格的式样是在是太多了。动态生成dw士不太可能的了。我现在就想然用户输入画好的表格,然后存储。注意:表格的格式是不定的
klbt 2003-09-27
  • 打赏
  • 举报
回复
楼上三位说 的都有道理。
“还有怎样用pb做程序,让用户可以画表格。”实际上是动态报表生成问题。
地狱余烬 2003-09-27
  • 打赏
  • 举报
回复
我做的“家系图“ 就是将对象的实例名称,位置(x,y),长度,粗细 等等参数存在一个表里,
调用时根据读取的参数把对象恢复回来,就能到效果
当然的用到用户自定义类,这样非常灵活。

类里的constructor事件里,可根据得到的参数初始化实例
在过程中会出现些实际问题,不用退,会成功的
xyzliuin 2003-09-27
  • 打赏
  • 举报
回复
dw_1.Object.DataWindow.Syntax;
即可得到datawindow的语法,存入表中
调用时dw_1.create(ls_syntax,ls_error)
ropriest 2003-09-27
  • 打赏
  • 举报
回复
还不如用LibraryExport,LibraryImport将定义好的数据窗口放到一个pbd中,到时候直接取就行了
qiyousyc 2003-09-27
  • 打赏
  • 举报
回复
将数据窗口的语法全部存放在表中就可以了。
prain2003 2003-09-27
  • 打赏
  • 举报
回复
这个我早知道啦,我是想用数据库的一个字段存储表格的格式。
帮帮忙,up有分
mittee 2003-09-27
  • 打赏
  • 举报
回复
动态报表么??
xyzliuin 2003-09-27
  • 打赏
  • 举报
回复
说清楚点,不明白,举个例子
pb的报表设计器,仅供学习使用
http://pbhome.net/code_info.asp?codetype=1&codeid=70
可能需要注册一下
workhand 2003-09-27
  • 打赏
  • 举报
回复
存储语法,动态调用生成dw
加载更多回复(2)
大数据处理技术简介 大数据处理技术简介全文共52页,当前为第1页。 三、大数据开源软件Hadoop简介 二、大数据处理实现技术 一、大数据背景 目 录 1. Hadoop 简介 2. 实例演示 1. 定义 2. 数据的来源 1. 分布式储存系统(GFS / HDFS) 2. 分布式计算模型(MapReduce) 大数据处理技术简介全文共52页,当前为第2页。 一、大数据背景 大数据处理技术简介全文共52页,当前为第3页。 我们正处在信息爆炸的年代 2000年 数字数据只占全球数据量的1/4 2007年 所有数据中只有7%是存储在报纸、书籍、图片等媒介上的模拟数据,其余93%全是数字数据(二进制数据) Google 单日数据处理量超过 24 PB Facebook 单日照片更新量超过 1千万张 淘宝网 单日数据产生量超过 5万 GB 大数据背景 —— 定义 大数据处理技术简介全文共52页,当前为第4页。 大数据定义 "大数据"是指一个数据集(Datasets),它的尺寸大到已经无法由传统的数据库软件去采集、储存、管理和分析。 大数据背景 —— 定义 大数据处理技术简介全文共52页,当前为第5页。 数据的分类 结构化数据:行数据,存储在数据库里,可以用二维表结构来逻辑表达实现的数据。例如:二维表 半结构化数据:自描述,数据结构和内容混杂在一起的数据。例如: XML、HTML等。 非结构化数据:除去以上两种类型例如:音视频、图片等。 大数据背景 —— 定义 大数据处理技术简介全文共52页,当前为第6页。 2000年以后非结构化数据占绝大部分 大数据背景 —— 数据的来源 大数据处理技术简介全文共52页,当前为第7页。 从非结构化数据到结构化数据 视频、音频识别技术等 大数据背景 —— 数据的来源 大数据处理技术简介全文共52页,当前为第8页。 网页爬虫 视频识别 语音识别等 大数据背景 —— 数据的来源 大数据处理技术简介全文共52页,当前为第9页。 传统关系数据库,如:Oracle、MYSQL 无法储存几亿行长,几百万行宽的表格,巨大的数据直接导致数据库崩溃 半结构化数据和脏数据将会导致出错(类型不严格) 传统方法失效 ! 如何解决? 大数据处理技术的解决办法: 存成文件(File System) 大数据背景 —— 数据的来源 大数据处理技术简介全文共52页,当前为第10页。 某搜索引擎搜索日志 大数据背景 —— 数据的来源 大数据处理技术简介全文共52页,当前为第11页。 二、大数据处理实现技术 大数据处理技术简介全文共52页,当前为第12页。 大数据处理技术面对的第一个问题 如何高效存储大规模文件? 大数据处理实现技术 —— 分布式储存系统GFS / HDFS 大数据处理技术简介全文共52页,当前为第13页。 数据读取问题 1 T 100M/S OH NO !!! 大数据处理实现技术 —— 分布式储存系统GFS / HDFS 2.5小时 大数据处理技术简介全文共52页,当前为第14页。 谷歌文件系统(GFS) 大数据处理实现技术 —— 分布式储存系统GFS / HDFS 大数据处理技术简介全文共52页,当前为第15页。 分而治之 大数据处理实现技术 —— 分布式储存系统GFS / HDFS 谷歌文件系统(GFS) 解决方案 大数据处理技术简介全文共52页,当前为第16页。 …….. 10G 1分30秒 100M/S 大数据处理实现技术 —— 分布式储存系统GFS / HDFS 10G 10G 10G 10G 大数据处理技术简介全文共52页,当前为第17页。 可靠性问题 大数据处理实现技术 —— 分布式储存系统GFS / HDFS 大数据处理技术面对的第二个问题 99%*99%*99%*99%*99%=95% 95%*95%*95%*95%*95%=76% 大数据处理技术简介全文共52页,当前为第18页。 备份 一份数据至少做三个备份 大数据处理实现技术 —— 分布式储存系统GFS / HDFS 谷歌 解决方案 大数据处理技术简介全文共52页,当前为第19页。 …… 10G 10G …… 10G 10G 10G 10G 10G 10G …… 10G 10G 10G 10G 10G 10G 心跳(HeartBeat ) Master(主管) Secondary master (副主管) Client(用户程序) 读取元数据 读取数据 云( Cloud ) Master作用: 储存元数据(数据位置信息) 储存节点的日常维护 储存节点 10G 10G 10G 10G 数据位置信息 读取数据 大数据处理技术简介全文共52页,当前为第20页。 Google File System架构 大数据处理实现技术 —— 分布式储存系统GFS / H
基于PI实时/历史数据库SIS系统 开发技术说明文档 目录 第1章 基于PI实时/历史数据库的SIS系统组态开发 2 第1.1节 PI-ProcessBook工具介绍 2 1.1.1 ProcessBook和Display 2 1.1.2 PI-ProcessBook的特点 4 1.1.3 PB支持的数据来源 5 1.1.4 数据集在画面设计中的应用 5 第1.2节画面的设计 6 第2章 监控平台的设计与实现 9 第2.1节 基于C/S模式的SIS监控平台 9 第2.2节 基于B/S模式的SIS监控平台 10 2.2.1 PI-ActiveView工具介绍 10 2.2.2 Web服务器的配置及Web发布的实现 11 第2.3节 ProcessBook操作说明 15 第2.4节 译文:ProcessBook操作说明 16 第3章 PI数据库维护说明 20 第3.1节 PI数据库建库说明 20 第3.2节 几个建库问题说明 28 3.2.1(MSDD类型)开关量状态说明 28 3.2.2 调门(Station类型)开关量状态说明 28 第4章 PI客户端常见问题说明 30 第4.1节 画面浏览问题 30 第4.2节 画面修改、添加、更新问题 30 第1章 基于PI实时/历史数据库的SIS系统组态开发 第1.1节 PI-ProcessBook工具介绍 PI- ProcessBook工具(以下简称PB)是用于显示存储于PI数据库和其它数据源的生产信息的 客户端工具。 1.1.1 ProcessBook和Display 一个PB应用可以包括一个或多个PB"书"(book)(如图4.1)。PB书是一组显示画面 (display)的组合。而显示画面用于显示来自PI数据库的生产信息数据,画面也可以显 示其他来源类型的数据,如示意图、实验室数据、说明文字、外部数据库数据等,画面 显示信息可以是其中有动态元件、静态元件,以及OLE对象等。 图4.1 PB"书"(book) 组态画面display如图4.2所示: 图4.2组态工具界面 1、静态元件 静态元件是指如描述性文本之类状态不可以变化的元件。一张监视画面中通常包括很 多静态元件,它们不连接数据库服务器和其它的应用程序,其中最常见的就是文本标签 和流体流动线。 2、动态元件 动态元件是包括动态数值、棒状图、趋势图以及随着时间可以变换状态的组合图形标 识等。动态元件所反映的信息可以来自实时数据库,也可以来SIS系统自外部的关系数据 库。数值在监视画面中使用较多,它通常反映了设备以及流体的状态参数数值,也可以 是人手工输入的数值,比如:符合调度指令。棒状图主要显示容器里的工质的液面高度 ,并且可以通过改变颜色来反映液面高度所处的安全等级,从而达到一定的报警的目的 。趋势图是一种可以反映参数变化情况的控件,它反映了跟踪参数的随时间变化的情况 ,以达到帮助分析该测点变化的目的。该趋势图也有自身的特点,比如可以双击从而使 趋势图最大化,将更有利于观察,也使得在同一张画面中布置多个趋势图成为可能。该 趋势图还带有一个滚动条,可以通过拖动滚动条浏览测点的历史变化情况。组合图形标 识是一些图形和组合,组合元素可以是线条、文本。PB允许对任何组合图形配置测点, 在本实例当中的组合图形主要是阀门、节流装置和一些设备图。通常通过改变图形的颜 色,反映该设备当前的状态。 3、按钮 按钮是在监视画面中常见的控件,通常链接到其它的监视画面或指向其它应用,比如 :一张网页、另一个工作簿、另外一张监视画面等。例如:若是经常需要更新监视报告 ,就可以加入一个按钮,这样就可以自动的打开需要更新的电子表格。也可以添加一个 按钮让它连接经常要浏览的监视画面(这包括相对地址和绝对地址)、工作簿和要访问 的网络站点。 4、OLE对象 OLE对象包括外部应用程序的信息,比如:文本、电子表格、图表等,对象所表示的 信息可以设置成动态更新。OLE对象的加入方式可以选择链接和嵌入两种方式。ActiveX 控件是一种可重用组件,他支持广泛的ActiveX功能,并且还可以根据特定的需要而定制 一些特殊功能,ActiveX技术对OLE自动化技术完全支持。PB当中也加入了对OLE对象的支 持,此时PB作为一个容器可以包容多个ActiveX应用,可以通过添加控件的方法,将控件 加入监视画面,可添加的控件可以是一些常见的如:Excel、Word等,也可以是自行开发 的,经过系统注册的ActiveX控件。而且可以通过编写VBA脚本程序,对控件的属性和时 间进行设置和修改。控件所包含的信息也可以随系统实时更新,同时也可以手动更新。 由于ActiveX的强大功能,也使得PB的功能更加强大,扩张能力更好。 5、可视化图文设计工具 PB提供了多种可视化图文设计工具
Hadoop 项目主页:http://hadoop.apache.org   一个分布式系统基础架构,由Apache基金会开发。用户可以在不了解分布式底层细节的情况下,开发分布式程序。充分利用集群的威力高速运算和存储。 起源:Google的集群系统   Google的数据中心使用廉价的Linux PC机组成集群,在上面运行各种应用。即使是分布式开发的新手也可以迅速使用Google的基础设施。核心组件是3个:   1、GFS(Google File System)。一个分布式文件系统,隐藏下层负载均衡,冗余复制等细节,对上层程序提供一个统一的文件系统API接口。Google根据自己的需求对它进行了特别优化,包括:超大文件的访问,读操作比例远超过写操作,PC机极易发生故障造成节点失效等。GFS把文件分成64MB的块,分布在集群的机器上,使用Linux的文件系统存放。同时每块文件至少有3份以上的冗余。中心是一个Master节点,根据文件索引,找寻文件块。详见Google的工程师发布的GFS论文。   2、MapReduce。Google发现大多数分布式运算可以抽象为MapReduce操作。Map是把输入Input分解成中间的Key/Value对,Reduce把Key/Value合成最终输出Output。这两个函数由程序员提供给系统,下层设施把Map和Reduce操作分布在集群上运行,并把结果存储在GFS上。   3、BigTable。一个大型的分布式数据库,这个数据库不是关系式的数据库。像它的名字一样,就是一个巨大的表格,用来存储结构化的数据。   以上三个设施Google均有论文发表。 开源实现   Hadoop是项目的总称,起源于作者儿子的一只吃饱了的大象的名字。主要是由HDFS、MapReduce和Hbase组成。   HDFS是Google File System(GFS)的开源实现。   MapReduce是Google MapReduce的开源实现。   HBase是Google BigTable的开源实现。   这个分布式框架很有创造性,而且有极大的扩展性,使得Google在系统吞吐量上有很大的竞争力。因此Apache基金会用Java实现了一个开源版本,支持Fedora、Ubuntu等Linux平台。目前Hadoop受到Yahoo的支持,有Yahoo员工长期工作在项目上,而且Yahoo内部也准备使用Hadoop代替原来的的分布式系统。   Hadoop实现了HDFS文件系统和MapRecue。用户只要继承MapReduceBase,提供分别实现Map和Reduce的两个类,并注册Job即可自动分布式运行。   目前Release版本是0.20.1。还不成熟,但是已经集群规模已经可以达到4000个节点,是由Yahoo!实验室中构建的。下面是此集群的相关数据:   • 4000 节点   • 2 x quad core Xeons@2.5ghz per 节点   • 4 x 1TB SATA Disk per 节点   • 8G RAM per 节点   • 千兆带宽 per 节点   • 每机架有40个节点   • 每个机架有4千兆以太网上行链路   • Redhat Linux AS4 ( Nahant update 5 )   • Sun Java JDK1.6.0_05 - b13   • 所以整个集群有30000多个CPU,近16PB的磁盘空间!   HDFS把节点分成两类:NameNode和DataNode。NameNode是唯一的,程序与之通信,然后从DataNode上存取文件。这些操作是透明的,与普通的文件系统API没有区别。   MapReduce则是JobTracker节点为主,分配工作以及负责和用户程序通信。   HDFS和MapReduce实现是完全分离的,并不是没有HDFS就不能MapReduce运算。   Hadoop也跟其他云计算项目有共同点和目标:实现海量数据的计算。而进行海量计算需要一个稳定的,安全的数据容器,才有了Hadoop分布式文件系统(HDFS,Hadoop Distributed File System)。   HDFS通信部分使用org.apache.hadoop.ipc,可以很快使用RPC.Server.start()构造一个节点,具体业务功能还需自己实现。针对HDFS的业务则为数据流的读写,NameNode/DataNode的通信等。   MapReduce主要在org.apache.hadoop.mapred,实现提供的接口类,并完成节点通信(可以不是hadoop通信接口),就能进行MapReduce运算。   目前这个项目还

1,079

社区成员

发帖
与我相关
我的任务
社区描述
PowerBuilder 相关问题讨论
社区管理员
  • 基础类社区
  • WorldMobile
加入社区
  • 近7日
  • 近30日
  • 至今
社区公告
暂无公告

试试用AI创作助手写篇文章吧