Filtrage Dynamique et Optimisation In-Memory

Est-il possible de filtrer les noeuds et liens à la volée sans créer de tables intermédiaires coûteuses en mémoire ? - biconnectedComponents

Absolument. L'action propose des mécanismes avancés pour minimiser l'empreinte mémoireGemini said
Espace de stockage temporaire (RAM) utilisé par le moteur CAS pour charger et traiter les données à haute vitesse, minimisant les accès disque pour optimiser les performances de SAS Viya. et le transfert de données. Au sein des objets de configuration des noeuds et des liens, vous pouvez exploiter le paramètre where pour appliquer des conditions de filtrage strictes. Plus puissant encore, le paramètre whereTable permet d'effectuer une jointure restrictive dynamique avec une autre table existante. Vous pouvez même configurer l'extraction avec une expression complexe comme computedVarsProgram = "if weight < 10 then flag=1; else flag=0;" pour générer et évaluer de nouvelles variablesColonnes d'une table SAS contenant des données spécifiques (numériques ou caractères). Elles possèdent des attributs comme le nom, le type, la longueur, l'étiquette et le format d'affichage. à la volée, évitant ainsi toute étape de Data Preparation préalable sur disque.

Exemples pour l'action biconnectedComponents

Calcul de base des composantes biconnexes

Exécution de l'action avec les paramètres par défaut pour obtenir un résumé.

Analyse complète avec identification des points d'articulation

On demande explicitement la création des tables de sortie pour voir quels nœuds sont des points d'articulation et quels liens appartiennent à quelle composante.

Conseil de l'Expert

Privilégiez l'utilisation du paramètre where directement dans l'action de réseau plutôt que de créer une vue CAS (view). Bien que les vues ne dupliquent pas les données, l'actionset network optimise mieux l'accès aux données lorsqu'il traite le filtrage nativement, réduisant ainsi la latence d'initialisation du graphe.

Mécanismes de Filtrage Avancés dans SAS Viya

Filtrage par Prédicat (where) : Permet une évaluation booléenne au niveau de chaque ligne avant le chargement dans la structure de données interne de l'algorithme.
Variables Calculées (computedVars) : Offre la possibilité de générer des poids ou des attributs de liens dynamiquement (ex: normalisation d'un score de transaction) sans altérer la table source.
Partitionnement Intelligent : En combinant le filtrage avec des variables de groupe, Viya peut distribuer le calcul du sous-graphe sur les différents workers du cluster de manière équilibrée.
Réduction de l'Empreinte (vars) : Spécifier strictement les colonnes nécessaires (from, to, weight) permet d'économiser des gigaoctets de RAM sur des réseaux comptant des centaines de millions d'arêtes.

Cette réponse vous a-t-elle aidé ?

Vos votes aident à améliorer notre base de connaissances.

Action CAS associée

optNetwork

biconnectedComponents